量化投资：以Python为工具

给大家带来的一篇关于Python相关的电子书资源，介绍了关于量化投资、Python方面的内容，本书是由电子工业出版社出版，格式为PDF，资源大小66.7 MB，蔡立耑编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.4。

内容介绍

《量化投资：以Python为工具》主要讲解量化投资的思想和策略，并借助Python 语言进行实战。《量化投资：以Python为工具》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。《量化投资：以Python为工具》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；最后讲述如何在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
• 第2 章Python 代码的编写与执行 14
• 第3 章Python 对象类型初探 23
• 第4 章Python 集成开发环境：Spyder 介绍 36
• 第5 章Python 运算符与使用 44
• 第6 章Python 常用语句 55
• 第7 章函数 66
• 第8 章面向对象75
• 第9 章Python 标准库与数据操作 82
• 第10 章常用第三方库：Numpy 库与多维数组 111
• 第11 章常用第三方库：Pandas 与数据处理 120
• 第12 章常用第三方库：Matplotlib 库与数据可视化 149
• 第2 部分统计学基础 180
• 第13 章描述性统计 181
• 第14 章随机变量简介 190
• 第15 章推断统计 208
• 第16 章方差分析 221
• 第17 章回归分析 231
• 第3 部分金融理论、投资组合与量化选股246
• 第18 章资产收益率和风险 247
• 第19 章投资组合理论及其拓展 276
• 第20 章资本资产定价模型（CAPM） 298
• 第21 章Fama-French 三因子模型 308
• 第4 部分时间序列简介与配对交易 317
• 第22 章时间序列基本概念 318
• 第23 章时间序列的基本性质 326
• 第24 章时间序列预测 345
• 第25 章GARCH 模型 364
• 第26 章配对交易策略 372
• 第5 部分技术指标与量化投资399
• 第27 章K 线图 400
• 第28 章动量交易策略 416
• 第29 章RSI 相对强弱指标 429
• 第30 章均线系统策略 446
• 第31 章通道突破策略 473
• 第32 章随机指标交易策略 489
• 第33 章量价关系分析 509
• 第34 章OBV 指标交易策略 524

学习笔记

Python3.5 Pandas模块之Series用法实例分析

本文实例讲述了Python3.5 Pandas模块之Series用法。分享给大家供大家参考，具体如下： 1、Pandas模块引入与基本数据结构 2、Series的创建 #!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#模块引入import numpy as npimport pandas as pdfrom pandas import Series,DataFrame#1.Series通过numpy一维数组创建print("=========Series通过numpy一维数组创建==========")arr = np.array([1,2,3,4,5])s1 = pd.Series(arr)print(s1)print(s1.index)print(s1.values)#2.Series直接通过一维数组创建print("=========Series直接通过一维数组创建==========")s2 = pd.Series([10.5,20,38,40])print(s2)#修改索引值s2.index = ['a','b','c','d']print(s2)#Series通过一维数组创建，可以在创建的同时自定义索引值，# 也可以之后……

Python Pandas数据中对时间的操作

Pandas中对 时间 这个属性的处理有非常非常多的操作。 而本文对其中一个大家可能比较陌生的方法进行讲解。其他的我会陆续上传。 应用情景是这样的：考虑到有一个数据集，数据集中有用户注册账号的时间（年-月-日），如下图格式。 如果我们希望对用户账号注册时间转为具体的天数，我们可以用如下代码。 import pandas as pdtd=data['user_reg_tm']Time=pd.to_datetime(td)Start=pd.datetime(2016,4,16)day=Start-Time 最后，把天数插入到原来的表中 data['Day']=day 下面简单的说一下一个时间的创建一些细节。 date=pd.Series(['2016411'])pd.to_datetime(date) 这样就创建一个时间为 2016-4-11的时间值。 这里有个细节，就是字符串里的时间格式，年……

以上就是本次介绍的Python电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：Java软件结构与数据结构

下一篇：Effective Python:编写高质量Python代码的59个有效方法