「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”。