|
|
✤精彩內容
本書主要講解如何利用Python進行量化投資，包括：對資料的取得、整理、分析挖掘、訊號建置、策略建置、回測、策略分析……等。同時本書亦為利用Python進行資料分析的指南，擁有大量關於資料處理分析的應用，並將重點介紹如何更有效率的利用Python來解決投資策略問題。
本書主要分為「Python基礎」和「量化投資」兩大主軸：
❑ Python基礎 (1-3章)：主要講解Python軟體的基礎、各個重要模組，以及如何解決常見的資料分析問題。此部分可幫助讀者快速上手Python。
❑ 量化投資 (4-7章)：在前項基礎上，借助通聯數據優礦平台進行資料處理與策略建立，提供開放原始碼，並對各種策略加以介紹與提供建議。
✤適用讀者群：
可作為專業金融從業人員進行量化投資的工具書，亦可作為金融科技領域的入門參考書。
本書特色
❑ 在金融領域的量化投資、智慧投顧、信用評等、輿情分析等廣大面向，目前已經大量使用相關技術與演算法，且其融合的程度亦正不斷加深中。展望未來，與金融科技息息相關的量化投資策略，勢必吸引愈來愈多的關注與資源。
❑ 有別於市面上不少關於Python與量化投資的書籍 (多數著重於Python語言基礎，但其所提供關於量化投資的策略卻相當有限)，本書特點之一即為：「兼顧了Python語言與量化策略的編撰」，既可為不懂Python的讀者提供零基礎入門，也特別為有Python基礎的讀者提供量化策略建模參考與各種開放原始碼，此部分篇幅遠大於Python語言的介紹，可謂本書之精華所在。
第1章 準備工作
1.1 Python的安裝與設定
1.2 常見的Python函數庫
第2章 Python基礎介紹
2.1 Python學習準備
2.2 Python語法基礎
2.3 Python運算子與運算式
2.4 Python中的控制流
2.5 Python函數
2.6 Python模組
2.7 Python例外處理與檔案操作
第3章 Python進階
3.1 NumPy的使用
3.2 Pandas的使用
3.3 SciPy的初步使用
3.4 Matplotlib的使用
3.5 Seaborn的使用
3.6 Scikit-Learn的初步使用
3.7 SQLAlchemy與常用資料庫的連接
第4章 常用資料的取得與整理
4.1 金融資料類型
4.2 金融資料的取得
4.3 資料整理
第5章 通聯數據回測平台介紹
5.1 回測平台函數與參數介紹
5.2 股票範本實例
5.3 期貨範本實例
5.4 策略回測詳情
5.5 策略的風險評價指標
5.6 策略交易細節
第6章 常用的量化策略及其實現
6.1 量化投資概述
6.2 企業輪動理論及其投資策略
6.3 市場中性Alpha策略
6.4 大師策略
6.5 CTA策略
6.6 Smart Beta
6.7 技術指標類別策略
6.8 資產設定
6.9 時間序列分析
6.10 組合優化器的使用
6.11 期權策略：Greeks和隱含波動率微笑計算
第7章 量化投資十問十答
