基本信息
- 作者： 王小川 陈杰 卢威 刘昺轶 秦玄晋 苏博 徐晟刚
- 出版社：电子工业出版社
- ISBN：9787121338571
- 上架时间：2018-3-28
- 出版日期：2018 年4月
- 开本：16开
- 页码：424
- 版次：1-1
- 所属分类：计算机 > 软件与程序设计 > Python
编辑推荐
量化投资界精英王小川领衔撰写
Python基础与量化投资策略双管齐下
为不懂Python语言的读者提供零基础入门
为有Python基础的读者提供量化策略建模参考，为本书重点
提供大型回测平台及本书代码
可将本书代码直接实盘应用，进行投资。
内容简介
书籍
计算机书籍
《Python与量化投资：从基础到实战》主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。《Python与量化投资：从基础到实战》也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础篇和量化投资篇：Python基础篇主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资篇在Python基础篇的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。
《Python与量化投资：从基础到实战》可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。
计算机书籍
《Python与量化投资：从基础到实战》主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。《Python与量化投资：从基础到实战》也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础篇和量化投资篇：Python基础篇主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资篇在Python基础篇的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。
《Python与量化投资：从基础到实战》可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。
作译者
王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。
陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。
刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。
秦玄晋，上海对外经贸大学会计学硕士，有两年量化投资经验，研究方向为公司金融。
苏博，上海财经大学金融信息工程硕士，主要研究方向为金融大数据分析。
徐晟刚，复旦大学西方经济学硕士，数理功底深厚，热爱编程与策略研究，精通Python、MATLAB等编程语言，有3年金融工程策略研究经验，擅长择时和事件类策略。
陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。
刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。
秦玄晋，上海对外经贸大学会计学硕士，有两年量化投资经验，研究方向为公司金融。
苏博，上海财经大学金融信息工程硕士，主要研究方向为金融大数据分析。
徐晟刚，复旦大学西方经济学硕士，数理功底深厚，热爱编程与策略研究，精通Python、MATLAB等编程语言，有3年金融工程策略研究经验，擅长择时和事件类策略。
目录
第1章 准备工作 1
1.1 Python的安装与设置 1
1.2 常见的Python库 2
第2章 Python基础介绍 7
2.1 Python学习准备 7
2.2 Python语法基础 11
2.2.1 常量与变量 11
2.2.2 数与字符串 11
2.2.3 数据类 15
2.2.4 标识符 18
2.2.5 对象 19
2.2.6 行与缩进 20
2.2.7 注释 22
2.3 Python运算符与表达式 22
2.3.1 算数运算符 22
2.3.2 比较运算符 24
2.3.3 逻辑运算符 25
2.3.4 Python中的优先级 27
2.4 Python中的控制流 27
2.4.1 控制流的功能 28
1.1 Python的安装与设置 1
1.2 常见的Python库 2
第2章 Python基础介绍 7
2.1 Python学习准备 7
2.2 Python语法基础 11
2.2.1 常量与变量 11
2.2.2 数与字符串 11
2.2.3 数据类 15
2.2.4 标识符 18
2.2.5 对象 19
2.2.6 行与缩进 20
2.2.7 注释 22
2.3 Python运算符与表达式 22
2.3.1 算数运算符 22
2.3.2 比较运算符 24
2.3.3 逻辑运算符 25
2.3.4 Python中的优先级 27
2.4 Python中的控制流 27
2.4.1 控制流的功能 28
前言
为什么写作本书
作为投资者，我们常听到的一句话是"不要把鸡蛋放入同一个篮子中"，可见分散投资可以降低风险，但如何选择不同的篮子、每个篮子放多少鸡蛋，便是见仁见智的事情了，量化投资就是解决这些问题的一种工具。
而Python在1991年诞生，目前已成为非常受欢迎的动态编程语言，由于拥有海量的库，所以Python在各个领域都有广泛应用，在量化投资界采用Python进行科学计算、量化投资的势头也越来越猛。目前各种在线策略编程平台都支持Python语言，例如优矿、米筐、聚宽等，这也是我们选择Python进行量化投资的原因。
目前市场上关于Python与量化投资的图书不少，但仔细研究后不难发现，很多图书都是顶着量化投资的噱头在讲Python的语言基础，其能提供的策略有限，并且大部分不提供回测平台，此类书籍中的策略往往为涨停股票可以买入、跌停股票可以卖出、停牌也可以交易，等等，这大大违背了A股市场的交易规则，难以获得准确的回测结果。
鉴于以上情形，为了更好地推动量化投资在中国的普及与发展，我们编写了《Python与量化投资：从基础到实战》一书，本书兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。细心的读者不难发现，本书量化投资策略部分的介绍篇幅远大于Python语言的介绍篇幅，这也可看出我们出版本书的初心。
如何使用本书
如果您从未接触过Python或者任何其他编程语言，则建议您从第1章开始看起，对Python基础编程稍做了解；如果您已经是Python的忠实用户，则可以从量化投资篇看起，直接使用优矿平台完成对策略的编写。关于Python基础篇的内容，您可自行安装、运行Python进行学习；关于量化投资篇的内容，您需要用到优矿在线量化平台，不安装Python也可以运行。
本书的配套代码可以在http://books.hcquant.com下载。
Python基础篇的示例代码的后缀名为.ipynb，是Jupyter Notebook文件，可以直接用Python打开运行；量化投资篇的示例代码的后缀名为.nb，需要上传到优矿的Notebook运行。
本书讲了什么
本书分为两大篇，共有7章，前3章为Python基础篇，可以帮助读者快速上手Python；后4章为量化投资篇，借助通联数据优矿平台进行数据处理与策略建立，将各种策略代码直接开源，并且对各种策略进行了介绍与点评，可谓本书的精华部分。
第1章为准备工作，主要介绍Python的安装与常用的库，尤其是在量化投资领域会使用到的数据分析库。
第2章介绍Python的基础操作，为后续讲解Python量化投资做准备，等于从零开始讲解，可在短时间内快速上手Python编程。
第3章讲解Python的进阶内容，在第2章的基础上详细介绍NumPy、Pandas、SciPy、Seaborn、Scikit-Learn、SQLAlchemy等经典库，是对前两章的升华和应用。
第4章讲解常用金融数据的获取与整理，包括数据整合、数据过滤、数据探索与清洗、数据转化，等等。
第5章介绍通联数据回测平台，内容涉及回测平台函数参数介绍、股票/期货模板实例讲解、回测结果分析、风险评价指标与回测细节的注意事项。
第6章讲解常见的量化策略及其实现，内容涉及行业轮动、市场中性Alpha、大师类策略、CTA策略、Smart Beta、技术指标类策略、资产配置、时间序列分析、组合优化器、期权策略等。代码全部公开，您可在短时间内使用我们的策略模板编写适合自己的策略。
第7章给出了10道自问自答题目，可便于您在短时间内更好地了解量化投资，希望对您做投资有所帮助。
读者支持及反馈
本书提供了在线"有问必答"服务，可以扫描下面的二维码填写相关信息，成为本书的认证读者，在优矿社区中发帖提问，我们会安排专门人员进行答疑，在第一时间解决关于本书的一切问题。
作为投资者，我们常听到的一句话是"不要把鸡蛋放入同一个篮子中"，可见分散投资可以降低风险，但如何选择不同的篮子、每个篮子放多少鸡蛋，便是见仁见智的事情了，量化投资就是解决这些问题的一种工具。
而Python在1991年诞生，目前已成为非常受欢迎的动态编程语言，由于拥有海量的库，所以Python在各个领域都有广泛应用，在量化投资界采用Python进行科学计算、量化投资的势头也越来越猛。目前各种在线策略编程平台都支持Python语言，例如优矿、米筐、聚宽等，这也是我们选择Python进行量化投资的原因。
目前市场上关于Python与量化投资的图书不少，但仔细研究后不难发现，很多图书都是顶着量化投资的噱头在讲Python的语言基础，其能提供的策略有限，并且大部分不提供回测平台，此类书籍中的策略往往为涨停股票可以买入、跌停股票可以卖出、停牌也可以交易，等等，这大大违背了A股市场的交易规则，难以获得准确的回测结果。
鉴于以上情形，为了更好地推动量化投资在中国的普及与发展，我们编写了《Python与量化投资：从基础到实战》一书，本书兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。细心的读者不难发现，本书量化投资策略部分的介绍篇幅远大于Python语言的介绍篇幅，这也可看出我们出版本书的初心。
如何使用本书
如果您从未接触过Python或者任何其他编程语言，则建议您从第1章开始看起，对Python基础编程稍做了解；如果您已经是Python的忠实用户，则可以从量化投资篇看起，直接使用优矿平台完成对策略的编写。关于Python基础篇的内容，您可自行安装、运行Python进行学习；关于量化投资篇的内容，您需要用到优矿在线量化平台，不安装Python也可以运行。
本书的配套代码可以在http://books.hcquant.com下载。
Python基础篇的示例代码的后缀名为.ipynb，是Jupyter Notebook文件，可以直接用Python打开运行；量化投资篇的示例代码的后缀名为.nb，需要上传到优矿的Notebook运行。
本书讲了什么
本书分为两大篇，共有7章，前3章为Python基础篇，可以帮助读者快速上手Python；后4章为量化投资篇，借助通联数据优矿平台进行数据处理与策略建立，将各种策略代码直接开源，并且对各种策略进行了介绍与点评，可谓本书的精华部分。
第1章为准备工作，主要介绍Python的安装与常用的库，尤其是在量化投资领域会使用到的数据分析库。
第2章介绍Python的基础操作，为后续讲解Python量化投资做准备，等于从零开始讲解，可在短时间内快速上手Python编程。
第3章讲解Python的进阶内容，在第2章的基础上详细介绍NumPy、Pandas、SciPy、Seaborn、Scikit-Learn、SQLAlchemy等经典库，是对前两章的升华和应用。
第4章讲解常用金融数据的获取与整理，包括数据整合、数据过滤、数据探索与清洗、数据转化，等等。
第5章介绍通联数据回测平台，内容涉及回测平台函数参数介绍、股票/期货模板实例讲解、回测结果分析、风险评价指标与回测细节的注意事项。
第6章讲解常见的量化策略及其实现，内容涉及行业轮动、市场中性Alpha、大师类策略、CTA策略、Smart Beta、技术指标类策略、资产配置、时间序列分析、组合优化器、期权策略等。代码全部公开，您可在短时间内使用我们的策略模板编写适合自己的策略。
第7章给出了10道自问自答题目，可便于您在短时间内更好地了解量化投资，希望对您做投资有所帮助。
读者支持及反馈
本书提供了在线"有问必答"服务，可以扫描下面的二维码填写相关信息，成为本书的认证读者，在优矿社区中发帖提问，我们会安排专门人员进行答疑，在第一时间解决关于本书的一切问题。
序言
序一
很荣幸收到王小川博士的邀请，为其新书《Python与量化投资：从基础到实战》作序。王小川博士是华创证券研究所非常出色的分析师，在日常工作中非常乐于分享他的开发经验和心得。在本书出版之前，他已经出版了两本关于MATLAB的畅销书，我相信这一本介绍使用Python进行量化投资的新书，会推动相关领域的发展。
在过去的几年中，在很多领域内基于创新类算法的应用场景和相关产品不断涌现，IT的推动作用已经从自动化延展到了智能化。在开源的大氛围下，算法的更新迭代速度不断加快，并在各个领域渗透和融合，专业化程度越来越高。
在金融领域的量化投资、智能投顾、信用评级、新闻监控、舆情分析等多个方向上，目前已经大量使用了相关技术和算法，并且融合的程度在不断加深。与其他领域相比，金融领域的算法应用有其自身的特点：一是信息的来源多、部分数据非结构化；二是在不同的应用场景甚至策略之间，所适用算法的差异较大，例如投资交易的量化策略、智能投顾中的用户画像、新闻处理中的自然语言处理和大数据，都涉及了不同大类的算法；三是投资中各个影响因素之间的逻辑关系复杂化和模糊化；此外，很多金融问题不是单目标优化的，也不是封闭的信息集。
展望未来，在金融科技的落地方向上，量化投资、大数据的Quantamental、精准画像、自然语言处理等依然会是焦点，势必吸引越来越多的关注及资源。量化投资和 Python 这两个词是当下的焦点，王小川博士平时的工作正是其交汇点。正如书名《Python与量化投资：从基础到实战》所表达的，本书包含了王小川博士在工作中的宝贵经验；在案例中描述的示例，正是本研究所金融工程的很多重要研究方向，例如常用的行业轮动、市场中性策略、多因子策略、CTA策略、期权策略、时间序列等。所以，本书对于了解量化开发的运用现状及掌握必备的开发能力而言，是非常有益的。
考虑到众多读者可能没有Python基础，本书从零开始介绍Python语言，并且由浅入深、循序渐进。值得一提的是，与目前市场上的量化投资类图书不同，本书的最大特点是接地气、实用性强，并开源了全部的策略代码，读者可以自行运行和修改。
本书还设置了读者互动网站，对于广大投资者提出的关于本书的疑问，可以在第一时间做出解答。本书可以帮助大家更好地了解量化、掌握方法及提升量化投资的能力，非常值得大家细读。
华中炜
华创证券执委会委员、副总经理兼研究所所长
推荐
序二
互联网时代的量化投资：科技让量化投资和智能投资更普及
科技一直是推动投资行业变革的重要力量，它的发展和应用催生了量化投资的新模式。量化投资利用科学的方法认识市场波动，通过实证方法验证投资假设，通过组合优化生成Alpha交易，可有效地控制风险暴露，高效覆盖大量的投资机会，并提高投资的效率。
自量化投资的开山之作Beat the market：A Scientific Stock Market System出版以来，量化投资便在全球范围内快速发展，涌现出指数基金、对冲基金、SmartBeta和Fund of Funds（FOF）等量化创新产品。量化投资改变了全球资产管理格局，成为主流的投资方法，其管理规模也在快速增长。目前，全球最大的资产管理公司和对冲基金都是基于量化和指数投资的机构。
量化投资行业的蓬勃发展吸引了众多年轻人投入其中，但因其门槛高、专业性强，只有大型投资机构才有能力提供量化研究和投资平台，普通大众没有机会利用专业的量化平台进行研究和投资，也缺乏系统性的量化投资培训教材，这成为制约行业发展的主要问题。因此，在2015年，通联数据推出开放的量化投资平台--优矿，让普通大众也能够拥有华尔街专业机构的量化装备，让量化投资变得更加容易。借助Python科学计算的能力和海量的金融大数据，在优矿平台上可以快速进行统计推断、因子分析、信号研究、资产定价、事件研究、机器学习、深度学习等量化研究工作。优矿已成长为大型的专业量化平台，为行业的发展培养了很多优秀人才。
优矿的部分特色如下。
海量的金融大数据：提供各类资产和财务数据、因子、主题、宏观行业特色大数据和量化场景PIT数据，保障在量化过程中不引入未来数据。
多资产回测框架：提供股票、期货、指数、场内外基金等多资产多策略回测和丰富的衍生工具，保证多因子策略、事件驱动等的快速实现。
优矿的风险模型：接轨国际化风险模型算法，采用优质原始数据，提供10种风格因子和28种行业因子，全面揭示市场行业风险。
量化因子库：提供400多种量化因子库，除了提供了传统的投资因子，还提供了特色Alpha因子如分析师评级、分析师赢利预测等。
很荣幸收到王小川博士的邀请，为其新书《Python与量化投资：从基础到实战》作序。王小川博士是华创证券研究所非常出色的分析师，在日常工作中非常乐于分享他的开发经验和心得。在本书出版之前，他已经出版了两本关于MATLAB的畅销书，我相信这一本介绍使用Python进行量化投资的新书，会推动相关领域的发展。
在过去的几年中，在很多领域内基于创新类算法的应用场景和相关产品不断涌现，IT的推动作用已经从自动化延展到了智能化。在开源的大氛围下，算法的更新迭代速度不断加快，并在各个领域渗透和融合，专业化程度越来越高。
在金融领域的量化投资、智能投顾、信用评级、新闻监控、舆情分析等多个方向上，目前已经大量使用了相关技术和算法，并且融合的程度在不断加深。与其他领域相比，金融领域的算法应用有其自身的特点：一是信息的来源多、部分数据非结构化；二是在不同的应用场景甚至策略之间，所适用算法的差异较大，例如投资交易的量化策略、智能投顾中的用户画像、新闻处理中的自然语言处理和大数据，都涉及了不同大类的算法；三是投资中各个影响因素之间的逻辑关系复杂化和模糊化；此外，很多金融问题不是单目标优化的，也不是封闭的信息集。
展望未来，在金融科技的落地方向上，量化投资、大数据的Quantamental、精准画像、自然语言处理等依然会是焦点，势必吸引越来越多的关注及资源。量化投资和 Python 这两个词是当下的焦点，王小川博士平时的工作正是其交汇点。正如书名《Python与量化投资：从基础到实战》所表达的，本书包含了王小川博士在工作中的宝贵经验；在案例中描述的示例，正是本研究所金融工程的很多重要研究方向，例如常用的行业轮动、市场中性策略、多因子策略、CTA策略、期权策略、时间序列等。所以，本书对于了解量化开发的运用现状及掌握必备的开发能力而言，是非常有益的。
考虑到众多读者可能没有Python基础，本书从零开始介绍Python语言，并且由浅入深、循序渐进。值得一提的是，与目前市场上的量化投资类图书不同，本书的最大特点是接地气、实用性强，并开源了全部的策略代码，读者可以自行运行和修改。
本书还设置了读者互动网站，对于广大投资者提出的关于本书的疑问，可以在第一时间做出解答。本书可以帮助大家更好地了解量化、掌握方法及提升量化投资的能力，非常值得大家细读。
华中炜
华创证券执委会委员、副总经理兼研究所所长
推荐
序二
互联网时代的量化投资：科技让量化投资和智能投资更普及
科技一直是推动投资行业变革的重要力量，它的发展和应用催生了量化投资的新模式。量化投资利用科学的方法认识市场波动，通过实证方法验证投资假设，通过组合优化生成Alpha交易，可有效地控制风险暴露，高效覆盖大量的投资机会，并提高投资的效率。
自量化投资的开山之作Beat the market：A Scientific Stock Market System出版以来，量化投资便在全球范围内快速发展，涌现出指数基金、对冲基金、SmartBeta和Fund of Funds（FOF）等量化创新产品。量化投资改变了全球资产管理格局，成为主流的投资方法，其管理规模也在快速增长。目前，全球最大的资产管理公司和对冲基金都是基于量化和指数投资的机构。
量化投资行业的蓬勃发展吸引了众多年轻人投入其中，但因其门槛高、专业性强，只有大型投资机构才有能力提供量化研究和投资平台，普通大众没有机会利用专业的量化平台进行研究和投资，也缺乏系统性的量化投资培训教材，这成为制约行业发展的主要问题。因此，在2015年，通联数据推出开放的量化投资平台--优矿，让普通大众也能够拥有华尔街专业机构的量化装备，让量化投资变得更加容易。借助Python科学计算的能力和海量的金融大数据，在优矿平台上可以快速进行统计推断、因子分析、信号研究、资产定价、事件研究、机器学习、深度学习等量化研究工作。优矿已成长为大型的专业量化平台，为行业的发展培养了很多优秀人才。
优矿的部分特色如下。
海量的金融大数据：提供各类资产和财务数据、因子、主题、宏观行业特色大数据和量化场景PIT数据，保障在量化过程中不引入未来数据。
多资产回测框架：提供股票、期货、指数、场内外基金等多资产多策略回测和丰富的衍生工具，保证多因子策略、事件驱动等的快速实现。
优矿的风险模型：接轨国际化风险模型算法，采用优质原始数据，提供10种风格因子和28种行业因子，全面揭示市场行业风险。
量化因子库：提供400多种量化因子库，除了提供了传统的投资因子，还提供了特色Alpha因子如分析师评级、分析师赢利预测等。
【插图】
