Python量化炒股入門與實(shí)戰(zhàn)技巧

第1章　Python量化炒股快速入門 / 1
11　初識(shí)量化炒股 / 2
12　量化炒股的內(nèi)容 / 5
13　量化炒股的開發(fā)語言Python / 8
14　量化炒股與普通炒股的比較 / 18
15　量化炒股的注意事項(xiàng) / 18
第2章　Python編程的初步知識(shí) / 21
21　變量 / 22
22　變量的基本數(shù)據(jù)類型 / 24
23　運(yùn)算符 / 29
24　Python 的語法規(guī)則 / 33
第3章　Python 編程的選擇結(jié)構(gòu) / 37
31　ifelse 語句 / 38
32　多個(gè)ifelse 語句 / 40
33　關(guān)系運(yùn)算符 / 44
34　邏輯運(yùn)算符 / 47
35　嵌套if 語句 / 50
第4章　Python 編程的循環(huán)結(jié)構(gòu) / 53
41　while 循環(huán) / 54
42　while 循環(huán)中使用else 語句 / 55
43　無限循環(huán) / 59
44　for 循環(huán) / 64
45　在for 循環(huán)中使用range() 函數(shù) / 65
46　循環(huán)嵌套 / 68
47　break 語句 / 70
48　continue 語句 / 71
第5章　Python 編程的常用數(shù)據(jù)結(jié)構(gòu) / 73
51　列表 / 74
52　元組 / 80
53　字典 / 85
54　集合 / 93
第6章　Python 編程的函數(shù) / 97
61　初識(shí)函數(shù) / 98
62　內(nèi)置函數(shù) / 98
63　自定義函數(shù) / 107
64　匿名函數(shù) / 115
65　遞歸函數(shù) / 116
66　實(shí)例：計(jì)算一個(gè)數(shù)為兩個(gè)質(zhì)數(shù)之和 / 117
67　實(shí)例：利用內(nèi)置函數(shù)實(shí)現(xiàn)小學(xué)四則運(yùn)算 / 118
第7章　Python 編程的面向?qū)ο?/ 121
71　面向?qū)ο蟾攀?/ 122
72　類的定義和對象的創(chuàng)建 / 124
73　類的構(gòu)造方法和self 參數(shù) / 125
74　類的繼承 / 126
75　類的多態(tài) / 130
76　模塊 / 131
77　包 / 136
第8章　Python 量化炒股常用的Numpy 包 / 143
81　初識(shí)Numpy 包及量化炒股平臺(tái) / 144
82　ndarray 數(shù)組基礎(chǔ) / 146
83　Numpy 的矩陣 / 153
84　Numpy 的線性代數(shù) / 154
第9章　Python 量化炒股常用的Pandas 包 / 161
91　Pandas 的數(shù)據(jù)結(jié)構(gòu) / 162
92　一維數(shù)組系列（Series） / 162
93　二維數(shù)組DataFrame / 165
94　三維數(shù)組Panel / 180
第10章　Python 量化炒股常用的Matplotlib 包 / 183
101　Matplotlib 包的特點(diǎn) / 184
102　figure() 函數(shù) / 184
103　plot() 函數(shù) / 186
104　subplot() 函數(shù) / 190
105　add_axes() 函數(shù) / 193
106　legend() 函數(shù) / 195
107　grid () 函數(shù) / 198
第11章　利用Python 編寫量化炒股策略 / 201
111　Python 量化炒股策略的基本組成 / 202
112　Python 量化炒股策略的設(shè)置函數(shù) / 206
113　Python 量化炒股策略的下單函數(shù) / 210
114　Python 量化炒股策略的常用對象 / 213
115　Python 量化炒股策略的日志log / 220
116　Python 量化炒股策略的定時(shí)函數(shù) / 221
第12章　Python 量化炒股的獲取數(shù)據(jù)函數(shù) / 225
121　獲取多只股票單個(gè)數(shù)據(jù)字段函數(shù)history() / 226
122　獲取一只股票多個(gè)數(shù)據(jù)字段函數(shù)attribute_history () / 232
123　查詢單個(gè)交易日賬務(wù)數(shù)據(jù)函數(shù)get_fundamentals() / 236
124　查詢多個(gè)交易日賬務(wù)數(shù)據(jù)函數(shù)get_fundamentals_continuously () / 241
125　獲取當(dāng)前時(shí)間的股票數(shù)據(jù)函數(shù)get_current_data() / 243
126　獲取指數(shù)成分股代碼函數(shù)get_index_stocks () / 243
127　獲取指數(shù)成分股權(quán)重函數(shù)get_index_weights () / 247
128　獲取行業(yè)成分股代碼函數(shù)get_industry_stocks() / 248
129　查詢股票所屬行業(yè)函數(shù)get_industry () / 251
1210　獲取概念成分股代碼函數(shù)get_concept_stocks() / 253
1211　查詢股票所屬概念板塊函數(shù)get_concept () / 256
1212　獲取一只股票信息函數(shù)get_security_info () / 257
1213　獲取龍虎榜數(shù)據(jù)函數(shù)get_billboard_list () / 257
1214　獲取限售解禁數(shù)據(jù)函數(shù)get_locked_shares () / 259
第13章　Python 量化炒股的財(cái)務(wù)因子選股 / 261
131　初識(shí)財(cái)務(wù)因子選股 / 262
132　成長類因子選股 / 262
133　規(guī)模類因子選股 / 274
134　價(jià)值類因子選股 / 280
135　質(zhì)量類因子選股 / 287
136　財(cái)務(wù)因子量化選股的注意事項(xiàng) / 290
第14章　Python 量化炒股的數(shù)據(jù)信息獲取 / 293
141　獲取上市公司概況信息 / 294
142　獲取上市公司股東和股本信息 / 305
143　獲取上市公司分紅送股數(shù)據(jù)信息 / 315
144　獲取滬深股市每日成交概況信息 / 317
第15章　Python 量化擇時(shí)的技術(shù)指標(biāo)函數(shù) / 319
151　量化擇時(shí)概述 / 320
152　趨向指標(biāo)函數(shù) / 321
153　反趨向指標(biāo)函數(shù) / 331
154　壓力支撐指標(biāo)函數(shù) / 338
155　量價(jià)指標(biāo)函數(shù) / 343第16章　Python 量化炒股的統(tǒng)計(jì)數(shù)據(jù)圖 / 349
161　Seaborn 包概述 / 350
162　單只股票的收益統(tǒng)計(jì)圖 / 350
163　股票的相關(guān)性分析圖 / 356
第17章　Python 量化炒股策略的回測 / 365
171　量化炒股策略回測的流程 / 366
172　利用Python 編寫量化炒股策略并回測 / 367
173　量化炒股策略的風(fēng)險(xiǎn)指標(biāo) / 377
第18章　Python 量化炒股策略的因子分析 / 385
181　初識(shí)因子分析 / 386
182　利用Python 代碼實(shí)現(xiàn)因子分析 / 386
183　新建因子并查看因子分析結(jié)果 / 389
184　因子在研究和回測中的運(yùn)用技巧 / 397
185　基本面因子應(yīng)用實(shí)例 / 399
第19章　Python 量化炒股策略實(shí)戰(zhàn)案例 / 403
191　均線量化炒股策略 / 404
192　多均線量化炒股策略 / 406
193　隨機(jī)指標(biāo)量化炒股策略 / 409
194　布林通道線指標(biāo)量化炒股策略 / 412
195　多股票持倉均線量化炒股策略 / 416
196　白酒板塊輪動(dòng)量化炒股策略 / 418
197　多個(gè)小市值股票量化炒股策略 / 421