Python量化投资：技术、模型与策略

　　《Python量化投资：技术、模型与策略》基于大量真实的实践应用案例和场景，介绍了Python在量化投资各个环节的应用。作者结合自己在量化投资中的项目经验，用通俗易懂的语言和生动的案例，围绕量化投资中的概念、思路、方法与应用，帮助读者深刻领会“Python的胶水语言能力使其在量化投资生产线的各个环节几乎都能胜任”。
　　《Python量化投资：技术、模型与策略》共17章，第1-9章系统介绍了量化投资中的基础概念，包括数据处理、Pandas的使用、统计方法、资产定价等，同时提供Python实例代码进行解释，方便读者在厘清基本概念的同时，能上手尝试简单的Python代码，为后面更复杂的量化体系打好基础；第10-17章从实战的角度介绍了量化投资中的具体应用，包括数据来源、CTA策略、多因子策略、策略回测、资金分配等。
　　《Python量化投资：技术、模型与策略》从实战的角度出发，采用优秀的开源框架来完成各个功能模块，并且对各个模块背后的基本原理进行了详细讲解，相信能方便读者理解和开发。
　　《Python量化投资：技术、模型与策略》的主要内容和特色：
　　案例上手容易，使用简单的Python代码来阐释量化投资概念，读者能在厘清量化投资基本概念的同时，迅速上手并基于简单的代码模板写出自己的代码。
　　理论覆盖面广，包括了金融基础概念、数据预处理、衍生品定价、统计应用、回测平台等实战中都可能用到的内容，方便读者对Python量化投资全景图有一个良好的把握。
　　内容实战性强，详解真实业务场景中交易常用的Python工具，比如Wind数据接口、单因子分析框架alphalens、实盘交易框架vn.py等，让读者理解真实场景中如何利用Python生态迅速构建自己的量化投资生产线。

　　赵志强，金融量化与建模专家，目前在金融科技公司负责金融大数据产品工作，专注于研究Al在金融领域的落地应用。曾在由诺奖得主Robert Engle领导的上海纽约大学波动研究所研究全球金融风险，并和上交所、中金所合作完成多项科研项目。曾在摩根士丹利华鑫基金、明汯投资负责量化投资研究工作，内容包括股票多因子、期货CTA和高频交易等。
　　
　　刘志伟，在中国银联云闪付事业部从事数据分析、数据挖掘等工作。对自然语言处理、文本分类、实体识别、关系抽取、传统机器学习，以及大数据技术栈均有实践经验。目前正在探索相关技术在金融场景内的落地应用，包括自动知识图谱、大规模文本信息抽取结构化、异常识别等领域，关注人工智能行业前沿技术发展。

推荐序一
推荐序二
推荐序三
前言

第1章 量化投资与Python简介
1．1 量化投资基本概念
1．2 量化投资的特征
1．3 量化投资的优势
1．4 量化、AI并不是一切
1．5 编程语言比较
1．5．1 Matlab
1．5．2 R
1．5．3 C++
1．5．4 Python
1．5．5 其他语言
1．6 为什么要使用Python
1．7 Python构建量化投资生产线

第2章 平台搭建和工具
2．1 需要考虑的问题
2．2 编程环境搭建流程
2．2．1 其他库的安装
2．2．2 四种集成开发环境（IDE）介绍

第3章 Python金融分析常用库介绍
3．1 NumPy
3．1．1 创建多维数组
3．1．2 选取数组元素
3．2 SCiPy
3．3 Pandas
3．3．1 DataFrame入门
3．3．2 Series
3．4 Stats Models

第4章 可视化分析
4．1 Matplotlib
4．1．1 散点图
4．1．2 直方图
4．1．3 函数图
4．1．4 Matplotlib和seabom的中文乱码问题
4．2 seaborn
4．3 python-highcharts

第5章 统计基础
5．1 基本统计概念
5．1．1 随机数和分布
5．1．2 随机数种子
5．1．3 相关系数
5．1．4 基本统计量
5．1．5 频率分布直方图
5．2 连续随机变量分布
5．2．1 分布的基本特征
5．2．2 衍生特征
5．3 回归分析
5．3．1 最小二乘法
5．3．2 假设检验

第6章 数据预处理和初步探索
6．1 数据清理
6．1．1 可能的问题
6．1．2 缺失值
6．1．3 噪声或者离群点
6．1．4 数据不一致
6．2 描述性统计
6．2．1 中心趋势度量
6．2．2 数据散布度量
6．3 描述性统计的可视化分析
6．3．1 直方图
6．3．2 散点图
6．3．3 盒图

第7章 Pandas进阶与实战
7．1 多重索引
7．2 数据周期变换
……

第8章 金融基础概念
第9章 资产定价入门
第10章 金融时间序列分析
第11章 数据源和数据库
第12章 CTA策略
第13章 策略回测
第14章 多因子风险模型
第15章 资金分配
第16章 实盘交易和vn．py框架
第17章 Python与Excel交互

后记