㈠ 【2022·合輯】Python量化從入門到精通
引言
公眾號「Python金融量化」歷經四年，累計10萬+關注，依然堅持文字輸出，這背後離不開廣大讀者的支持，特別是知識星球圈友的貢獻，累計付費人數已達1600+。公眾號以原創內容為動力，今年的一大成就在於基於公眾號沉澱和網上資源開發了qstock量化分析包，包括數據獲取、可視化、選股和量化回測四大模塊。qstock面向讀者開源，直接通過「pip install qstock」進行安裝，或通過「pip install –upgrade qstock」進行更新，部分策略功能僅對知識星球會員開放。
學習是一個逐步積累的過程，通過梳理過去四年發布的90多篇原創文章，形成四大框架：Python入門篇、金融數據篇、量化分析篇和策略回測篇。以下將詳細介紹各部分內容。
Python入門篇
這一部分主要圍繞Python金融量化入門學習路徑、量化資源，以及numpy、pandas、matplotlib等量化常用庫的入門和應用。推薦使用Anaconda作為編譯軟體，內置Jupyter notebook和Spyder，其中Jupyter在互動式編程與數據分析上功能強大。公眾號文章皆基於Jupyter編寫。
1.1 Python金融量化入門
1.2 Python量化資源大合集
1.3 NumPy入門與應用
1.4 Pandas數據處理詳解
1.5 Matplotlib與Seaborn可視化
1.6 Sklearn機器學習基礎
1.7 Pyecharts股票可視化分析
金融數據篇
本部分涉及使用Python獲取股票行情、上市公司基本面、宏觀經濟以及財經新聞等數據，進行可視化分析。使用Postgresql搭建本地量化分析資料庫，介紹qstock免費開源庫在線獲取行情數據、板塊資金流數據、宏觀基本面和財經新聞數據。
2.1 Python獲取交易數據
2.2 上市公司數據概覽
2.3 Python量化選股初探
2.4 財經十大關鍵詞解析
2.5 Python財經數據可視化
2.6 文本挖掘與財經分析
2.7 Python量化財經新聞分析
2.8 自建量化分析資料庫
2.9 Python面向對象編程與股票數據管理
量化分析篇
本部分深入探討A股市場分析、金融統計、蒙特卡洛模擬、時間序列建模、TA-Lib技術分析、投資組合、多因子模型、基本面量化分析等。內容涵蓋數據探索性分析、時間序列專題、技術分析、投資組合分析、多因子模型、債券與期權分析、比特幣量化、基本面量化等。
3.1 股票分析入門
3.2 A股指數圖譜分析
3.3 A股沉浮啟示錄
3.4 股市趨勢與拐點研究
3.5 A股數據挖掘案例
3.6 機器學習分析股票市場結構
3.7 股票漲停板探索性分析
3.8 時間序列日期處理
3.9 時間序列自相關性與平穩性
3.10 金融時間序列模型
3.11 ARCH與GARCH模型應用
3.12 機器學習預測效果與非平穩性
3.13 Markov區制轉換模型分析
3.14 統計套利量化
3.15 股市牛熊分析
3.16 TA-Lib技術分析
3.17 TA-Lib技術分析案例
3.18 量價關系分析
3.19 Python量化股票情緒指標
3.20 動量指標量化回測
3.21 Python量化強勢股尋找
3.22 Python量價形態選股
3.23 牛股價量分析
3.24 Heikin Ashi蠟燭圖可視化
3.25 趨勢預測方法
3.26 價格噪音量化應用
3.27 交易系統與市場分析
3.28 多因子量化選股模型
3.29 單因子測試框架
3.30 量化回測
3.31 固定收益與衍生品分析
3.32 債券與期權定價分析
3.33 比特幣交易者分析
3.34 股票財務指標打分系統
3.35 高管增持股價影響
3.36 領漲板塊與題材龍頭股
策略回測篇
本部分聚焦於量化策略的評價指標、指數定投、機器學習、海龜交易法、均值回歸策略等，以及backtrader回測系統的運用和qstock量化回測。
4.1 量化投資方法論
4.2 量化策略評價與風險指標
4.3 證券收益分析
4.4 事件驅動量化回測
4.5 Pyfolio量化回測圖表
4.6 指數定投策略分析
4.7 如何實現基金定投收益最大化
4.8 使用Logistic回歸預測指數漲跌
4.9 RNN深度學習預測股票價格
4.10 均值回歸策略回測
4.11 海龜交易法則應用
4.12 月份效應與A股擇時策略
4.13 北向資金預測大盤漲跌
4.14 ADX和MACD趨勢策略回測
4.15 龍虎榜個股交易策略
4.16 qstock量化回測應用
4.17 均線排列價格動量策略
4.18 價格動量策略回測
4.19 機器學習預測交易信號
4.20 神經網路構建量化交易策略
4.21 backtrader入門與使用
4.22 backtrader進階指南
4.23 backtrader高級應用
4.24 回測股票因子數據
4.25 股票組合量化回測
4.26 海龜交易策略回測
4.27 回測技術指標自定義
4.28 Ichimoku雲圖策略回測
4.29 隔夜持倉與日內交易比較
結語
回顧過去，展望未來，曾國藩的「物來順應，未來不迎，當時不雜，既過不戀」作為結語，寄予讀者以智慧與啟示。公眾號「Python金融量化」致力於分享Python金融量化應用知識，提供豐富資源、視頻資料、PDF文檔、文章源碼以及與博主交流的平台。加入知識星球，獲取更多內容，與作者互動交流。