当前位置:首页 > Python >
《量化投资:以Python为工具》电子书封面

量化投资:以Python为工具

  • 发布时间:2020年09月16日 08:42:20
  • 作者:蔡立耑
  • 大小:66.7 MB
  • 类别:Python电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:7.9

    量化投资:以Python为工具 PDF 高清版

      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

      展开 +

      收起 -

      下载地址:百度网盘下载
      读者留言
      王君浩

      王君浩 提供上传

      资源
      39
      粉丝
      43
      喜欢
      74
      评论
      18

      Copyright 2018-2020 www.xz577.com 码农之家

      版权投诉 / 书籍推广 / 赞助:520161757@qq.com