Python算法交易
Python算法交易
Yves Hilpisch 著
窦衍森, 熊博 译
出版时间：2022年11月
页数：378
“很高兴看到Yves Hilpisch的作品，他把Python和云计算的复合技术跟统计和机器学习进行了融合，来捕捉金融市场的正回报。”
——McKlayne Marshal
算法交易企业家

虽然算法交易曾经是机构参与者的专属领域，但是现在已经开放给了使用在线平台的小型组织和个人交易者。今天Python及其强大的软件包生态系统是许多交易者首选的工具。在这本非常实用的书中，本书作者向学生、学者及从业者展示了如何在有趣的算法交易领域使用Python。
你将学习几种在不同方面应用Python进行算法交易的方法，例如如何回测交易策略，以及如何与在线交易平台交互。一些非常大的买方和卖方机构都大量使用Python。通过探索系统的构建和部署自动算法交易策略，本书将帮助你实现公平竞争。

● 为算法交易配置合适的Python环境。
● 了解如何从公共和专有数据源检索金融数据。
● 使用NumPy和pandas探索金融分析的矢量化。
● 掌握不同算法交易策略的矢量化回测。
● 使用机器学习和深度学习生成市场预测。
● 使用套接字编程工具对流数据进行实时处理。
● 使用OANDA和FXCM交易平台实施自动算法交易策略。
  1. 前言
  2. 第1章 Python和算法交易
  3. 1.1 Python的金融之道
  4. 1.1.1 Python 与伪代码
  5. 1.1.2 NumPy和向量化
  6. 1.1.3 pandas和DataFrame类
  7. 1.2 算法交易
  8. 1.3 Python的算法交易之道
  9. 1.4 本书的重点和先决条件
  10. 1.5 交易策略
  11. 1.5.1 简单移动平均线
  12. 1.5.2 动量策略
  13. 1.5.3 均值回归
  14. 1.5.4 机器学习和深度学习
  15. 1.6 小结
  16. 1.7 参考资料和延伸资源
  17. 第2章 Python基础架构
  18. 2.1 Conda作为软件包管理器
  19. 2.1.1 安装Miniconda
  20. 2.1.2 Conda的基本操作
  21. 2.2 Conda作为虚拟环境管理器
  22. 2.3 使用Docker容器
  23. 2.3.1 Docker 镜像和容器
  24. 2.3.2 构建一个带Python 的Ubuntu Docker镜像
  25. 2.4 使用云实例
  26. 2.4.1 RSA 公钥私钥
  27. 2.4.2 Jupyter Notebook 配置文件
  28. 2.4.3 Python和Jupyter Lab的安装脚本
  29. 2.4.4 编排Droplet初始化脚本
  30. 2.5 小结
  31. 2.6 参考资料和延伸资源
  32. 第3章 处理金融数据
  33. 3.1 从不同数据源读取金融数据
  34. 3.1.1 数据集
  35. 3.1.2 用Python读取CSV文件
  36. 3.1.3 使用pandas从CSV文件读取
  37. 3.1.4 导出到Excel和JSON
  38. 3.1.5 从Excel和JSON读取数据
  39. 3.2 使用开放数据源
  40. 3.3 Eikon数据API
  41. 3.3.1 获取结构化历史数据
  42. 3.3.2 获取非结构化历史数据
  43. 3.4 高效存储金融数据
  44. 3.4.1 存储DataFrame对象
  45. 3.4.2 使用TsTables
  46. 3.4.3 用SQLite3存储数据
  47. 3.5 小结
  48. 3.6 参考资料和延伸资源
  49. 3.7 Python脚本
  50. 第4章 掌握向量化回测
  51. 4.1 利用向量化
  52. 4.1.1 使用Numpy进行向量化
  53. 4.1.2 使用pandas进行向量化
  54. 4.2 基于简单移动平均线的策略
  55. 4.2.1 入门基础
  56. 4.2.2 方法通用化
  57. 4.3 基于动量的策略
  58. 4.3.1 基础入门
  59. 4.3.2 方法通用化
  60. 4.4 基于均值回归的策略
  61. 4.4.1 基础入门
  62. 4.4.2 方法通用化
  63. 4.5 数据窥探和过度拟合
  64. 4.6 小结
  65. 4.7 参考资料和延伸资源
  66. 4.8 Python脚本
  67. 4.8.1 SMA回测类
  68. 4.8.2 动量回测类
  69. 4.8.3 均值回归回测类
  70. 第5章 通过机器学习预测市场动向
  71. 5.1 使用线性回归进行市场走势预测
  72. 5.1.1 线性回归快速回顾
  73. 5.1.2 价格预测的基本思路
  74. 5.1.3 预测指数水平
  75. 5.1.4 预测未来收益
  76. 5.1.5 预测未来市场方向
  77. 5.1.6 基于回归策略的向量化回测
  78. 5.1.7 概括方法
  79. 5.2 使用机器学习进行市场动向预测
  80. 5.2.1 scikit-learn的线性回归
  81. 5.2.2 一个简单的分类问题
  82. 5.2.3 使用逻辑回归预测市场方向
  83. 5.2.4 方法通用化
  84. 5.3 使用深度学习进行市场走势预测
  85. 5.3.1 再谈简单分类问题
  86. 5.3.2 使用深度神经网络预测市场方向
  87. 5.3.3 添加不同类型的特征
  88. 5.4 小结
  89. 5.5 参考资料和延伸资源
  90. 5.6 Python脚本
  91. 5.6.1 线性回归回测类
  92. 5.6.2 分类算法回测类
  93. 第6章 构建基于事件回测的类
  94. 6.1 回测基础类
  95. 6.2 做多回测类
  96. 6.3 多空回测类
  97. 6.4 小结
  98. 6.5 参考资料和延伸资源
  99. 6.6 Python脚本
  100. 6.6.1 回测基础类
  101. 6.6.2 做多回测类
  102. 6.6.3 多空回测类
  103. 第7章 使用实时数据和套接字
  104. 7.1 运行一个简单的实时数据服务器
  105. 7.2 连接报价数据客户端
  106. 7.3 实时生成交易信号
  107. 7.4 使用Plotly可视化流数据
  108. 7.4.1 基础部分
  109. 7.4.2 三个实时流
  110. 7.4.3 三个流的三个子图
  111. 7.4.4 流式数据与柱线图
  112. 7.5 小结
  113. 7.6 参考资料和延伸资源
  114. 7.7 Python 脚本
  115. 7.7.1 样例报价数据服务器
  116. 7.7.2 报价数据客户端
  117. 7.7.3 动量在线算法
  118. 7.7.4 为柱线图提供样例数据的服务器
  119. 第8章 使用Oanda进行CFD交易
  120. 8.1 开设账户
  121. 8.2 Oanda应用程序接口
  122. 8.3 获取历史数据
  123. 8.3.1 查询可交易的金融工具
  124. 8.3.2 基于分钟柱线图回测的动量策略
  125. 8.3.3 杠杆和保证金因素
  126. 8.4 处理流式数据
  127. 8.5 下订单
  128. 8.6 实时实施交易策略
  129. 8.7 获取账号信息
  130. 8.8 小结
  131. 8.9 参考资料和延伸资源
  132. 8.10 Python脚本
  133. 第9章 使用FXCM进行外汇交易
  134. 9.1 入门
  135. 9.2 获取数据
  136. 9.2.1 获取报价数据
  137. 9.2.2 获取K线数据
  138. 9.3 使用API
  139. 9.3.1 获取历史数据
  140. 9.3.2 获取流数据
  141. 9.3.3 下单
  142. 9.3.4 账户信息
  143. 9.4 小结
  144. 9.5 参考资料和延伸资源
  145. 第10章 自动化交易操作
  146. 10.1 资本管理
  147. 10.1.1 二项式设置中的凯利准则
  148. 10.1.2 股票和指数里的凯利准则
  149. 10.2 基于机器学习的交易策略
  150. 10.2.1 向量回测
  151. 10.2.2 最优杠杆
  152. 10.2.3 风险分析
  153. 10.2.4 持久化模型对象
  154. 10.3 实时算法
  155. 10.4 基础设施和部署
  156. 10.5 日志和监控
  157. 10.6 可视化分步概览
  158. 10.6.1 配置Oanda账号
  159. 10.6.2 设置硬件
  160. 10.6.3 设置Python环境
  161. 10.6.4 上传代码
  162. 10.6.5 运行代码
  163. 10.6.6 实时监控
  164. 10.7 小结
  165. 10.8 参考资料和延伸资源
  166. 10.9 Python脚本
  167. 10.9.1 自动化交易策略
  168. 10.9.2 策略监控
  169. 附录 Python、NumPy、matplotlib和pandas
书名：Python算法交易
作者：Yves Hilpisch 著
译者：窦衍森, 熊博 译
国内出版社：中国电力出版社
出版时间：2022年11月
页数：378
书号：978-7-5198-6969-4
原版书书名：Python for Algorithmic Trading
原版书出版商：O'Reilly Media
Yves Hilpisch
 
Yves Hilpisch博士是Python Quants集团的创始人和管理合伙人。该集团致 力于应用开源技术来解决金融数据科学、人工智能、算法交易和计算金融 学等问题。他还是AI Machine公司的创始人和CEO，该公司的主营业务是通 过专属策略执行平台来发挥人工智能的威力。他还是Python算法交易大学 认证的在线培训项目的主管。
 
 
本书封面上的动物是一种常见的条纹草蛇（学名：Natrix helvetica）。这种无毒的蛇在西欧的淡水中或附近被发现。
常见的条纹草蛇，在被重新分类为一个独立的物种之前，最初是 Natrix natrix 的成员，身体呈灰绿色，两侧有明显的条纹，可以长到一米长。它是一个惊人的游泳者，主要捕食蟾蜍和青蛙等两栖动物。因为它们需要像所有爬行动物一样调节体温，所以常见的条带草蛇通常在温度更稳定的地下过冬。
这条蛇的保护状况目前为“最不受关注”，目前在英国根据《野生动物和乡村法》 受到保护。
购买选项
定价：128.00元
书号：978-7-5198-6969-4
出版社：中国电力出版社
联系出版社邮购

© 2024，奥莱利技术咨询(北京)有限公司。版权所有。
传真: +86-10-88097463
 京ICP备05003502号