Python数据分析实战：构建股票量化交易系统--掘金小册课程推荐/优惠

小册介绍

本小册的核心为Python金融数据分析和挖掘，我们选取了股票量化交易作为应用场景。

关于小册的介绍可以用三个关键词来概括，分别是量化交易、Python 和股票，小册的内容设计上是围绕着将这原本独立的领域有机地融合而展开的。如下图所示：

我们简单地诠释下这三个关键词在本小册中的意义：

关于量化交易： 量化交易是一种新兴的系统化的金融投资方法，它以计算机强大运算能力为基础，运用数据建模、统计学分析、程序设计等工具从历史数据中得到大概率下获利的交易策略，属于人工智能、大数据分析在金融领域的具体应用。它由金融霸主美国所先行，目前在美国的金融领域已经日趋成熟，国内虽然近几年才开始推广和流行，但是发展势头迅猛，方兴未艾。

关于Python： Python 自诞生以来，由于其易上手、丰富的第三方库支持等优点，在各个领域都有广泛应用。在金融行业，美国银行、美林证券的“石英”项目、摩根大通的“雅典娜”项目都战略性地使用了Python进行高效的金融程序开发和金融数据分析。可见Python已经作为一种标准编程语言应用在量化交易领域。

关于股票： 随着时代的发展，股票投资已经成为全民最主要的理财渠道之一。A 股市场自设立至今经历过波澜壮阔的大牛市，也经历过哀鸿遍野的熊市，下图为上证指数 2003 年至 2019 年的走势图，可以看出 A 股市场至古以来牛短熊长，周期交替。

A 股市场是一个以散户为主导的市场，大多数股民交易频繁，对买卖点思考并不严谨，如果交易股票毫无章法的话势必沦为“韭菜”被收割。而量化交易由于其管理概率、理性交易的思想所在，非常适合在普通股民群体中所推广。

在小册内容方面，首先以例程方式快速入门基础环节，之后逐步过渡到讲解择时策略、选股策略、风险控制策略、仓位管理策略等维度对历史数据的回测分析，由浅入深、由技术到思维地为读者剖析数据分析在量化交易中的重点和难点。

通过学习能够从中掌握Python数据分析和挖掘的核心技能，也能更理性地将股票投资作为理财的一个手段，为今后从事Python数据分析领域打下坚实的基础。

小册学习路线

考虑到广大同学们目前的基础能力的掌握有快有慢，小册教学路线上设计了两条进阶路线：

路线1:对于已具备 Python基础编程经验，准备以实战方式学习量化交易的人群，本小册为他们量身定制，讲解了Python数据分析技术与量化交易技术上的衔接，致力于将 Python 数据分析应用于量化交易中。同时小册选取了大众耳熟能详的A股市场作为交易标的物，基于此搭建量化交易策略的场景。

路线2:对于Python基础能力薄弱的同学，我们在小册中开设了前置基础系列，全是实战中的干货基础知识。

路线3:当然小册子属于小篇幅、高浓度、成体系特点的课程，重在解决用户核心的问题。大家如果想对涉及到的知识点进行更全面、更体系的从0-1方式的介绍，这里推荐给大家我的书籍《Python股票量化交易从入门到实践》！天猫、京东、当当全面开售！

你会学到什么？

1. 深入理解量化交易的本质、发展、优势、意义和过程；
2. 掌握Python基础工具的使用方法，如Python、Pandas、Numpy、Matplotlib、TA-Lib、Tushare、statsmodels、pyecharts等；
3. 掌握Python数据分析和挖掘的过程和技能；
4. 掌握Python实现经典金融技术指标的方法，如K线、均线、成交量、MACD、KDJ等。
5. 掌握使用Matplotlib、pyecharts可视化方法绘制出股票行情分析界面以捕捉个股动向，为大家呈现不同的显示效果。
6. 掌握Python实现应用数学中经典算法，如线性回归、蒙特卡洛、随机漫步、凯利公式等；
7. 掌握如何从数据特征值中实现常用的量化交易策略，如择时、选股、风险控制、度量、仓位管理等。通过学习我们可以制定量化交易策略以及度量策略效果，应用交易策略来辅助股票交易。

学习成果展示

作者介绍

元宵大师，资深 Python 数据分析师兼高级项目管理师，畅销书《Python股票量化交易从入门到实践》作者，微信公众号「元宵大师带你用 Python 量化交易」的作者。擅长 Linux 系统应用、C/C++ 语言开发、Python语言开发、WEB前后端技术、人工智能算法、大数据分析、金融理论等多领域知识，致力于推动金融量化交易的普及和发展。。

所需技术储备

• 在 Python 编程方面，本小册主要侧重于 Python 实战讲解，但在内容设计上提供了前置基础章节，帮助读者快速掌握基础工具的使用，因此小册适合的人群仅具备 Python 最基础编程经验即可。

• 在量化交易方面，读者们仅需具备基础的股票交易常识即可，小册会从基础入门讲解量化交易策略的实现，因此读者们无需担心在学习量化交易上的困难，更多的是明确自己学习量化交易的目的和兴趣。

适宜人群

• 仅需具备 Python 编程基础的人群；
• 对Python数据分析技术感兴趣的人群；
• 准备从事金融数据分析领域的人群；
• 对金融量化交易具有浓厚兴趣的人群；
• 计划开发属于自己的量化交易系统的人群；
• 旨在寻求接地气的Python实战项目练手的人群；

• 贯穿小册：Python金融数据分析实战型项目【加推篇】

• 前置基础：量化交易及应用场景简介

• 前置基础：Python变量类型及动态特性【加推篇】

• 前置基础：创建一个Python文件的细节【加推篇】

• 前置基础：开发环境及基础工具说明

• 前置基础：NumPy模拟随机漫步理论

• 前置基础：无可或缺的Python异常处理【加推篇】

• 前置基础：玩转Python遍历工具for..in【加推篇】

• 前置基础：Pandas构建DataFrame股票数据

• 前置基础：Matplotlib对象式绘图的方式

• 前置基础：Matplotlib函数式绘图的方式

• 前置基础：Matplotlib模拟随机漫步轨迹【加推篇】

• 前置基础：从概率角度谈市场中的博弈

• 股票数据获取：Pandas金融模块获取股票数据

• 股票数据获取：详解网络爬虫的原理和过程

• 股票数据获取：爬虫方式获取行业板块数据

• 股票数据获取：差异化分析常用股票数据接口

• 股票数据获取：爬虫抓取东方财富网股吧帖子【加推篇】

• 股票数据分析：股票分时明细数据的获取【加推篇】

• 股票数据分析：遍历DataFrame格式股票数据的方法

• 股票数据分析：全方位访问DataFrame格式股票数据

• 技术指标可视化：自定义Matplotlib版股票行情界面

• 股票数据分析：除权数据前复权和后复权处理【加推篇】

• 技术指标可视化：pyecharts实现Web版股票行情界面

• 技术指标可视化：pyecharts从V0.5至V1版的转变

• 技术指标可视化：TA-Lib技术指标库的扩展应用【加推篇】

• 技术指标可视化：用TA-Lib封装更灵活的指标库【加推篇】

• 股票交易策略：基于欧奈尔RPS指标选股策略【加推篇】

• 股票交易策略：线性回归算法建立选股策略

• 股票交易策略：海龟择时策略入门量化交易

• 股票交易策略：收益与风险维度度量策略效果

• 股票交易策略：择时策略融入ATR动态仓位管理【加推篇】

• 股票交易策略：择时策略融入ATR风险控制

• 股票交易策略：基于凯利公式的仓位管理

• 股票交易策略：蒙特卡洛算法最优化策略参数

• 量化策略回测：创建属于自己的回测框架【加推篇】

• 量化策略回测：扒一扒量化回测中常见的陷阱【加推篇】

• 量化策略回测：如何利用聚宽平台回测交易策略【加推篇】

• 量化策略回测：基于BackTrader建立双均线策略【加推篇】

• 远程下单方案：微信机器人实时提醒交易【加推篇】

• 自动交易方案：模拟股票客户端交易的原理【加推篇】

• 效率优化措施：Python扩展C/C++加速执行【加推篇】

• 远程下单方案：SMTP邮件实时提醒交易【加推篇】

• 结尾篇：贯穿知识点才能学以致用

• 股票数据分析：分时明细数据周期重采样【加推篇】

• 股票数据分析：如何计算主力资金的流入流出【加推篇】

• 远程下单方案：钉钉机器人实时提醒交易【加推篇】