Python股票量化交易入门
学习并记录《Python股票量化交易从入门到实践》，原书贴近实战，许多踩过的坑都有解决方案，个人觉得这是一本比较合适的快速入门书籍。
文章目录
- Python股票量化交易入门
- 前言
- 一、Python基础关键点
- 二、NumPy快速入门及量化关键点
- 三、Pandas快速入门及量化关键点
- 四、Matplotlib快速入门及量化关键点
- 五、行情数据的获取和管理
- 六、技术指标的可视化分析
- 七、回测及构建量化交易策略体系
前言
量化交易个人认为技术要服务于交易，主要还是以策略研究为主，一切以实战需求出发的学习相关技术即可
一、Python基础关键点
本章记录Python基础知识，量化相关的关键点，将相应的关键点融汇贯通后，以便后期更好的表达和实现相关策略。
二、NumPy快速入门及量化关键点
本章介绍了NumPy库在量化交易中的关键知识点，讲述N维数组对象及特性（矢量运算特性，广播运算特性，高效处理特性），介绍一些数组处理函数，为更好的掌握Pandas库知识点打好基础
三、Pandas快速入门及量化关键点
本章介绍了Pandas库在量化交易中的关键知识点，讲述Series和DataFrame数据结构的基本生成和访问方法，对量化中最常用的DataFrame数据结构展示了一些列的分析方法（时间序列的生成和转换，规整化DataFrame数据的整个过程，高效遍历DataFrame数据的方法，储存及加载DataFrame数据的方法）。掌握Pandas库的这些使用方法可以帮助我们更好的进行金融数据的量化分析。
四、Matplotlib快速入门及量化关键点
本章主要介绍Matplotlib库在量化交易中的关键知识点。讲述Matplotlib中函数式绘图和对象式绘图两种绘图方式的特点和区别；介绍了K线图等常用图标的绘制方法；最后讲述了多字图的创建和布局方法。掌握了Matplotlib的这些方法后，我们可以用可视化的方法更直观的进行金融数据的量化分析。
五、行情数据的获取和管理
本章介绍了Pandas，Tushare，Baostock三种获取股票数据的方法，讲述对获得的股票数据进行量化分析前的规整化处理；进一步介绍了自选股票池的创建，分类管理，数据统一下载等方案；最后介绍了SQLite管理本地行情数据的方法，提供了更加高效地管理大量行情数据的方案。
六、技术指标的可视化分析
本章介绍了MACD等常用技术指标的可视化以及定制可视化接口的方法，好的框架接口可视化可以帮助我们更加便捷地展开股票技术指标可视化分析。进一步介绍了基础技术指标，衍生技术指标的原理，计算和可视化，同时也介绍了Ta-Lib库实现技术指标的强大优势和方法；最后我们将分立的技术指标通过自定义框架，灵活地集成为一副行情分析界面，帮我我们更加全面的观测股票技术指标。
七、回测及构建量化交易策略体系
本章介绍了多维度量化体系的实现方法（交易盈亏区间可视化，交易概览信息的统计展示，度量策略的资金绝对收益率与基准的相对收益率，度量策略的最大回撤以及回撤界面的整体自定义设计），讲述了常见经典策略（唐奇安通道突破策略，ATR跟踪止盈/止损策略线性回归策略等）的实现及方法以及蒙特卡洛法最优化参数和基于凯利公式的量化仓位管理应用；最后讨论了回撤阶段的陷阱，避免使用未来函数和因滑点，手续费设置，参数过优化等导致策略回撤陷阱。
