课程 »
课程大纲
Table of Content
- 第1课 导论
- 第2课 证券常识及数据源之 Akshare
- 第3课 数据源之 Tushare、JqDataSdk
- 第4课 使用Zillionare来获取数据
- 第5课 习题讲解
- 第6课 小市值策略
- 第7课 布林带策略
- 第8课
- 第9课 Numpy 和 Pandas
- 第10课 Ta-Lib
- 第11课 Python与数据科学(1)
- 第12课 数据分析与Python实现(2)
- 第13课 技术分析实战
- 第14课 因子分析
- 第15课 Alphalens及其它
- 第16课 Matplotlib 绘图
- 第17课 Plotly 绘图
- 第18课 Seaborn 与 PyEcharts 绘图
- 第19课 backtrader 回测框架(1)
- 第20课 backtrader 回测框架(2)
- 第21课 策略回测评估
- 第22课 回测陷阱
- 第23课 实盘交易接口 (1)
- 第24课 实盘交易接口(2)
第1课 导论¶
- 1. 证券投资和量化交易的发展
- 2. 量化交易知识体系
- 3. 什么样的人适合做量化?
- 4. 量化策略浅探
- 4.1. Alpha 策略
- 4.2. 市场中性策略
- 4.3. 高频套利策略
- 4.4. 技术分析类策略
- 4.5. 策略研究方法
- 5. 课程内容简介
- 6. 如何学习本课程
- 6.1. 知识储备
- 6.2. 在线量化环境介绍
第2课 证券常识及数据源之 Akshare¶
第3课 数据源之 Tushare、JqDataSdk¶
第4课 使用Zillionare来获取数据¶
第5课 习题讲解¶
第6课 小市值策略¶
第7课 布林带策略¶
第8课¶
第9课 Numpy 和 Pandas¶
- 9.1. Numpy
- 9.1.1. 创建数组
- 9.1.1.1. vanilla version
- 9.1.1.2. 预置特殊数组
- 9.1.1.3. 通过已有数组转换
- 9.1.2. 查看 (inspecting) 数组特性
- 9.1.3. 数组操作
- 9.1.3.1. 升维
- 9.1.3.2. 降维
- 9.1.3.3. 转置
- 9.1.3.4. 增加/删除元素
- 9.1.4. 逻辑运算和比较
- 9.1.5. 集合运算
- 9.1.6. 数学运算
- 9.1.6.1. 点乘
- 9.1.6.2. 聚合运算和统计函数
- 9.1.7. 读取、查找和搜索
- 9.1.7.1. 索引和切片
- 9.1.7.2. 查找、替换、筛选
- 9.1.8. 类型转换和 typing module
- 9.1.9. Structured Array
- 9.1.10. IO
- 9.1.11. 量化交易中常用函数示例
- 9.1.11.1. REF(close, n)
- 9.1.11.2. EVERY(cond, n)
- 9.1.11.3. LAST(cond_list, n, m)
- 9.1.11.4. BARSLAST
- 9.1.11.5. CROSS
- 9.2. Pandas
- 9.3. pandas vs numpy
第10课 Ta-Lib¶
第11课 Python与数据科学(1)¶
第12课 数据分析与Python实现(2)¶
第13课 技术分析实战¶
第14课 因子分析¶
第15课 Alphalens及其它¶
- 15.1. Alphalens
- 15.2. JQFactor和jqfactor-analyzer
- 15.3. sympy
- 15.4. statistics
- 15.5. statsmodels
- 15.6. zipline
- 15.7. pyfolio
- 15.8. ta
第16课 Matplotlib 绘图¶
第17课 Plotly 绘图¶
- 17.1. Plotly 中的基本概念
- 17.2. Plotly 模块结构
- 17.3. 比较 plotly express 与 go.Figure
- 17.4. Plotly 股票分析图绘制
- 17.5. 色彩
- 17.6. 主题和模板
- 17.7. Dash 简介
第18课 Seaborn 与 PyEcharts 绘图¶
第19课 backtrader 回测框架(1)¶
第20课 backtrader 回测框架(2)¶
第21课 策略回测评估¶
第22课 回测陷阱¶
- 22.1. 幸存者偏差
- 22.2. Look-ahead bias
- 22.3. 复权引起的问题
- 22.4. 交易规则
- 22.5. 过度拟合
- 22.6. 回测时长
- 22.7. 回测与实盘的差异
- 22.8. 大富翁回测框架
- 22.9. 参考文献