Python量化交易實(shí)戰(zhàn)：使用vn.py構(gòu)建交易系統(tǒng)

　　
　　
　　
　　
本書(shū)源碼
第1章  簡(jiǎn)介 1
1.1  量化交易的概念 1
1.1.1  趨勢(shì)性交易 2
1.1.2  市場(chǎng)中性交易 3
1.1.3  高頻交易 4
1.2  量化交易的歷史 5
1.3  量化交易的工具 6
1.3.1  基于Web端的工具 6
1.3.2  本地離線的工具 9
1.4  vn.py的優(yōu)勢(shì) 10
1.5  vn.py的安裝與環(huán)境配置 11
1.5.1  VeighNa Studio安裝 11
1.5.2  手動(dòng)安裝 14
1.6  小結(jié) 22
第2章  常用的Python數(shù)據(jù)包 23
2.1  NumPy的使用 23
2.1.1  NumPy中的數(shù)據(jù)類(lèi)型 23
2.1.2  NumPy中數(shù)組的使用 23
2.2  Matplotlib的使用 30
2.2.1  Matplotlib中的相關(guān)概念 30
2.2.2  使用Matplotlib繪圖 30
2.3  Pandas的使用 41
2.3.1  Pandas中的數(shù)據(jù)結(jié)構(gòu) 41
2.3.2  使用Pandas讀取數(shù)據(jù) 42
2.3.3  使用Pandas處理數(shù)據(jù) 44
2.4  SciPy的使用 47
2.4.1  使用SciPy寫(xiě)入mat文件 47
2.4.2  使用SciPy讀取mat文件 48
2.5  scikit-learn的使用 48
2.5.1  使用scikit-learn進(jìn)行回歸 49
2.5.2  使用scikit-learn進(jìn)行分類(lèi) 52
2.6  Pillow的使用 57
2.6.1  使用Pillow讀取并顯示圖像 57
2.6.2  使用Pillow處理圖像 58
2.7  OpenCV的使用 69
2.7.1  使用OpenCV讀取與顯示圖像 70
2.7.2  使用OpenCV處理圖像 71
2.8  collections的使用 76
2.8.1  namedtuple 76
2.8.2  Counter 77
2.8.3  OrderedDict 77
2.8.4  defaultdict 78
2.9  typing的使用 78
2.9.1  標(biāo)準(zhǔn)數(shù)據(jù)類(lèi)型標(biāo)識(shí) 79
2.9.2  collections中的數(shù)據(jù)類(lèi)型標(biāo)識(shí) 81
2.9.3  其他常用標(biāo)識(shí) 82
2.10  argparse的使用 83
2.10.1  argparse的使用框架 83
2.10.2  使用argparse解析命令行參數(shù) 84
2.11  JSON的使用 86
2.11.1  使用JSON寫(xiě)入數(shù)據(jù) 86
2.11.2  使用JSON讀取數(shù)據(jù) 87
2.12  TA-Lib的使用 88
2.12.1  技術(shù)指標(biāo) 88
2.12.2  模式識(shí)別 90
2.13  Tushare的使用 91
2.14  Orange的使用 93
2.14.1  Orange中的示例 94
2.14.2  創(chuàng)建自己的工作流 97
2.15  Optunity的使用 99
2.16  Optuna的使用 100
2.17  小結(jié) 101
第3章  vn.py基礎(chǔ) 102
3.1  vn.py的整體架構(gòu) 102
3.1.1  底層接口 102
3.1.2  中層引擎 103
3.1.3  上層應(yīng)用 106
3.2  vn.py文件中的交易接口 106
3.2.1  CTP接口 106
3.2.2  UFT接口 115
3.3  vn.py文件中的數(shù)據(jù)庫(kù) 116
3.4  vn.py文件中的回測(cè)模塊 125
3.5  vn.py文件中的自動(dòng)交易模塊 128
3.6  vn.py文件中的實(shí)盤(pán)行情記錄模塊 129
3.7  vn.py文件中的歷史數(shù)據(jù)管理模塊 130
3.8  vn.py文件中的實(shí)時(shí)K線圖表模塊 132
3.9  vn.py文件中的投資組合管理模塊 132
3.10  vn.py文件中的事前風(fēng)控管理模塊 133
3.11  vn.py文件中的本地仿真交易模塊 134
3.12  vn.py文件中的算法委托執(zhí)行交易模塊 135
3.13  vn.py文件中的多合約組合策略模塊 137
3.14  vn.py文件中的多合約價(jià)差組合套利模塊 137
3.15  小結(jié) 138
第4章  量化交易的基礎(chǔ)知識(shí) 139
4.1  交易策略 139
4.2  倉(cāng)位與資金管理 139
4.2.1  固定倉(cāng)位/資金管理策略 140
4.2.2  漏斗形管理策略 141
4.2.3  金字塔形策略 142
4.2.4  馬丁策略 143
4.2.5  反馬丁策略 144
4.2.6  凱利公式 144
4.3  事前風(fēng)控 145
4.4  事中風(fēng)控 145
4.5  事后風(fēng)控 145
4.6  小結(jié) 146
第5章  基于指標(biāo)的交易策略 147
5.1  交易策略框架 147
5.2  雙均線交易策略 150
5.3  KDJ交易策略 158
5.4  MACD交易策略 164
5.5  BIAS交易策略 169
5.6  布林帶交易策略 174
5.7  ATR交易策略 179
5.8  ADX交易策略 183
5.9  Dual Thrust交易策略 188
5.10  AR交易策略 193
5.11  EMD交易策略 197
5.12  均線排列交易策略 203
5.13  R-Breaker交易策略 208
5.14  超級(jí)趨勢(shì)交易策略 212
5.15  布林海盜交易策略 217
5.16  Hans123交易策略 221
5.17  海龜交易策略 227
5.18  海龜湯交易策略 233
5.19  網(wǎng)格交易策略 237
5.20  CMO交易策略 241
5.21  小結(jié) 245
第6章  基于模型的交易策略 246
6.1  基于ARMA模型的交易策略 246
6.2  基于ARIMA模型的交易策略 254
6.3  基于SARIMA模型的交易策略 261
6.4  基于SVM的交易策略 267
6.5  基于計(jì)算機(jī)視覺(jué)的交易策略 271
6.6  小結(jié) 286
第7章  交易策略的集成 287
7.1  策略集成的方法 287
7.2  基于分類(lèi)模型集成交易策略 288
7.3  基于回歸模型集成交易策略 299
7.4  小結(jié) 304
第8章  實(shí)盤(pán)交易 305
8.1  實(shí)盤(pán)交易與回測(cè)的區(qū)別 305
8.2  準(zhǔn)備工作 306
8.3  運(yùn)行策略 310
8.3.1  基于tick數(shù)據(jù)的實(shí)盤(pán)策略 310
8.3.2  基于分鐘K線數(shù)據(jù)的實(shí)盤(pán)策略 317
8.4  小結(jié) 323
　　
IV
V