Python量化金融與人工智能（簡體書）

前 言

“量化金融投資”以數據為基礎，以優化和統計等數學模型為核心，結合現代金融理論(金融市場及機構、公司金融、投資學、金融工程等)，在各類金融機構以及監管部門中都有廣泛的應用。量化金融投資起源於投資組合理論，隨著投資管理技術、云計算、大數據、人工智能及計算機技術的快速發展，在金融市場逐步成熟之後，量化金融投資得到了迅速發展。在目前國際、國內經濟大背景，以及中國股票市場、期貨市場形態多變的投資環境下，量化金融投資應如何調整策略以適應新的投資環境，量化金融投資該如何在期貨市場持續發展，如何在中國特色特定的金融市場環境中開展量化金融投資與對衝基金業務等問題，值得我們深思！諸如此類的問題，亟須學者們進行深入研究，為中國量化金融投資發展指明方向。本書的構思，正是在這樣的背景下提出來的。

隨著信息科技的普及、金融計量方法的蓬勃發展以及金融衍生工具的多樣化選擇，金融科技與量化金融投資快速發展，掀起了一股熱潮，金融市場特別是基金和證券行業對金融科技與量化金融投資人才的需求逐年攀升，但市場上這方面的人才卻十分匱乏。目前國內就“量化金融投資”這門新興交叉學科缺乏相應的教學輔導資料，而且許多高等學校對這門學科的建設缺乏經驗。鑒於此，我們特出版本書，以適應金融科技與量化金融投資專業創新型人才培養的知識結構要求。

本書以Bigquant量化金融投資平臺為基礎，利用我國的實際數據給出金融投資方法與策略的Python應用，具有很好的實用價值。本書實例豐富，具有很強的針對性，讀者只需按照書中介紹的步驟一步一步地實際操作，就能掌握全書的內容。量化技術與方法在Python環境下運行，量化金融投資的部分策略在Bigquant量化金融投資云計算平臺下運行，部分策略在Python-Spyder環境下調試、運行。

本書共分6篇：第1篇為量化金融投資基礎與Python技術；第2篇為Python統計分析；第3篇為Python基本計量經濟分析；第4篇為Python金融時間序列分析；第5篇為Python金融投資理論；第6篇為Python量化金融投資策略。具體內容是這樣安排的：第1章介紹量化金融投資基礎及Python下載、安裝與啟動；第2章介紹Python編程基礎；第3章介紹Python金融數據存取；第4章介紹Python工具庫NumPy數組與矩陣計算；第5章介紹Python工具庫SciPy優化與統計分析；第6章介紹Python工具庫Pandas數據物件及數據分析；第7章介紹Python描述統計；第8章介紹Python參數估計及其應用；第9章介紹Python參數假設檢驗；第10章介紹Python相關分析與回歸分析；第11章介紹Python多重共線性處理；第12章介紹Python異方差處理；第13章介紹Python自相關處理；第14章介紹Python金融時間序列分析的日期處理；第15章介紹Python金融時間序列的自相關性與平穩性；第16章介紹Python金融時間序列分析的ARIMA模型；第17章介紹Python金融時間序列分析的ARCH與GARCH模型；第18章介紹Python資產組合的收益率與風險；第19章介紹Python-optimize工具優化資產組合均值方差模型；第20章介紹Python在有無風險資產的均值方差模型中的應用；第21章介紹Python在資本資產定價模型中的應用；第22章介紹貝塔對衝策略；第23章介紹量化選股策略分析；第24章介紹量化擇時策略分析；第25章介紹量化選股與量化擇時組合策略分析；第?26?章介紹金融大數據量化投資統計套利的協整配對交易策略；第?27?章介紹基於Python環境的配對交易策略；第28章介紹人工智能機器學習量化金融策略等。

本書是“2019年廣東省高等教育教學研究和改革項目(大數據時代經濟與金融計量分析課程教學改革)”“2020年廣東財經大學投資學教學團隊建設項目”“2020年投資學專業廣東省一流本科專業建設項目”“2021年投資學專業國家級一流本科專業建設項目”等階段性成果。

本書是一部供金融學、金融工程、投資學、保險學、經濟學、財政學、統計學、應用統計、數量經濟學、管理科學與工程、計算機應用技術、應用數學、計算數學、概率統計、財務管理、會計學、工商管理等專業的本科高年級學生與研究生使用的參考書；也適合以下Python工作者使用，如有計算機背景的軟件工程師、有數據分析背景的數據科學家；金融行業從業者，如券商研究員、金融分析師、基金經理、寬客等。

由於時間和水平的限制，書中難免出現紕漏，懇請讀者諒解並提出寶貴意見。

編 者

第1篇 量化金融投資基礎與Python技術
第1章 量化金融投資基礎及Python
下載、安裝與啟動
1．1 量化金融投資基礎
1．1．1 量化金融投資的概念
1．1．2 量化金融投資的優勢
1．1．3 量化金融投資的歷史和未來
1．1．4 量化金融投資的應用與流程
1．2 Python工具概述
1．3 Python工具的下載
1．4 Python的安裝
1．5 Python的啟動和退出
練習題
第2章 Python編程基礎
2．1 Python的兩個基本操作
2．2 Python數據結構
2．3 Python函數
2．4 Python條件與循環
2．5 Python類與物件
練習題
第3章 Python金融數據存取
3．1 Python-NumPy數據存取
3．2 Python-Scipy數據存取
3．3 Python-pandas的csv格式數據文件存取
3．4 Python-pandas的Excel格式數據文件存取
3．5 讀取並查看數據表列
3．6 讀取挖地兔財經網站的數據
3．7 挖地兔Tushare財經網站數據的保存
3．8 使用Opendatatools工具獲取數據
3．9 Python-quandl財經數據接口
3．10 下載Yahoo財經網站數據
3．11 存取Yahoo財經網站數據
練習題
第4章 Python工具庫NumPy數組與矩陣計算
4．1 NumPy概述
4．2 NumPy數組物件
4．3 創建數組
4．4 數組操作
4．5 數組元素訪問
4．6 矩陣操作
4．7 缺失值處理
練習題
第5章 Python工具庫SciPy優化與統計分析
5．1 SciPy概述
5．2 scipy．optimize優化方法分析
5．3 利用CVXOPT求解二次規劃問題
5．4 scipy．stats的統計方法分析
練習題
第6章 Python工具庫Pandas數據物件及數據分析
6．1 Pandas基礎知識
6．1．1 數據物件
6．1．2 增刪查改
6．1．3 Pandas常用函數
6．1．4 繪圖
6．1．5 數據讀寫
6．2 Pandas基本金融數據分析
6．3 Pandas橫向合並金融數據分析
6．4 Pandas縱向分類匯總金融數據分析
練習題

第2篇 Python統計分析
第6篇 Python量化金融投資策略
第7章 Python描述統計
7．1 描述性統計的Python工具
7．2 數據集中趨勢的度量
7．3 數據離散狀況的度量
7．4 峰度、偏度與正態性檢驗
7．5 異常數據處理
練習題
第8章 Python參數估計及其應用
8．1 參數估計與置信區間的含義
8．2 Python點估計
8．3 Python單正態總體均值區間估計
8．4 Python單正態總體方差區間估計
8．5 Python雙正態總體均值差區間估計
8．6 Python雙正態總體方差比區間估計
練習題
第9章 Python參數假設檢驗
9．1 參數假設檢驗的基本理論
9．1．1 p-value決策
9．1．2 假設檢驗
9．2 Python單樣本t檢驗
9．3 Python兩個獨立樣本t檢驗
9．4 Python配對樣本t檢驗
9．5 Python單樣本方差假設檢驗
9．6 Python雙樣本方差假設檢驗
練習題
第10章 Python相關分析與回歸分析
10．1 Python相關分析
10．2 Python一無線性回歸分析的statsmodels應用
10．3 Python多元線性回歸分析
練習題
……
第3篇 Python基本計量經濟分析
第4篇 Python金融時間序列分析
第5篇 Python金融投資理論