图文详情

Python量化交易理论与实践（计算机技术开发与应用丛书）

正版全新

作者: 曾永志、黄碧华
出版社: 清华大学出版社
ISBN: 9787302716907
出版时间: 2022-12

装帧: 其他
开本: 16开
纸张: 胶版纸

作者: 曾永志、黄碧华
出版社: 清华大学出版社
ISBN: 9787302716907

出版时间: 2022-12
装帧: 其他

开本: 16开
纸张: 胶版纸

售价 48.51 7.0折

定价￥69.00

品相全新

优惠

发货

承诺48小时内发货

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2026-07-05

数量: 库存11件

立即购买加入购物车收藏

卖家超过10天未登录

五年老店

教育社科专营店

店铺等级

资质认证

90天平均

成功完成

78.43% (56笔)

好评率

100%

发货时间

15.49小时

店主

悦读识人

联系

在线交谈离线留言

地址

浙江省杭州市滨江区

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

计算机与互联网

货号：

5049388

商品描述：

【书    名】 Python量化交易理论与实践（计算机技术开发与应用丛书）
【书    号】 9787302716907
【出版社】清华大学出版社
【作    者】曾永志、黄碧华
【出版日期】 2026-05-01
【开    本】 16开
【定    价】 69.00元

【编辑推荐】
量化交易涉及计算机科学、数学、统计学及金融学等多学科知识，本书搭建一座贯通量化投资实践与金融理论学习的桥梁，为想要入门量化交易的读者提供一个逻辑清晰的学习路线图。全书以“理论基础—编程赋能—实践案例”为脉络，构建起更加符合量化交易学习规律的知识体系。

【内容简介】
量化交易已经从技术分析逐步向基本面量化交易过渡，研究方法已经从简单的线性回归向包括机器学习、深度学习等人工智能方法过渡。由于量化交易的跨学科属性，普通学生的入门门槛相对较高，为此，本书结合经济学原理、数学原理及计算机编程方法三个角度综合阐述量化交易的基本方法，以量化交易金融理论为基础，以量化交易实践为主线，帮助入门阶段的读者循序渐进掌握Python量化交易的基本方法。本书共12章，分为量化概述篇、Python编程理论篇和量化交易实践篇。量化概述篇（第1章）详细讲述量化交易的概念，将量化交易与高频交易和程序化交易的异同点进行总结，分析了量化交易的*新发展趋势。Python编程理论篇（第2~4章）从基础开始，系统深入地剖析Python编程语言的核心语法及Pandas、NumPy等数据分析库。量化交易实践篇（第5~12章）从操作入手，系统全面地讲解了量化交易中常用的数据获取与管理方法、技术分析库、量化回测方法及风险管理等。本书示例代码比较丰富，理论与实践结合紧密，不仅帮助读者理解量化策略背后的经济学原理，也能助力读者快速掌握量化交易的编程方法。本书既适合高校相关专业师生使用，也适合传统金融从业者或者计算机程序员转型量化交易而使用，并可作为高等院校和培训机构相关专业的教学参考书。

【目录】
目录?

教学课件（PPT）?

本书源码?

量化概述篇?

第1章量化投资概述?

1.1量化交易基本概念?

1.1.1量化交易基本定义?

1.1.2量化交易策略类型?

1.1.3量化交易基本流程?

1.2量化交易的优势?

1.2.1系统性投资方式?

1.2.2量化交易纪律性强?

1.2.3量化交易的效率更高?

1.2.4量化风控能力更强?

1.3量化交易的实践案例?

1.3.1爱德华?索普?

1.3.2詹姆斯?西蒙斯?

1.4本章小结?

Python编程理论篇?

第2章Python语言安装环境?

2.1Python简述?

2.1.1Python语言简介?

2.1.2Python量化的优势?

2.2Python的安装方式?

2.2.1从Python官网安装?

2.2.2Python发行版Anaconda的安装?

2.3Python集成开发环境?

2.3.1VS Code?

2.3.2Jupyter Notebook?

2.4运行Python程序?

2.4.1在交互式解释器运行?

2.4.2从IDE中运行?

2.4.3通过脚本方式运行?

2.5本章小结?

第3章Python编程基础知识?

3.1基本语法?

3.1.1注释?

3.1.2标识符命名规则?

3.1.3变量与常量?

3.1.4数据的输入和输出?

3.2数据类型与运算?

3.2.1数值类型?

3.2.2字符串类型?

3.2.3布尔类型?

3.2.4列表、元组与集合?

3.2.5字典?

3.3控制结构?

3.3.1顺序结构?

3.3.2选择结构?

3.3.3循环结构?

3.4函数?

3.4.1函数定义?

3.4.2参数类型?

3.4.3参数传递?

3.4.4返回值?

3.4.5匿名函数?

3.5模块与包?

3.5.1模块的概念?

3.5.2导入模块?

3.5.3创建模块?

3.5.4Python包?

3.5.5Python标准库?

3.6文件操作?

3.6.1文件读写?

3.6.2文件模式?

3.7错误和异常?

3.7.1异常概念与处理?

3.7.2常见异常类型?

3.8面向对象编程?

3.8.1类和对象?

3.8.2方法和属性?

3.8.3类的继承?

3.9本章小结?

第4章Python数据分析?

4.1NumPy基本操作?

4.1.1NumPy简介?

4.1.2NumPy安装?

4.1.3NumPy创建数组?

4.1.4NumPy数组操作?

4.1.5NumPy统计函数?

4.1.6NumPy数组排序 ?

4.2Pandas基本操作?

4.2.1Pandas简介?

4.2.2Series对象?

4.2.3DataFrame对象?

4.2.4DataFrame索引设置?

4.2.5Pandas常用操作?

4.2.6Pandas高阶操作?

4.3Matplotlib数据可视化?

4.3.1Matplotlib简介?

4.3.2图表元素的运用?

4.3.3图表的主要类型?

4.4本章小结?

量化交易实践篇?

第5章量化数据获取与管理?

5.1股票行情数据获取?

5.1.1Tushare获取行情数据?

5.1.2Wind获取行情数据?

5.2股票财务数据获取 ?

5.2.1Tushare获取财务数据?

5.2.2Wind获取财务数据?

5.3股票量化数据管理 ?

5.3.1本地保存数据?

5.3.2SQLite数据库管理?

5.4本章小结?

第6章技术指标与量化回测库?

6.1技术分析理论?

6.1.1主要假设?

6.1.2相关理论?

6.1.3策略类型?

6.2技术分析基本工具?

6.2.1K线图?

6.2.2常用技术指标?

6.3技术分析相关库?

6.3.1TA?Lib库应用?

6.3.2QuantStats库应用?

6.4本章小结?

第7章从零开始搭建量化回测系统?

7.1量化回测概念及思路?

7.1.1量化回测的概念 ?

7.1.2量化回测的步骤?

7.2向量化回测的策略实现?

7.2.1向量化双均线策略?

7.2.2向量化动量策略?

7.3基于for循环的回测策略?

7.3.1基于for循环的动量策略?

7.3.2基于for循环的双均线策略?

7.4本章小结 ?

第8章JoinQuant量化平台应用?

8.1量化交易平台简介?

8.1.1聚宽平台注册?

8.1.2聚宽平台简介 ?

8.2聚宽数据函数 ?

8.2.1获取股票量价数据?

8.2.2获取股票财务数据?

8.2.3获取股票因子数据?

8.3聚宽回测框架?

8.3.1聚宽回测基本逻辑?

8.3.2聚宽回测具体架构?

8.4本章小结?

第9章因子模型与检验?

9.1因子理论基础?

9.1.1因子定义?

9.1.2因子模型?

9.1.3基本原理 ?

9.2因子检验流程?

9.2.1定义因子?

9.2.2计算因子值?

9.2.3数据预处理?

9.2.4因子检验及结果展示?

9.3大类因子分析?

9.3.1多因子数据获取?

9.3.2因子相关性分析?

9.4本章小结?

第10章因子策略量化回测?

10.1规模因子策略回测?

10.1.1策略思想?

10.1.2代码分析?

10.2价值因子策略回测?

10.2.1策略思想?

10.2.2代码分析?

10.3盈利因子策略回测?

10.3.1策略思想?

10.3.2代码分析?

10.4多因子策略?

10.4.1策略思想?

10.4.2代码分析?

10.5本章小结?

第11章量化资产组合方法?

11.1资产组合基本概念?

11.1.1风险和收益率指标?

11.1.2投资组合收益和风险?

11.2主要优化模型?

11.2.1MVO模型?

11.2.2风险平价模型?

11.3组合优化量化实践案例?

11.3.1初始化函数?

11.3.2开盘前运行函数?

11.3.3开盘时运行函数?

11.4本章小结?

第12章量化交易的风险管理?

12.1风险类型判定?

12.1.1市场相关风险?

12.1.2技术相关风险?

12.1.3操作相关风险?

12.2风险管控措施?

12.2.1仓位管理?

12.2.2固定止损?

12.2.3固定止盈?

12.3本章小结?

参考文献

【前言】
前言?
当前新一轮科技革命与金融改革深度交融，量化投资正以前所未有的速度重塑全球资本市场的运行逻辑。在此背景下，掌握量化投资技术不仅是金融从业者的必备技能，也是助力提升中国国家金融竞争力的重要抓手。量化投资的快速发展，不仅开拓了?
算法交易、AI量化等新兴领域，还创造了金融业与数据科学、人工智能结合的新机遇。?
目前，中国金融教育正面临历史性的转型挑战和机遇。一方面，在传统的金融教学模式中，金融理论教学与计算机编程往往被分割为两个平行世界。很多金融专业学生重视经济学理论学习，却忽视数据分析、算法等方面的学习；另一方面，传统金融工程方法在解释和应对复杂市场变化方面也存在一定的局限性，相关领域的人才供给相对不足。与此同时，随着人工智能和大数据加速发展，以数据驱动的量化投资方法正逐渐成为资本市场交易的主流投资方式，正催生出更多的金融科技岗位需求。在这种供需格局下，精通计算机技术和金融理论的复合型人才将具有更好的职业发展前景。?
由于量化交易涉及计算机科学、数学、统计学及金融学等多学科知识，快速入门量化交易并不是一件容易的事情。为此，本书希望搭建一座贯通量化投资实践与金融理论学习的桥梁，为想要入门量化交易的读者提供一个逻辑清晰的学习路线图。全书以“理论基础?编程赋能?实践案例”为脉络，构建起更加符合量化交易学习规律的知识体系。全书共12章内容： ?
第1章介绍了量化交易的概念、优势和经典案例。第2~4章分别介绍了Python语言的安装环境、Python编程基础知识及金融数据量化分析方法。第5~8章介绍了量化指标体系、量化回测系统建立及聚宽回测平台使用?
。第5章介绍了量化数据的获取渠道及管理方法，第6章介绍了量化数据的获取与管理方法，第7章主要介绍了如何从零开始搭建本地量化回测系统，第8章介绍了聚宽量化平台的主要使用方法。第9~12章深入阐述了量化投资相关理论及基本面量化回测方法。第9章介绍了量化投资中的因子模型与因子检验方法。第10章介绍了在聚宽平台进行单因子和多因子回测的方法。第11章介绍了量化资产组合的理论和相关策略。第12章介绍了量化交易中的风险类型及主要的量化风险管理措施。通过学习本书，读者可以快速地建立起量化研究的基本理论框架，并掌握Python量化交易的基本编程方法和主要的交易策略。?
本书的使用方法：对没有编程基础的读者，建议从第1章开始学习；对于已具备较好Python编程基础的读者，可直接从第5章开始学习，掌握金融理论及相关策略回测等。?
资源下载提示?
素材（源码）等资源：扫描目录上方的二维码下载。?
致谢?
感谢我的父母多年来对我的培养和照顾，感谢我的妻子在写作过程中对我的大力支持，使我得以全身心投入研究和写作中。?
感谢清华大学出版社赵佳霓编辑对我的大力帮助和无私指导。?
由于时间仓促和能力有限，书中难免有不妥之处，请读者多提宝贵意见，在此表示感谢。?
程商政?
2026年4月?
于北京
配送说明

...
相似商品
为你推荐