基礎篇 第1章　初識量化交易 1.1 對量化交易的認識 1.2 幾種常見的交易形式 1.3 量化交易存在的風險與規(guī)避方法 1.4 量化交易平臺介紹 1.5 本章小結 第2章　Python環(huán)境的搭建 2.1 關于Python 2.2 安裝Python的發(fā)行版Anaconda 2.3 安裝Python IDE PyCharm 2.4 本章小結 第3章　量化交易場景下Python基礎知識的準備 3.1 Python變量：金融數(shù)據(jù)的表示形式 3.2 條件判斷語句：交易點的觸發(fā) 3.3 循環(huán)語句：開啟歷史數(shù)據(jù)的回測 3.4 函數(shù)：提高代碼的利用率 3.5 面向?qū)ο螅航灰撞呗缘膶嵗��? 3.6 常用內(nèi)置模塊及模塊的安裝：解鎖更多新功能 3.7 本章小結 高級篇 第4章　用NumPy來進行數(shù)據(jù)操作 82 4.1 NumPy庫的介紹與安裝 4.2 Ndarray數(shù)組 4.3 NumPy的常用操作 4.4 NumPy在金融數(shù)據(jù)中的應用 4.5 本章小結 第5章　借助Pandas進行數(shù)據(jù)分析 5.1 Pandas庫的介紹與安裝 5.2 Series類型數(shù)據(jù) 5.3 DataFrame類型數(shù)據(jù) 5.4 Pandas中常用函數(shù)的使用 5.5 Pandas對金融數(shù)據(jù)的操作 5.6 本章小結 第6章　通過Matplotlib對數(shù)據(jù)可視化 6.1 Matplotlib庫的介紹與安裝 6.2 Matplotlib的基本操作 6.3 Matplotlib繪制常見圖像 6.4 Matplotlib對圖像屬性的設置 6.5 Matplotlib繪制多個子圖 6.6 金融數(shù)據(jù)的可視化操作 6.7 本章小結 第7章　歷史數(shù)據(jù)的獲取 7.1 通過Tushare庫獲取歷史數(shù)據(jù) 7.2 通過新浪財經(jīng)API獲取歷史數(shù)據(jù) 7.3 通過Pandas_datareader獲取歷史數(shù)據(jù) 7.4 其他獲取歷史數(shù)據(jù)的方式 7.5 本章小結 第8章　量化交易的利器 8.1 Ta-Lib庫的介紹與安裝 8.2 市場技術指標的計算 8.3 K線組合的模式識別 8.4 FFn庫的介紹與安裝 8.5 風險指標的計算 8.6 兩種經(jīng)典策略的實現(xiàn) 8.7 本章小結 第9章　時間序列分析 9.1 Statsmodels庫的介紹與安裝 9.2 時間序列的基本概念 9.3 時間序列相關性分析 9.4 時間序列平穩(wěn)性分析 9.5 時間序列協(xié)整性分析 9.6 時間序列模型 9.7 時間序列模型在股票市場中的應用 9.8 本章小結 實戰(zhàn)篇 第10章　基于配對交易策略的回測框架的搭建 10.1 配對交易介紹 10.2 配對交易回測框架的實現(xiàn) 10.3 本章小結 第11章　機器學習實戰(zhàn)——利用支持向量機（SVM）進行趨勢預測 11.1 機器學習庫Sklearn的介紹與安裝 11.2 機器學習基本知識介紹 11.3 支持向量機介紹 11.4 支持向量機預測模型的實現(xiàn) 11.5 本章小結 第12章　深度學習實戰(zhàn)——利用循環(huán)神經(jīng)網(wǎng)絡（RNN）進行價格預測 12.1 深度學習庫TensorFlow的介紹與安裝 12.2 TensorFlow的基本概念與結構 12.3 循環(huán)神經(jīng)網(wǎng)絡介紹 12.4 循環(huán)神經(jīng)網(wǎng)絡預測模型的搭建 12.5 本章小結 第13章　接觸實盤——利用vn.py進行量化交易 13.1 初識vn.py 13.2 vn.py運行環(huán)境的準備 13.3 vn.py國內(nèi)期貨CTP的配置 13.4 通過vn.py進行策略回測 13.5 基于vn.py實現(xiàn)R-Breaker策略 13.6 通過vn.py進行自動化交易 13.7 本章小結 附錄　常見的Python量化交易框架介紹