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

2.4.2  Python的三种控制流29

2.4.3  认识分支结构if30

2.4.4  认识循环结构for…in32

2.4.5  认识循环结构while33

2.4.6  break语句与continue语句35

2.5  Python函数39

2.5.1  认识函数39

2.5.2  形参与实参40

2.5.3  全局变量与局部变量44

2.5.4  对函数的调用与返回值45

2.5.5  文档字符串46

2.6  Python模块47

2.6.1  认识Python模块47

2.6.2  from…import详解49

2.6.3  认识__name__属性50

2.6.4  自定义模块50

2.6.5  dir()函数51

2.7  Python异常处理与文件操作52

2.7.1  Python异常处理52

2.7.2  异常的发生55

2.7.3  try…finally的使用56

2.7.4  文件操作57

第3章  Python进阶59

3.1  NumPy的使用59

3.1.1  多维数组ndarray59

3.1.2  ndarray的数据类型60

3.1.3  数组索引、切片和赋值61

3.1.4  基本的数组运算62

3.1.5  随机数63

3.2  Pandas的使用67

3.2.1  Pandas的数据结构68

3.2.2  Pandas输出设置70

3.2.3  Pandas数据读取与写入70

3.2.4  数据集快速描述性统计分析71

3.2.5  根据已有的列建立新列72

3.2.6  DataFrame按多列排序73

3.2.7  DataFrame去重73

3.2.8  删除已有的列74

3.2.9  Pandas替换数据75

3.2.10  DataFrame重命名75

3.2.11  DataFrame切片与筛选76

3.2.12  连续型变量分组78

3.2.13  Pandas分组技术79

3.3  SciPy的初步使用83

3.3.1  回归分析84

3.3.2  插值87

3.3.3  正态性检验89

3.3.4  凸优化93

3.4  Matplotlib的使用97

3.5  Seaborn的使用97

3.5.1  主题管理98

3.5.2  调色板101

3.5.3  分布图102

3.5.4  回归图104

3.5.5  矩阵图106

3.5.6  结构网格图108

3.6  Scikit-Learn的初步使用109

3.6.1  Scikit-Learn学习准备110

3.6.2  常见的机器学习模型111

3.6.3  模型评价方法——metric模块120

3.6.4  深度学习124

3.7  SQLAlchemy与常用数据库的连接124

3.7.1  连接数据库125

3.7.2  读取数据126

3.7.3  存储数据126

第4章  常用数据的获取与整理129

4.1  金融数据类型129

4.2  金融数据的获取131

4.3  数据整理135

4.3.1  数据整合135

4.3.2  数据过滤137

4.3.3  数据探索与数据清洗138

4.3.4  数据转化140

第5章  通联数据回测平台介绍143

5.1  回测平台函数与参数介绍144

5.1.1  设置回测参数144

5.1.2  accounts账户配置154

5.1.3  initialize(策略初始化环境)160

5.1.4  handle_data(策略运行逻辑)160

5.1.5  context(策略运行环境)160

5.2  股票模板实例168

5.3  期货模板实例173

5.4  策略回测详情179

5.5  策略的风险评价指标181

5.6  策略交易细节184

第6章  常用的量化策略及其实现187

6.1  量化投资概述187

6.1.1  量化投资简介187

6.1.2  量化投资策略的类型188

6.1.3  量化研究的流程189

6.2  行业轮动理论及其投资策略192

6.2.1  行业轮动理论简介192

6.2.2  行业轮动的原因192

6.2.3  行业轮动投资策略194

6.3  市场中性Alpha策略199

6.3.1  市场中性Alpha策略介绍199

6.3.2  市场中性Alpha策略的思想和方法200

6.3.3  实例展示201

6.4  大师策略206

6.4.1  麦克·欧希金斯绩优成分股投资法207

6.4.2  杰拉尔丁·维斯蓝筹股投资法211

6.5  CTA策略219

6.5.1  趋势跟随策略219

6.5.2  均值回复策略241

6.5.3  CTA策略表现分析253

6.6  Smart Beta258

6.6.1  基于权重优化的Smart Beta258

6.6.2  基于风险因子的Smart Beta268

6.7  技术指标类策略281

6.7.1  AROON指标281

6.7.2  BOLL指标285

6.7.3  CCI指标288

6.7.4  CMO指标293

6.7.5  Chaikin Oscillator指标295

6.7.6  DMI指标299

6.7.7  优矿平台因子汇总302

6.8  资产配置317

6.8.1  有效边界318

6.8.2  Black-Litterman模型335

6.8.3  风险平价模型349

6.9  时间序列分析358

6.9.1  与时间序列分析相关的基础知识358

6.9.2  自回归(AR)模型365

6.9.3  滑动平均(MA)模型372

6.9.4  自回归滑动平均(ARMA)模型376

6.9.5  自回归差分滑动平均(ARIMA)模型379

6.10  组合优化器的使用384

6.10.1  优化器的概念384

6.10.2  优化器的API接口386

6.10.3  优化器实例388

6.11  期权策略：Greeks和隐含波动率微笑计算392

6.11.1  数据准备392

6.11.2  Greeks和隐含波动率计算394

6.11.3  隐含波动率微笑401

第7章  量化投资十问十答405