「收藏」2020年Python量化文章合辑
引言
不知不觉，公众号“Python金融量化”已走过两个年头。这一路走来非常感谢读者的支持，尤其是知识星球圈友，你们的知识付费是我坚持走原创输出的动力。学习是一个循序渐进的过程，只有通过不断的总结才能形成系统的知识框架。通过对两年来发布的60篇原创文章进行梳理，归纳成四个大的部分，包括Python入门篇 、金融数据篇、量化分析篇和策略回测篇 ，形成了较为完整的框架体系。本公众号文章的最大特色是以金融场景+案例形式切入，分享Python在金融量化领域的应用，实战性强，为在校经管类学生和金融从业者提供了丰富的实践分析案例。
01Python入门篇
这一部分主要是关于Python金融量化入门学习路径、量化资源，以及numpy、pandas、matplotlib等量化常用库的入门和应用。Python的编译软件有很多，个人建议安装Anaconda，自带Jupyter notebook和Spyder，其中Jupyter在交互式编程与数据分析上功能十分强大，公众号上所有文章都是基于Jupyter写的。
首先，结合个人经验分享Python金融量化的学习路径，以及分享Python从入门、进阶、到高阶的学习资料，以及金融投资相关书籍（PDF）。
其次，关于Numpy（数组矩阵）、Pandas（数据处理分析）、Matplotlib（可视化）、Seaborn（可视化）、Sklearn（机器学习）等金融量化常用库的入门和应用。
1.3 【手把手教你】玩转Python量化金融工具之NumPy
1.4 【手把手教你】玩转Python金融量化利器之Pandas
1.5 【建议收藏】Matplotlib可视化最有价值的50张图表（附完整源码）
1.6 【手把手教你】Seaborn在金融数据可视化中的应用
02金融数据篇
本部分主要是使用Python获取股票行情、上市公司基本面、宏观经济以及财经新闻等数据，对其进行可视化分析，以及使用Postgresql （sqlite3）搭建本地量化分析数据库。
2.3 Python量化选股初探
2.4 2018你不可不知的十大关键词
2.9 「手把手教你」Python面向对象编程入门及股票数据管理应用实例
03量化分析篇
本部分涉及内容比较多，包括使用Python做金融统计分析、蒙特卡洛模拟，时间序列建模，Talib技术分析、投资组合以及多因子模型分析等。
A股数据探索性分析：
3.1 【Python量化】股票分析入门
3.2 A股指数图谱：是否有月份效应？
3.5 2005-2020年A股数据挖掘：谁是最大的牛股？「附Python分析源码」
3.6 机器学习刻画股票市场结构和可视化——以上证50成分股为例
时间序列专题：
3.10 Python玩转金融时间序列之ARCH与GARCH模型
3.11 资产收益率的非平稳性——为何机器学习预测效果不佳？
TA-Lib与股票技术分析：
3.14 【手把手教你】股市技术分析利器之TA-Lib（一）
3.17 【手把手教你】Python量化股票市场情绪指标ARBR
3.19 【Python量化】如何利用欧奈尔的RPS寻找强势股？
3.21 牛股价量探索性分析与趋势指标可视化
3.22 【手把手教你】使用Python对股价的Heikin Ashi蜡烛图进行可视化
投资组合分析与多因子模型 ：
3.23 什么是多因子量化选股模型？
3.24 【手把手教你】Python量化Fama-French三因子模型
3.25 单因子测试框架分享
3.26 如何对选股因子进行量化回测？
债券与期权衍生品之QuantLib入门与应用：
3.27 「手把手教你」固定收益和衍生品分析利器QuantLib入门
3.28「手把手教你」使用QuantLib进行债券估值和期权定价分析
04策略回测篇
本部分主要是使用Python分析量化策略的评价指标，指数定投策略、机器学习、海龟交易法则和均值回归策略等，以及专题介绍backtrader回测系统的运用。
量化交易策略概述及评价指标：
构建交易策略并进行简单的量化回测：
4.6 Python数说指数定投策略
4.8 「手把手教你」使用Logistic回归、LDA和QDA模型预测指数涨跌
4.9 【手把手教你】使用RNN深度学习预测股票价格
4.10 手把手教你用Python搭建自己的量化回测框架「均值回归策略」
4.12 A股存在月份效应吗？构建月度择时策略「附Python源码」
开源回测框架backtrader专题系列：
4.14 【手把手教你】入门量化回测最强神器backtrader（一）
4.15「手把手教你」入门量化回测最强神器backtrader（二）
4.16「手把手教你」入门量化回测最强神器backtrader（三）
4.19「手把手教你」用backtrader量化回测海龟交易策略
4.20 backtrader如何加载股票因子数据？以换手率、市盈率为例进行回测
结语
一切过往，皆为序章。最后以曾国藩的人生感言作为结语，“物来顺应，未来不迎，当时不杂，既过不恋”。