91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
Python算法交易
Python算法交易
Yves Hilpisch 著
竇衍森, 熊博 譯
出版時(shí)間：2022年11月
頁(yè)數(shù)：378
“很高興看到Y(jié)ves Hilpisch的作品，他把Python和云計(jì)算的復(fù)合技術(shù)跟統(tǒng)計(jì)和機(jī)器學(xué)習(xí)進(jìn)行了融合，來(lái)捕捉金融市場(chǎng)的正回報(bào)。”
——McKlayne Marshal
算法交易企業(yè)家

雖然算法交易曾經(jīng)是機(jī)構(gòu)參與者的專屬領(lǐng)域，但是現(xiàn)在已經(jīng)開(kāi)放給了使用在線平臺(tái)的小型組織和個(gè)人交易者。今天Python及其強(qiáng)大的軟件包生態(tài)系統(tǒng)是許多交易者首選的工具。在這本非常實(shí)用的書(shū)中，本書(shū)作者向?qū)W生、學(xué)者及從業(yè)者展示了如何在有趣的算法交易領(lǐng)域使用Python。
你將學(xué)習(xí)幾種在不同方面應(yīng)用Python進(jìn)行算法交易的方法，例如如何回測(cè)交易策略，以及如何與在線交易平臺(tái)交互。一些非常大的買(mǎi)方和賣方機(jī)構(gòu)都大量使用Python。通過(guò)探索系統(tǒng)的構(gòu)建和部署自動(dòng)算法交易策略，本書(shū)將幫助你實(shí)現(xiàn)公平競(jìng)爭(zhēng)。

● 為算法交易配置合適的Python環(huán)境。
● 了解如何從公共和專有數(shù)據(jù)源檢索金融數(shù)據(jù)。
● 使用NumPy和pandas探索金融分析的矢量化。
● 掌握不同算法交易策略的矢量化回測(cè)。
● 使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)生成市場(chǎng)預(yù)測(cè)。
● 使用套接字編程工具對(duì)流數(shù)據(jù)進(jìn)行實(shí)時(shí)處理。
● 使用OANDA和FXCM交易平臺(tái)實(shí)施自動(dòng)算法交易策略。
  1. 前言
  2. 第1章 Python和算法交易
  3. 1.1 Python的金融之道
  4. 1.1.1 Python 與偽代碼
  5. 1.1.2 NumPy和向量化
  6. 1.1.3 pandas和DataFrame類
  7. 1.2 算法交易
  8. 1.3 Python的算法交易之道
  9. 1.4 本書(shū)的重點(diǎn)和先決條件
  10. 1.5 交易策略
  11. 1.5.1 簡(jiǎn)單移動(dòng)平均線
  12. 1.5.2 動(dòng)量策略
  13. 1.5.3 均值回歸
  14. 1.5.4 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)
  15. 1.6 小結(jié)
  16. 1.7 參考資料和延伸資源
  17. 第2章 Python基礎(chǔ)架構(gòu)
  18. 2.1 Conda作為軟件包管理器
  19. 2.1.1 安裝Miniconda
  20. 2.1.2 Conda的基本操作
  21. 2.2 Conda作為虛擬環(huán)境管理器
  22. 2.3 使用Docker容器
  23. 2.3.1 Docker 鏡像和容器
  24. 2.3.2 構(gòu)建一個(gè)帶Python 的Ubuntu Docker鏡像
  25. 2.4 使用云實(shí)例
  26. 2.4.1 RSA 公鑰私鑰
  27. 2.4.2 Jupyter Notebook 配置文件
  28. 2.4.3 Python和Jupyter Lab的安裝腳本
  29. 2.4.4 編排Droplet初始化腳本
  30. 2.5 小結(jié)
  31. 2.6 參考資料和延伸資源
  32. 第3章 處理金融數(shù)據(jù)
  33. 3.1 從不同數(shù)據(jù)源讀取金融數(shù)據(jù)
  34. 3.1.1 數(shù)據(jù)集
  35. 3.1.2 用Python讀取CSV文件
  36. 3.1.3 使用pandas從CSV文件讀取
  37. 3.1.4 導(dǎo)出到Excel和JSON
  38. 3.1.5 從Excel和JSON讀取數(shù)據(jù)
  39. 3.2 使用開(kāi)放數(shù)據(jù)源
  40. 3.3 Eikon數(shù)據(jù)API
  41. 3.3.1 獲取結(jié)構(gòu)化歷史數(shù)據(jù)
  42. 3.3.2 獲取非結(jié)構(gòu)化歷史數(shù)據(jù)
  43. 3.4 高效存儲(chǔ)金融數(shù)據(jù)
  44. 3.4.1 存儲(chǔ)DataFrame對(duì)象
  45. 3.4.2 使用TsTables
  46. 3.4.3 用SQLite3存儲(chǔ)數(shù)據(jù)
  47. 3.5 小結(jié)
  48. 3.6 參考資料和延伸資源
  49. 3.7 Python腳本
  50. 第4章 掌握向量化回測(cè)
  51. 4.1 利用向量化
  52. 4.1.1 使用Numpy進(jìn)行向量化
  53. 4.1.2 使用pandas進(jìn)行向量化
  54. 4.2 基于簡(jiǎn)單移動(dòng)平均線的策略
  55. 4.2.1 入門(mén)基礎(chǔ)
  56. 4.2.2 方法通用化
  57. 4.3 基于動(dòng)量的策略
  58. 4.3.1 基礎(chǔ)入門(mén)
  59. 4.3.2 方法通用化
  60. 4.4 基于均值回歸的策略
  61. 4.4.1 基礎(chǔ)入門(mén)
  62. 4.4.2 方法通用化
  63. 4.5 數(shù)據(jù)窺探和過(guò)度擬合
  64. 4.6 小結(jié)
  65. 4.7 參考資料和延伸資源
  66. 4.8 Python腳本
  67. 4.8.1 SMA回測(cè)類
  68. 4.8.2 動(dòng)量回測(cè)類
  69. 4.8.3 均值回歸回測(cè)類
  70. 第5章 通過(guò)機(jī)器學(xué)習(xí)預(yù)測(cè)市場(chǎng)動(dòng)向
  71. 5.1 使用線性回歸進(jìn)行市場(chǎng)走勢(shì)預(yù)測(cè)
  72. 5.1.1 線性回歸快速回顧
  73. 5.1.2 價(jià)格預(yù)測(cè)的基本思路
  74. 5.1.3 預(yù)測(cè)指數(shù)水平
  75. 5.1.4 預(yù)測(cè)未來(lái)收益
  76. 5.1.5 預(yù)測(cè)未來(lái)市場(chǎng)方向
  77. 5.1.6 基于回歸策略的向量化回測(cè)
  78. 5.1.7 概括方法
  79. 5.2 使用機(jī)器學(xué)習(xí)進(jìn)行市場(chǎng)動(dòng)向預(yù)測(cè)
  80. 5.2.1 scikit-learn的線性回歸
  81. 5.2.2 一個(gè)簡(jiǎn)單的分類問(wèn)題
  82. 5.2.3 使用邏輯回歸預(yù)測(cè)市場(chǎng)方向
  83. 5.2.4 方法通用化
  84. 5.3 使用深度學(xué)習(xí)進(jìn)行市場(chǎng)走勢(shì)預(yù)測(cè)
  85. 5.3.1 再談簡(jiǎn)單分類問(wèn)題
  86. 5.3.2 使用深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)市場(chǎng)方向
  87. 5.3.3 添加不同類型的特征
  88. 5.4 小結(jié)
  89. 5.5 參考資料和延伸資源
  90. 5.6 Python腳本
  91. 5.6.1 線性回歸回測(cè)類
  92. 5.6.2 分類算法回測(cè)類
  93. 第6章 構(gòu)建基于事件回測(cè)的類
  94. 6.1 回測(cè)基礎(chǔ)類
  95. 6.2 做多回測(cè)類
  96. 6.3 多空回測(cè)類
  97. 6.4 小結(jié)
  98. 6.5 參考資料和延伸資源
  99. 6.6 Python腳本
  100. 6.6.1 回測(cè)基礎(chǔ)類
  101. 6.6.2 做多回測(cè)類
  102. 6.6.3 多空回測(cè)類
  103. 第7章 使用實(shí)時(shí)數(shù)據(jù)和套接字
  104. 7.1 運(yùn)行一個(gè)簡(jiǎn)單的實(shí)時(shí)數(shù)據(jù)服務(wù)器
  105. 7.2 連接報(bào)價(jià)數(shù)據(jù)客戶端
  106. 7.3 實(shí)時(shí)生成交易信號(hào)
  107. 7.4 使用Plotly可視化流數(shù)據(jù)
  108. 7.4.1 基礎(chǔ)部分
  109. 7.4.2 三個(gè)實(shí)時(shí)流
  110. 7.4.3 三個(gè)流的三個(gè)子圖
  111. 7.4.4 流式數(shù)據(jù)與柱線圖
  112. 7.5 小結(jié)
  113. 7.6 參考資料和延伸資源
  114. 7.7 Python 腳本
  115. 7.7.1 樣例報(bào)價(jià)數(shù)據(jù)服務(wù)器
  116. 7.7.2 報(bào)價(jià)數(shù)據(jù)客戶端
  117. 7.7.3 動(dòng)量在線算法
  118. 7.7.4 為柱線圖提供樣例數(shù)據(jù)的服務(wù)器
  119. 第8章 使用Oanda進(jìn)行CFD交易
  120. 8.1 開(kāi)設(shè)賬戶
  121. 8.2 Oanda應(yīng)用程序接口
  122. 8.3 獲取歷史數(shù)據(jù)
  123. 8.3.1 查詢可交易的金融工具
  124. 8.3.2 基于分鐘柱線圖回測(cè)的動(dòng)量策略
  125. 8.3.3 杠桿和保證金因素
  126. 8.4 處理流式數(shù)據(jù)
  127. 8.5 下訂單
  128. 8.6 實(shí)時(shí)實(shí)施交易策略
  129. 8.7 獲取賬號(hào)信息
  130. 8.8 小結(jié)
  131. 8.9 參考資料和延伸資源
  132. 8.10 Python腳本
  133. 第9章 使用FXCM進(jìn)行外匯交易
  134. 9.1 入門(mén)
  135. 9.2 獲取數(shù)據(jù)
  136. 9.2.1 獲取報(bào)價(jià)數(shù)據(jù)
  137. 9.2.2 獲取K線數(shù)據(jù)
  138. 9.3 使用API
  139. 9.3.1 獲取歷史數(shù)據(jù)
  140. 9.3.2 獲取流數(shù)據(jù)
  141. 9.3.3 下單
  142. 9.3.4 賬戶信息
  143. 9.4 小結(jié)
  144. 9.5 參考資料和延伸資源
  145. 第10章 自動(dòng)化交易操作
  146. 10.1 資本管理
  147. 10.1.1 二項(xiàng)式設(shè)置中的凱利準(zhǔn)則
  148. 10.1.2 股票和指數(shù)里的凱利準(zhǔn)則
  149. 10.2 基于機(jī)器學(xué)習(xí)的交易策略
  150. 10.2.1 向量回測(cè)
  151. 10.2.2 最優(yōu)杠桿
  152. 10.2.3 風(fēng)險(xiǎn)分析
  153. 10.2.4 持久化模型對(duì)象
  154. 10.3 實(shí)時(shí)算法
  155. 10.4 基礎(chǔ)設(shè)施和部署
  156. 10.5 日志和監(jiān)控
  157. 10.6 可視化分步概覽
  158. 10.6.1 配置Oanda賬號(hào)
  159. 10.6.2 設(shè)置硬件
  160. 10.6.3 設(shè)置Python環(huán)境
  161. 10.6.4 上傳代碼
  162. 10.6.5 運(yùn)行代碼
  163. 10.6.6 實(shí)時(shí)監(jiān)控
  164. 10.7 小結(jié)
  165. 10.8 參考資料和延伸資源
  166. 10.9 Python腳本
  167. 10.9.1 自動(dòng)化交易策略
  168. 10.9.2 策略監(jiān)控
  169. 附錄 Python、NumPy、matplotlib和pandas
書(shū)名：Python算法交易
作者：Yves Hilpisch 著
譯者：竇衍森, 熊博 譯
國(guó)內(nèi)出版社：中國(guó)電力出版社
出版時(shí)間：2022年11月
頁(yè)數(shù)：378
書(shū)號(hào)：978-7-5198-6969-4
原版書(shū)書(shū)名：Python for Algorithmic Trading
原版書(shū)出版商：O'Reilly Media
Yves Hilpisch
 
Yves Hilpisch博士是Python Quants集團(tuán)的創(chuàng)始人和管理合伙人。該集團(tuán)致 力于應(yīng)用開(kāi)源技術(shù)來(lái)解決金融數(shù)據(jù)科學(xué)、人工智能、算法交易和計(jì)算金融 學(xué)等問(wèn)題。他還是AI Machine公司的創(chuàng)始人和CEO，該公司的主營(yíng)業(yè)務(wù)是通 過(guò)專屬策略執(zhí)行平臺(tái)來(lái)發(fā)揮人工智能的威力。他還是Python算法交易大學(xué) 認(rèn)證的在線培訓(xùn)項(xiàng)目的主管。
 
 
本書(shū)封面上的動(dòng)物是一種常見(jiàn)的條紋草蛇（學(xué)名：Natrix helvetica）。這種無(wú)毒的蛇在西歐的淡水中或附近被發(fā)現(xiàn)。
常見(jiàn)的條紋草蛇，在被重新分類為一個(gè)獨(dú)立的物種之前，最初是 Natrix natrix 的成員，身體呈灰綠色，兩側(cè)有明顯的條紋，可以長(zhǎng)到一米長(zhǎng)。它是一個(gè)驚人的游泳者，主要捕食蟾蜍和青蛙等兩棲動(dòng)物。因?yàn)樗鼈冃枰袼信佬袆?dòng)物一樣調(diào)節(jié)體溫，所以常見(jiàn)的條帶草蛇通常在溫度更穩(wěn)定的地下過(guò)冬。
這條蛇的保護(hù)狀況目前為“最不受關(guān)注”，目前在英國(guó)根據(jù)《野生動(dòng)物和鄉(xiāng)村法》 受到保護(hù)。
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：128.00元
書(shū)號(hào)：978-7-5198-6969-4
出版社：中國(guó)電力出版社