具体描述
th2072 9787121305146 9787121306594
内容简介：
本书是国内较早关于Python大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书有三大特色：*，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；第三，配有专业的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。
本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。
目录：
第1章 从故事开始学量化.... 1
1.1 亿万富翁的“神奇公式”.... 2
1.1.1 案例1-1：亿万富翁的“神奇公式”... 2
1.1.2 案例分析：Python图表... 5
1.1.3 matplotlib绘图模块库... 7
1.1.4 案例分析：style绘图风格... 10
1.1.5 案例分析：colormap颜色表... 12
1.1.6 案例分析：颜色表关键词... 14
1.1.7 深入浅出... 17
1.2 股市“一月效应”.... 18
1.2.1 案例1-2：股市“一月效应”... 18
1.2.2 案例分析：“一月效应”计算... 19
1.2.3 案例分析：“一月效应”图表分析... 24
1.2.4 案例分析：颜色表效果图... 26
1.2.5 “一月效应”全文注解版Python源码... 27
1.2.6 大数据·宏分析... 34
1.3 量化交易流程与概念.... 36
1.3.1 数据分析I2O流程... 36
1.3.2 量化交易不是高频交易、自动交易... 37
1.3.3 小资、小白、韭菜... 38
1.3.4 专业与业余... 38
1.4 用户运行环境配置.... 42
1.4.1 程序目录结构... 43
1.4.2 金融股票数据包... 44
1.5 Python实战操作技巧.... 46
1.5.1 模块检测... 46
1.5.2 Spyder编辑器界面设置... 47
1.5.3 代码配色技巧... 48
1.5.4 图像显示配置... 50
1.5.5 Python2、Python 3双版本双开模式... 51
1.5.6 单版本双开、多开模式... 52
1.5.7 实战胜于一切... 54
1.6 量化、中医与西医.... 54
第2章 常用量化技术指标与框架.... 56
2.1 案例2-1：SMA均线策略.... 56
内容简介：
本书主要讲解量化投资的思想和策略，并借助Python 语言进行实战。本书一共分为5 部分，第1 部分是Python 入门，第2 部分是统计学基础，第3 部分是金融理论、投资组合与量化选股，第4 部分是时间序列简介与配对交易，第5 部分是技术指标与量化投资。本书首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础和类型等方面；。后讲述如何在Python 语言中构建量化投资策略。
目录：
第1 部分Python 入门1
第1 章Python 简介与安装使用2
1.1 Python 概述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Python 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 下载安装Python 执行文件. . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 下载安装Anaconda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 多种Python 版本并存. . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Python 的简单使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 交互对话环境IPython . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1 IPython 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2 IPython 的使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3 IPython 功能介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
第2 章Python 代码的编写与执行14
2.1 创建Python 脚本文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 记事本. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Python 默认的IDLE 环境. . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.3 专门的程序编辑器. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 执行.py 文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 IDLE 环境自动执行. . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 在控制台cmd 中执行. . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.3 在Annaconda Prompt 中执行. . . . . . . . . . . . . . . . . . . . . . 19
2.3 Python 编程小技巧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Python 行. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.2 Python 缩进. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
第3 章Python 对象类型初探23
3.1 Python 对象. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 变量命名规则. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 数值类型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.1 整数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.2 浮点数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.3 布尔类型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.4 复数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4 字符串. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5 列表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6 可变与不可变. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.7 元组. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.8 字典. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.9 集合. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
第4 章Python 集成开发环境：Spyder 介绍36
4.1 代码编辑器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 代码执行Console . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 变量查看与编辑. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4 当前工作路径与文件管理. . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5 帮助文档与在线帮助. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6 其他功能. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
用户评价
我一直对大数据和量化交易这个领域充满好奇，但又苦于没有合适的入门途径。这本书的“零起点”和“现货发售”的特点，让我觉得非常适合我。我最先被吸引的是它在数据分析部分的内容。它从最基础的Python语法讲起，然后逐步深入到NumPy和Pandas这两个强大的数据处理库。我特别喜欢它对Pandas DataFrame操作的讲解，它通过大量的代码示例，演示了如何进行数据的清洗、转换、合并、筛选等操作。我尝试着按照书中的例子，导入了一些公开的数据集，然后进行数据处理，发现整个过程非常顺畅，而且能够快速地得到想要的结果。它还讲解了如何使用Matplotlib和Seaborn进行数据可视化，生成各种精美的图表，这对于理解数据非常有帮助。我感觉这本书不仅仅是教你技术，更是在培养你用数据说话的能力。通过这些数据的处理和分析，我开始对数据背后的规律有了更深刻的认识。
评分我选择这套书，很大程度上是出于对量化投资的好奇，但又对金融和编程的结合感到些许畏惧。这本书巧妙地将量化投资这个看似复杂的领域，通过Python这个工具，变得触手可及。我尤其喜欢书中对于量化策略开发流程的讲解。它不仅仅是罗列各种策略的名称和公式，而是非常深入地剖析了每一个策略的逻辑，以及如何将这些逻辑转化为Python代码。从最基础的因子选择、数据获取，到策略回测、风险管理，书中都给出了非常详尽的指导。我特别欣赏它在讲解回测部分的内容。它详细介绍了如何构建一个回测框架，如何处理历史行情数据，如何计算策略的收益和风险指标，比如夏普比率、最大回撤、年化收益率等等。这些指标的计算方法和解读方式，书中都讲解得非常清楚，让我能够理解一个策略的真实表现。而且，书中还讨论了许多实用的量化投资技巧，比如如何进行止损止盈，如何进行仓位管理，以及如何避免过拟合等问题。这些内容对于一个初学者来说，是非常宝贵的经验。这本书让我觉得，量化投资不再是遥不可及的神秘领域，而是可以通过学习和实践，逐步掌握的一项技能。
评分我当初购买这套书，是希望能够通过一种非常接地气的方式，来学习Python在数据科学领域的应用。这本书的“零起点”定位，让我觉得它非常适合我这种没有任何编程基础的人。我特别喜欢它对Python基础知识的讲解，比如变量、数据类型、控制流、函数等等，都用非常生动形象的比喻来解释，让我这个初学者能够快速理解。更让我惊喜的是，它并没有止步于Python的语法，而是迅速将这些基础知识与数据处理的核心库，如NumPy和Pandas，紧密结合起来。它详细讲解了如何使用Pandas来处理各种结构化的数据，比如CSV、Excel文件，以及如何进行数据的清洗、转换、合并、筛选等操作。我尝试着跟着书中的代码，导入了一些我自己的数据，然后按照书中的方法进行处理，感觉非常顺畅。尤其是它对DataFrame操作的讲解，让我对数据处理的逻辑有了更清晰的认识。它还通过大量的代码示例，演示了如何利用Matplotlib和Seaborn进行数据可视化，生成各种精美的图表，这对于理解数据非常有帮助。总而言之，这本书让我觉得，学习Python进行数据处理，并非一件难事，而是可以一步步掌握的技能。
评分对于我这样一个曾经被大数据这个概念吓退过的人来说，这本书的出现无疑是一场及时雨。我一直觉得大数据是很高深的领域，需要深厚的统计学和计算机科学功底才能驾驭，但这本书的“零起点”承诺，让我看到了希望。最让我印象深刻的是，它将大数据处理的流程拆解得非常细致，从数据的获取、清洗、存储，到数据的分析、挖掘、可视化，每一个环节都给予了充分的讲解。我特别喜欢它对数据清洗的讲解，因为在我看来，现实中的数据往往是“脏”的，充满了缺失值、异常值和重复值。这本书提供了非常实用的方法来处理这些问题，比如使用Pandas的各种函数来填充缺失值、检测异常值，以及删除重复项。它还详细介绍了如何使用NumPy来进行高效的数值计算，以及如何利用Matplotlib和Seaborn进行数据可视化，生成各种直观的图表来呈现数据的规律。我曾经尝试过一些数据分析的工具，但总觉得不够灵活，而Python配合这些库，则提供了极大的自由度和可定制性。这本书让我意识到，大数据分析并非高不可攀，通过系统学习和实践，任何人都可以掌握这项技能。
评分在我看来，一本好的技术书籍，不仅要教会你“怎么做”，更要让你明白“为什么这么做”。这本书在这方面做得非常出色。在讲解Python基础知识的时候，它并没有仅仅停留在语法层面，而是通过大量的实际应用场景，来阐述每个知识点的作用和价值。比如，在介绍Python列表的时候，它会立即引申到如何用列表来存储和处理大量数据，以及如何通过列表推导式来提高代码效率。在学习Pandas库的时候，它不仅讲解了DataFrame的各种操作，还深入分析了为什么Pandas能够高效地处理结构化数据，它的底层原理是什么。我尤其欣赏书中对数据清洗的讲解，它列举了多种常见的脏数据问题，并提供了非常实用的解决方法，让我明白了数据清洗是数据分析中最关键也是最耗时的一步。而且，它还通过生动的图表，展示了数据可视化在理解数据特征、发现数据规律方面的巨大作用。这种深入浅出的讲解方式，让我不仅学会了技术，更重要的是，理解了背后的逻辑和思想。这对于我这种渴望深入理解技术的人来说，是非常难得的。
评分这本书我拿到手的时候，确实被它的厚度和内容量给震撼到了。当初之所以选择它，很大一部分原因是看到“零起点”这个字眼，我一直对编程和数据分析非常感兴趣，但又苦于没有基础，市面上很多入门的书籍要么过于浅显，要么直接跳跃到高阶概念，让人望而却步。这本书给我一种踏实的感觉，仿佛它真的能带着一个完全不懂编程的人，一步步走进Python大数据和量化交易的奇妙世界。我特意找了个比较空闲的周末，仔细翻阅了目录，发现它的结构设计得非常合理。从最基础的Python语法讲起，比如变量、数据类型、控制流，这些我之前听过但从未系统学过的概念，在这里都得到了清晰的解释。然后逐渐深入到数据处理的核心，像NumPy和Pandas这样的库，它用了大量详实的例子来演示如何进行数据的清洗、转换、合并和筛选。我尤其喜欢它讲解Pandas DataFrame操作的部分，那种一对一的讲解方式，就像老师在你旁边手把手教你一样，每一个函数、每一个方法都有清晰的逻辑说明和实际应用场景。即使是对于那些我之前觉得枯燥乏味的理论知识，通过大量的代码示例，也变得生动起来。我尝试着跟着书中的代码敲了一遍，发现运行结果和书上描述的一致，这种即时反馈给了我极大的信心。而且，书中还会穿插一些关于数据可视化的小技巧，用Matplotlib和Seaborn生成各种图表，直观地展示数据特征，这对于理解数据非常有帮助。我感觉这本书不仅仅是教你技术，更是在培养你用数据说话的能力。
评分当初选择这套书，纯粹是出于一种“万事开头难”的心理，希望能够找到一套真正适合新手入门的书籍。这本书的“零起点”标签让我眼前一亮，尽管我之前对编程和金融领域都有过初步的接触，但总觉得自己缺乏系统性的知识框架。这本书让我惊喜的是，它并没有上来就抛出复杂的概念，而是从最基础的Python语言元素开始讲起，循序渐进。我非常喜欢它对Python基本语法的讲解，比如列表、字典、循环、条件判断等，都通过非常生活化的例子来解释，让我这个之前觉得编程冰冷枯燥的人，也能从中找到乐趣。更重要的是，它将这些基础知识与大数据处理紧密结合起来。比如，在讲解Python列表的时候，它会立即引申到如何用列表来存储大量数据，以及如何进行简单的统计计算。在学习Pandas库的时候，它更是花了大量篇幅讲解DataFrame的各种操作，从数据的读取、写入，到数据的筛选、排序、分组、聚合，每一个操作都配有清晰的图文解释和代码示例。我跟着书中的例子，尝试着导入了一些公开的CSV文件，然后进行各种数据清洗和分析，感觉自己真的在和数据“打交道”。这种实践性的学习方式，让我对大数据处理的理解更加深刻，也激发了我进一步探索的兴趣。
评分我购买这套书，很大程度上是出于对量化投资的憧憬，但之前对编程和金融都缺乏系统的了解。这本书以Python为工具，将量化投资的理论与实践相结合，为我打开了一扇新的大门。我尤其喜欢书中关于策略开发的讲解。它从最基础的策略逻辑入手，比如趋势跟踪、均值回归，然后详细地展示了如何将这些逻辑转化为Python代码。每一个代码片段都配有清晰的注释和解释，让我这个编程新手也能理解代码的含义。更重要的是，书中还深入讲解了策略回测的关键环节，包括如何获取历史数据、如何构建回测框架、如何计算各种评估指标（如夏普比率、最大回撤、年化收益率等）。这些指标的解读和应用，书中都讲解得非常透彻，让我能够理解一个策略的真实表现。除了策略本身，书中还涵盖了许多实用的量化交易技巧，例如风险管理、仓位控制、参数优化等，这些都是在实盘交易中非常重要的环节，而书中都进行了细致的阐述。总的来说，这本书让我觉得量化投资不再是高高在上的概念，而是可以通过学习Python，逐步掌握的一项实践性技能。
评分我是一名对量化投资领域怀揣好奇心的普通上班族，之前也零星看过一些相关的文章和视频，但总感觉隔靴搔痒，缺乏系统性的指导。在朋友的推荐下，我购入了这套书，主要是看中了“量化投资：以Python为工具”这一部分，它承诺使用Python作为核心工具来讲解量化投资策略的构建和实现。拿到书后，我最先关注的就是量化策略的实现部分。我被书中对不同类型量化策略的介绍深深吸引，从简单的均值回归、趋势跟踪，到稍微复杂一些的因子模型，书中都给出了详细的解释，并且最关键的是，都提供了相应的Python代码实现。这些代码并非简单的“拿来主义”，而是经过了精心的设计，兼顾了易读性和可扩展性。作者在讲解策略逻辑的同时，还非常注重代码的规范性和效率，这对于初学者来说是非常宝贵的经验。我跟着书中实现的几个经典策略，比如简单的双均线交叉策略，通过回测来验证其有效性。书中有专门讲解如何使用Python库（例如Pandas、NumPy）来处理历史行情数据，如何进行回测框架的设计，以及如何评估策略的表现，比如夏普比率、最大回撤等关键指标。这些指标的计算过程和意义，书中都讲解得非常透彻，不像有些书只是简单罗列公式。我印象深刻的是，书中还讨论了数据预处理和特征工程在量化策略中的重要性，以及如何利用Python来构建自己的因子库。总的来说，这本书让我觉得量化投资不再是遥不可及的“高大上”领域，而是可以通过学习和实践，逐步掌握的一项技能。
评分当我第一次拿到这套书的时候，就被它厚实的篇幅和丰富的目录所吸引。我之所以选择它，主要是看中了它在“量化投资”这部分的内容，希望能够系统地学习如何使用Python来构建和实现量化交易策略。这本书在这方面做得非常出色，它从最基础的量化概念讲起，比如什么是量化交易，它有哪些优势和劣势，然后逐步深入到具体的策略构建。我非常喜欢它对不同类型量化策略的讲解，比如趋势跟踪、均值回归、事件驱动等等，都给出了非常详细的解释和Python代码实现。作者在讲解策略逻辑的同时，也非常注重代码的严谨性和可读性。它不仅仅是给出代码，还会深入讲解代码的每一部分，以及为什么这样设计。我跟着书中实现的几个经典策略，进行了回测，并学习了如何解读回测结果，比如夏普比率、最大回撤、收益曲线等等。这些指标的计算和意义，书中都讲解得非常清楚，让我能够真正理解一个策略的优劣。此外，书中还讨论了许多关于量化交易实战中的重要问题，比如如何处理滑点、手续费，如何进行仓位管理，以及如何避免过拟合等等。这些内容对于一个初学者来说，是非常宝贵的经验。
评分物美价廉，还没开始看
评分非常不错，推荐初学者
评分先买了，慢慢看…
评分很不错的书
评分学习中
评分正在学习 不错
评分比较好的书，解释详细。
评分好
评分一本很好 一本是垃圾
相关图书
![中国金融四十人论坛书系：资本账户开放 [Capital Account Liberalization Strategy, Timing and Roadmap] pdf epub mobi 电子书 下载](https://pic.windowsfront.com/11449792/rBEQYVNZvnYIAAAAAAEqQ1eT3HAAAFGNgDDX5oAASpb577.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有