為什麼寫作本書

作為投資者，我們常聽到的一句話是“不要把雞蛋放入同一個籃子中”，可見分散投資可以降低風險，但如何選擇不同的籃子、每個籃子放多少雞蛋，便是見仁見智的事情了，量化投資就是解決這些問題的一種工具。

而Python在1991年誕生，目前已成為非常受歡迎的動態程式語言，由於擁有巨量的函數庫，所以Python在各個領域都有廣泛應用，在量化投資界採用Python進行科學計算、量化投資的趨勢也越來越猛。目前各種線上策略程式設計平台都支援Python語言，例如優礦、米筐、聚寬等，這也是我們選擇Python進行量化投資的原因。

目前市場上關於Python與量化投資的圖書不少，但仔細研究後不難發現，很多圖書都是頂著量化投資的噱頭在講Python的語言基礎，其能提供的策略有限，並且大部分不提供回測平台，這種書籍中的策略常常為漲停股票可以買入、跌停股票可以賣出、停牌也可以交易，等等，這大幅違背了A股市場的交易規則，難以獲得準確的回測結果。

鑑於以上情形，為了更進一步地推動量化投資在中國的普及與發展，我們撰寫了《Python與量化投資：從基礎到實戰》一書，本書兼顧了Python語言與量化策略的撰寫，既可以為不懂Python語言的讀者提供零基礎入門，也可以為有Python基礎的讀者提供量化策略建模參考。細心的讀者不難發現，本書量化投資策略部分的介紹篇幅遠大於Python語言的介紹篇幅，這也可看出我們出版本書的初心。

如何使用本書

如果您從未接觸過Python或任何其他程式語言，則建議您從第1章開始看起，對Python基礎程式設計稍做了解；如果您已經是Python的忠實使用者，則可以從第4章開始看起，直接使用優礦平台完成對策略的撰寫。關於Python基礎部分的內容，您可自行安裝、執行Python進行學習；關於量化投資部分的內容，您需要用到優礦線上量化平台，不安裝Python也可以執行。

本書的搭配程式可以在http://books.hcquant.com下載。

Python基礎部分的範例程式的副檔名為.ipynb，是Jupyter Notebook檔案，可以直接用Python開啟執行；量化投資部分的範例程式的副檔名為.nb，需要上傳到優礦的Notebook執行。

本書講了什麼

本書分為兩大部分，共有7章，前3章為Python基礎部分，可以幫助讀者快速上手Python；後4章為量化投資部分，借助通聯資料優礦平台進行資料處理與策略建立，將各種策略程式直接開放原始碼，並且對各種策略進行了介紹與點評，可謂本書的精華部分。

第1章為準備工作，主要介紹Python的安裝與常用的函數庫，尤其是在量化投資領域會使用到的資料分析函數庫。

第2章介紹Python的基礎操作，為後續說明Python量化投資做準備，等於從零開始說明，可在短時間內快速上手Python程式設計。

第3章說明Python的進階內容，在第2章的基礎上詳細介紹NumPy、Pandas、SciPy、Seaborn、Scikit-Learn、SQLAlchemy等經典函數庫，是對前兩章的昇華和應用。

第4章說明常用金融資料的取得與整理，包含資料整合、資料過濾、資料探索與清洗、資料轉化，等等。

第5章介紹通聯資料回測平台，內容有關回測平台函數參數介紹、股票/期貨範本實例說明、回測結果分析、風險評價指標與回測細節的注意事項。

第6章說明常見的量化策略及其實現，內容有關企業輪動、市場中性Alpha、大師類別策略、CTA策略、Smart Beta、技術指標類別策略、資產設定、時間序列分析、組合最佳化器、期權策略等。程式全部公開，您可在短時間內使用我們的策略範本撰寫適合自己的策略。

第7章列出了10道自問自答題目，可便於您在短時間內更進一步地了解量化投資，希望對您做投資有所幫助。

繁體中文版說明

本書原作者為中國大陸人士，投資標的物也多為中國股市，為避免出現程式及內容之誤植，全書圖示及程式碼均保持簡體中文，請讀者對應書中內容閱讀。

為什麼寫作本書

作為投資者，我們常聽到的一句話是“不要把雞蛋放入同一個籃子中”，可見分散投資可以降低風險，但如何選擇不同的籃子、每個籃子放多少雞蛋，便是見仁見智的事情了，量化投資就是解決這些問題的一種工具。

而Python在1991年誕生，目前已成為非常受歡迎的動態程式語言，由於擁有巨量的函數庫，所以Python在各個領域都有廣泛應用，在量化投資界採用Python進行科學計算、量化投資的趨勢也越來越猛。目前各種線上策略程式設計平台都支援Python語言，例如優礦、米筐、聚寬等，這也是我們選擇Python進行量化投資的原因。

目前...

第1章 準備工作
1.1 Python的安裝與設定
1.2 常見的Python函數庫

第2章 Python基礎介紹
2.1 Python學習準備
2.2 Python語法基礎
2.3 Python運算子與運算式
2.4 Python中的控制流
2.5 Python函數
2.6 Python模組
2.7 Python例外處理與檔案操作

第3章 Python進階
3.1 NumPy的使用
3.2 Pandas的使用
3.3 SciPy的初步使用
3.4 Matplotlib的使用
3.5 Seaborn的使用
3.6 Scikit-Learn的初步使用
3.7 SQLAlchemy與常用資料庫的連接

第4章 常用資料的取得與整理
4.1 金融資料類型
4.2 金融資料的取得
4.3 資料整理

第5章 通聯資料回測平台介紹
5.1 回測平台函數與參數介紹
5.2 股票範本實例
5.3 期貨範本實例
5.4 策略回測詳情
5.5 策略的風險評價指標
5.6 策略交易細節

第6章 常用的量化策略及其實現
6.1 量化投資概述
6.2 企業輪動理論及其投資策略
6.3 市場中性Alpha策略
6.4 大師策略
6.5 CTA策略
6.6 Smart Beta
6.7 技術指標類別策略
6.8 資產設定
6.9 時間序列分析
6.10 組合最佳化器的使用
6.11 期權策略：Greeks和隱含波動率微笑計算

第7章 量化投資十問十答

第1章 準備工作
1.1 Python的安裝與設定
1.2 常見的Python函數庫

第2章 Python基礎介紹
2.1 Python學習準備
2.2 Python語法基礎
2.3 Python運算子與運算式
2.4 Python中的控制流
2.5 Python函數
2.6 Python模組
2.7 Python例外處理與檔案操作

第3章 Python進階
3.1 NumPy的使用
3.2 Pandas的使用
3.3 SciPy的初步使用
3.4 Matplotlib的使用
3.5 Seaborn的使用
3.6 Scikit-Learn的初步使用
3.7 SQLAlchemy與常用資料庫的連接

第4章 常用資料的取得與整理
4.1 金融資料類型
4.2 金融資料的...