课程 »

课程大纲

#课程  

---

Table of Content

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

• 2.1. 交易所及证券代码
• 2.2.1. Akshare
  • 2.2.1.1. 在课件环境下安装 akshare
  • 2.2.1.2. 实时股票数据
  • 2.2.1.3. 股票历史数据
  • 2.2.1.4. 证券列表
  • 2.2.1.5. 交易日历
  • 2.2.1.6. 封装和改进建议
  • 2.2.1.7. 练习

第3课 数据源之 Tushare、JqDataSdk

• 3.1. TUSHARE
  • 3.1.1. 在课件环境下安装和设置 token
  • 3.1.2. 股票历史数据
  • 3.1.3. 证券列表
  • 3.1.4. 交易日历
• 3.2. 聚宽本地数据
  • 3.2.1. 在课件环境下安装和设置账号
  • 3.2.2. 股票历史数据
  • 3.2.3. 证券列表
  • 3.2.4. 交易日历
• 3.3. BAOSTOCK
  • 3.3.1. 股票历史数据
  • 3.3.2. 证券列表
• 3.4. YFINANCE

第4课 使用Zillionare来获取数据

• 4.1. Omicron
  • 4.1.1. 初始化 omicron
  • 4.1.2. 实时股票数据
  • 4.1.3. 股票历史数据
  • 4.1.4. 证券列表
  • 4.1.5. 交易日历
  • 4.1.6. 板块数据
• 4.2. 数据解读 A 股: 投资者人数与市场走势关系

第5课 习题讲解

第6课 小市值策略

• 6.1. 小市值策略简介
• 6.2. 策略实现
  • 6.2.1. 初始化
  • 6.2.2. 绘图
  • 6.2.3. 策略主体代码
• 6.3. 策略优化
  • 6.3.1. 择时优化
  • 6.3.2. 规则优化
  • 6.3.3. 参数优化

第7课 布林带策略

• 7.1. 使用coursea的初始化
• 7.2. 基于基类的布林带策略
• 7.3. 策略优化方向讨论
  • 7.3.1. 参数优化
  • 7.3.2. 趋势判断

第8课

• 8.1. 什么是网格交易？
• 8.2. 代码实现
  • 8.2.1. 初始化
  • 8.2.2. 评估函数
  • 8.2.3. 策略行为分析
• 8.3. 技术实现问题
  • 8.3.1. 委托价格和交易时机
  • 8.3.2. 送转问题
  • 8.3.3. 交易单位
• 8.4. 策略优化: 从1.37%到79.8%!
  • 8.4.1. 选择有“界”的标的
  • 8.4.1.1. 大市值股票
  • 8.4.1.2. 超跌股票
  • 8.4.1.3. 可转债
  • 8.4.2. 基于历史数据，确定网格参数
  • 8.4.3. 提高资金利用率
• 8.5. 趋势跟踪网格

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
  • 9.2.1. creation
  • 9.2.2. 数据访问
  • 9.2.3. 遍历 dataframe
• 9.3. pandas vs numpy

第10课 Ta-Lib

• 10.1. 安装talib
  • 10.1.1. 原生库的安装
  • 10.1.1.1. Macos
  • 10.1.1.2. Linux
  • 10.1.1.3. Windows
  • 10.1.1.4. 使用conda
  • 10.1.1.5. 第三方构建的wheel包
  • 10.1.2. 安装python wrapper
• 10.2. ta-lib概览
  • 10.2.1. 关于帮助文档
  • 10.2.2. 两类接口
  • 10.2.3. 方法概览
• 10.3. 常用指标函数
  • 10.3.1. ATR
  • 10.3.2. 移动平均线
  • 10.3.2.1. SMA
  • 10.3.2.2. EMA
  • 10.3.2.3. WMA
  • 10.3.3. 布林带
  • 10.3.4. MACD
  • 10.3.5. RSI
  • 10.3.6. OBV （on-balance volume)
• 10.4. 模式识别函数
  • 10.4.1. CDL3LINESTRIKE
  • 10.4.2. CDL3WHITESOLDIERS

第11课 Python与数据科学（1）

• 11.1. 考察数据分布
  • 11.1.1. 寻找数据的中心
  • 11.1.1.1. 均值和质心
  • 11.1.1.2. 中位数
  • 11.1.1.3. 众数
  • 11.1.2. 量化数据的分散程度
  • 11.1.2.1. 分位数
  • 11.1.2.2. 方差和标准差
  • 11.1.2.3. 频数、PMF、PDF、CDF、PPF和直方图
  • 11.1.2.4. 概率密度和概率密度函数
  • 11.1.2.5. 累积概率和累积概率函数CDF
  • 11.1.2.6. CDF估计及其应用
  • 11.1.2.7. 几个概念之间的关系
  • 11.1.3. 数据的分布形态
  • 11.1.4. 中心矩的概念
  • 11.1.5. 偏度、峰度在投资中的解释与应用

第12课 数据分析与Python实现（2）

• 12.1. 统计推断方法
  • 12.1.1. 分位图
  • 12.1.3. 假设检验方法
• 12.2. 拟合、回归和残差
  • 12.2.1. 残差及其度量
  • 12.2.1.1. max_error
  • 12.2.1.2. mean_absolute_error
  • 12.2.1.3. mean_absolute_percentage_error
  • 12.2.1.4. mean_squared_error
  • 12.2.1.5. rooted mean squared error
  • 12.2.2. 回归分析
• 12.3. 相关性
  • 12.3.1. 协方差和相关系数
  • 12.3.2. 皮尔逊相关性和斯皮尔曼相关性
  • 12.3.3. 相关性分析示例
• 12.4. 距离和相似性
  • 12.4.1. 常见距离定义列举
  • 12.4.2. 如何计算距离
• 12.5. 归一化

第13课 技术分析实战

• 13.1. 箱体的检测
  • 13.1.1. 基于统计的方法
  • 13.1.2. 基于聚类的算法
• 13.2. 寻找山峰与波谷
  • 13.2.1. scipy中的实现
  • 13.2.2. 第三方库：zigzag
  • 13.2.3. 如何平滑曲线
  • 13.2.4. 双顶模式的检测
  • 13.2.5. 圆弧底的检测
• 13.3. 凹凸性检测

第14课 因子分析

• 14.1. 因子分类
• 14.2. 因子分析
  • 14.2.1. 预处理
  • 14.2.1.1. 异常值处理
  • 14.2.1.2. 缺失值处理
  • 14.2.1.3. 分布调整
  • 14.2.1.4. 标准化
  • 14.2.1.5. 中性化
• 14.3. 单因子测试
  • 14.3.1. 回归法
  • 14.3.1.1. 回归法的因子评价
  • 14.3.2. IC分析法
  • 14.3.2.1. IC分析法的因子评价
  • 14.3.3. 分层回测法
  • 14.代码实现
  • 14.3.4. 三种方法的区别与联系
• 14.因子评价体系

第15课 Alphalens及其它

• 15.1. Alphalens
  • 15.1.1. Alphalens调用流程
  • 15.1.2. 数据预处理
  • 15.1.3. 因子分析
  • 15.1.4. Alphalens常见错误和警告
  • 15.1.4.1. 时区问题
  • 15.1.4.2. MaxLossExceedError
  • 15.1.4.3. FutureWarning
• 15.2. JQFactor和jqfactor-analyzer
• 15.3. sympy
• 15.4. statistics
• 15.5. statsmodels
  • 15.5.1. OLS（普通最小二乘法）估计
  • 15.5.2. 比较OLS与RLM
  • 15.5.3. ARIMA模型与时间序列预测
• 15.6. zipline
• 15.7. pyfolio
• 15.8. ta

第16课 Matplotlib 绘图

• 16.1. matplot 简介
• 16.2. 图是如何构成的
  • 16.2.1. 最顶层的概念
  • 16.2.2. pyplot, Figure与Axes之间的关系
  • 16.2.3. layout
  • 16.2.4. Figure Anatomy
• 16.3. 高频使用对象
  • 16.3.1. Axis
  • 16.3.1.1. spine定位与隐藏
  • 16.3.1.2. 共享x轴
  • 16.3.1.3. 刻度
  • 16.3.2. 文本和中文
  • 16.3.3. 样式和颜色
  • 16.3.3.1. colormap

第17课 Plotly 绘图

• 17.1. Plotly 中的基本概念
• 17.2. Plotly 模块结构
  • 17.2.1. Plotly Express
  • 17.2.2. Graph Objects
  • 17.2.3. 其它
• 17.3. 比较 plotly express 与 go.Figure
• 17.4. Plotly 股票分析图绘制
  • 17.4.1. K 线图绘制
  • 17.4.2. 叠加技术指标
  • 17.4.3. 子图
  • 17.4.4. 显示区域
  • 17.4.5. 交互式提示
• 17.5. 色彩
  • 17.5.1. 离散色彩序列
  • 17.5.2. 连续色阶
• 17.6. 主题和模板
• 17.7. Dash 简介
  • 17.7.1. Hellow World
  • 17.7.2. 连接到数据
  • 17.7.3. 增加交互式控件
  • 17.7.4. 美化应用程序
  • 17.7.5. 深入Dash

第18课 Seaborn 与 PyEcharts 绘图

• 18.1. Seaborn
  • 18.1.1. Seaborn 绘图概览
  • 18.1.1.1. 统计关系的可视化
  • 18.1.1.2. 数据分布的可视化
  • 18.1.1.3. 二元分布的可视化
  • 18.1.1.4. 联合分布和边缘分布
  • 18.1.1.5. 回归拟合
  • 18.1.2. 主题
  • 18.1.3. 调色板的使用
  • 18.1.3.1. 定性调色板
  • 18.1.3.2. 连续调色板
  • 18.1.3.3. 发散调色板
• 18.2. PyEcharts
  • 18.2.1. 在 Notebook/Jupyterlab 中运行
  • 18.2.2. 调用习惯
  • 18.2.3. 使用选项
  • 18.2.4. 子图和布局
  • 18.2.4.1. Grid 布局
  • 18.2.4.2. Page 布局
  • 18.2.4.3. tab 布局
  • 18.2.4.4. Timeline
• 18.3. 关于颜色和美学

第19课 backtrader 回测框架（1）

• 19.1. 快速开始
• 19.2. backtrader 语法糖
  • 19.2.1. 时间线 (Line)
  • 19.2.2. 运算符重载
• 19.3. Data Feeds
  • 19.3.1. GenericCSVData
  • 19.3.2. Pandas Feed
  • 19.3.3. 自定义一个 Feed
  • 19.3.4. 增加新的数据列
• 19.4. 多周期数据
  • 19.4.1. 多周期技术指标比较
• 19.5. 指标
  • 19.5.1. 内置指标库
  • 19.5.2. 自定义指标
  • 19.5.2.1. 最小周期

第20课 backtrader 回测框架（2）

• 20.1. Cerebro
  • 20.1.1. 增加记录器（日志）
  • 20.1.2. 增加观察者
  • 20.1.3. 执行与绘图
• 20.2. Order
  • 20.2.1. notify_order
• 20.3. 交易代理
  • 20.3.1. 资产与持仓查询
  • 20.3.2. 成交量限制
  • 20.3.2.1. FixedSize
  • 20.3.2.2. FixedBarPerc
  • 20.3.2.3. BarPointPerc
  • 20.3.3. 交易时机 - Cheat-On-Open
  • 20.3.4. 交易时机 - Cheat-on-Close
  • 20.3.5. 交易函数
  • 20.3.5.1. 普通交易函数
  • 20.3.5.2. order_target 系列
  • 20.3.6. 组合交易
  • 20.3.7. OCO 订单
  • 20.3.8. 滑点、交易费用
  • 20.3.8.1. 固定滑点
  • 20.3.8.2. 百分比滑点
  • 20.3.9. 交易费用
• 20.4. 可视化
  • 20.4.1. 观察器
  • 20.4.1.1. Broker 观察器
  • 20.4.1.2. BuySell 观察器
  • 20.4.1.3. Trade 观察器
  • 20.4.1.4. TimeReturn 观察器
  • 20.4.1.5. DrawDown 观察器
  • 20.4.1.6. Benchmark 观察器
  • 20.4.2. 定制绘图
  • 20.4.3. 收集回测数据
• 20.5. 优化
• 20.6. 小结

第21课 策略回测评估

• 21.1. 回报率
  • 21.1.1. 简单回报率
  • 21.1.2. 对数回报率
  • 21.1.3. Cumulative Returns
  • 21.1.4. Aggregate Returns
  • 21.1.5. Annual Return
• 21.2. 风险调整收益率
  • 21.2.1. sharpe ratio
  • 21.2.2. sharpe 比率与资产曲线的关系
  • 21.2.3. sortino 指标
  • 21.2.4. Max DrawDown （最大回撤）
  • 21.2.5. Sharpe 与 max drawdown 的关系
  • 21.2.6. 年化波动率
  • 21.2.7. Calmar Ratio
  • 21.2.8. Omega Ratio
• 21.3. 基准对照类指标
  • 21.3.1. information ratio
  • 21.3.2. alpha/beta
• 21.4. 策略评估的可视化
  • 21.4.1. Metrics
  • 21.4.2. plots
  • 21.4.3. basic 和 full
  • 21.4.4. html

第22课 回测陷阱

• 22.1. 幸存者偏差
• 22.2. Look-ahead bias
  • 22.2.1. 引用错误
  • 22.2.2. 偷价
  • 22.2.3. 复权引起的前视偏差
  • 22.2.4. PIT数据
• 22.3. 复权引起的问题
  • 22.3.1. 使用复权数据的必要性
  • 22.3.2. 后复权的问题
  • 22.3.3. 复权相关的其它问题
• 22.4. 交易规则
  • 22.4.1. T+1交易
  • 22.4.2. 涨、跌限制
• 22.5. 过度拟合
• 22.6. 回测时长
• 22.7. 回测与实盘的差异
  • 22.7.1. 信号闪烁
  • 22.7.2. 冲击成本
  • 22.7.3. 不可能成交的价格
  • 22.7.4. 撮合问题
• 22.8. 大富翁回测框架
  • 22.8.1. 回测功能简介
  • 22.8.1.1. 架构和风格
  • 22.8.2. 策略框架
  • 22.8.2.1. 数据和数据格式
  • 22.8.2.2. 跨周期数据
  • 22.8.2.3. 驱动模式与性能
  • 22.8.2.4. 回测报告
  • 22.8.3. 一个完整的策略示例
  • 22.8.4. 参数优化
• 22.9. 参考文献

第23课 实盘交易接口 (1)

• 23.1. easytrader
  • 23.1.1. 安装
  • 23.1.2. 生命期
  • 23.1.2.1. 连接客户端
  • 23.1.2.2. 获取账户信息
  • 23.1.2.3. 交易
  • 23.1.3. 服务器模式
  • 23.1.4. 自动跟单
• 23.2. 东方财富 EMC 智能交易终端
  • 23.2.1. 安装
  • 23.2.1.1. 配置文件单目录
  • 23.2.2. 运行和维护
  • 23.2.2.1. 启动
  • 23.2.2.2. 每日维护
  • 23.2.3. 故障排除与帮助
  • 23.2.4. 撮合配置规则
• 23.3. Trader-gm-adaptor
  • 23.3.1. 冒烟测试
  • 23.3.2. 客户端与服务器交互
  • 23.3.2.1. 客户端请求
  • 23.3.2.2. 返回结果
  • 23.3.3. API 示例
  • 23.3.3.1. 资产表
  • 23.3.3.2. 持仓表
  • 23.3.3.3. 限价买入
  • 23.3.3.4. 市价买入
  • 23.3.3.5. 限价卖出
  • 23.3.3.6. 市价卖出
  • 23.3.3.7. 取消委托
  • 23.3.3.8. 查询当日委托

第24课 实盘交易接口（2）

• 24.1. ptrade
  • 24.1.1. 申请与安装
  • 24.1.2. 策略框架概述
  • 24.1.2.1. initialize
  • 24.1.2.2. before_trading_start
  • 24.1.2.3. handle_data
  • 24.1.2.4. after_trading_end
  • 24.1.3. 一个双均线策略
  • 24.1.4. 复权机制
• 24.2. QMT
  • 24.2.1. 安装和申请量化权限
  • 24.2.2. 功能概览
  • 24.2.2.1. 我的板块
  • 24.2.2.2. 模型研究
  • 24.2.2.3. 模型交易
• 24.3. QMT-Mini
• 24.4. XtData
  • 24.4.1. 获取证券列表
  • 24.4.2. 获取交易日历
  • 24.4.3. 获取行情数据
• 24.5. XtTrader
  • 24.5.1. 封装成web服务