零起点Python大数据与量化交易.pdf

中小微企业资本运作精读系列 零起点 Python 大数据与量化交易 何海群 著 北京BEIJING Publishing House of Electronics Industry 内 容 简 介 本书是国内较早关于 Python 大数据与量化交易的原创图书，配合 zwPython 开发平台和 zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书有三大特色：第一，以实盘个案分析为主，全程配有 Python 代码；第二，包含大量的图文案例和 Python源码，无须专业编程基础，懂 Excel 即可开始学习；第三，配有专业的 zwPython 集成开发平台、zwQuant量化软件和 zwDat 数据包。本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套 Python 教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。版权所有，侵权必究。图书在版编目（CIP）数据 零起点 Python 大数据与量化交易何海群著.北京：电子工业出版社，2017.2（金融科技丛书）ISBN 978-7-121-30659-4 .零 .何 .软件工具程序设计 .TP311.561 中国版本图书馆 CIP 数据核字（2016）第 308385 号 责任编辑：黄爱萍 印 刷：三河市双峰印刷装订有限公司 装 订：三河市双峰印刷装订有限公司 出版发行：电子工业出版社 北京市海淀区万寿路 173 信箱 邮编：100036 开 本：787980 1/16 印张：27.5 字数：528 千字 版 次：2017 年 2 月第 1 版 印 次：2017 年 2 月第 1 次印刷 定 价：99.00 元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888，88258888。质量投诉请发邮件至 ，盗版侵权举报请发邮件至 。本书咨询联系方式：（010）51260888-819，。丛书编委会 主编：何海群何海群 编委：欧耘华欧耘华，CHRD 前海智库创始人，Python 产业联盟发起人。科技金融、消费金融、艺术金融与产业政策专家。北京亚欧科技、深圳“中国科谷”等多家机构特聘专家。刘志明刘志明，免费开源金融数据接口 TuShare 创始人，专业从事量化投资支持与服务。杨适安杨适安，中信建投证券金融产品及创新业务部副总裁，对期权、期货等衍生品种有较深入的研究，擅长用中低频量化的方法配置大类资产和金融产品。吴尚谦吴尚谦，金融交易实盘培训专家，纯实盘首席金融交易教练，15 年股票、期货、外汇实盘交易经验，金融交易混元合一交易系统发明人，业内领先的现场实盘逻辑推演教学法资深讲师。北京正道阳光投资管理有限公司总经理。曹嘉和曹嘉和，美国普林顿大学荣誉博士，北大当代企业文化研究所研究员。现任北大中国持续发展研究中心政府与社会资本合作研究所所长，未名湖智库秘书长。王丁杰王丁杰，QuantDigger 量化软件开发者，擅长机器学习、NLP 自然语言处理、人工智能。王黎中王黎中，资深金融交易心理专家，北京正道阳光投资管理有限公司副总经理，幸福紫薇俱乐部董事长。王家苍王家苍，经济学博士，李约瑟（中国科学技术史作者）隔代弟子，产业政策 IV 零起点Python 大数据与量化交易 专家。长期致力于科技和文化的融合研究，参与科技金融、消费金融和艺术金融等课题的研究。蔡磊蔡磊，原高通公司工程师、项目经理，精通 Python 数据挖掘、数据库技术、机器学习、量化交易理论，熟悉 4G 无线技术、手机芯片架构及 VOIP 技术，极宽量化开源团队核心成员。王硕王硕，高级软件工程师，精通 Python 数据分析，擅长 Java、JavaScript、HTML5和数据库技术，极宽量化开源团队核心成员。吴娜吴娜，电信数据挖掘工程师，精通缠论和江恩波动理论，率先研发江恩波动法则量化模型，著有游戏数据分析的艺术，极宽量化开源团队发起成员。余勤余勤，AMD 验证工程师，擅长数据分析，热爱 Python 量化分析，极宽量化开源团队发起成员。孙洋洋孙洋洋，西南财经大学金融工程硕士，擅长机器学习、网络爬虫，有私募机构量化分析系统开发实盘经验，极宽量化开源团队发起成员。李政隆李政隆，上海交大计算机硕士，分布式系统架构师，擅长金融数据抓取与分析，极宽量化开源团队发起成员。前 言 2014 年，美国银行、美林证券的“石英”项目、摩根大通的“雅典娜”项目都不约而同地选择了 Python 作为金融行业的标准编程语言。全世界的金融工程行业全部重新洗牌，这为中国的金融工程从业人员带来了前所未有的机遇。资本的力量是强大的，也是冷酷无情的。2016 年 5 月，华尔街日报报道，目前华尔街的三大编程语言是：C、Java 与Python。其中，C 与 Java 成为三大语言之一有两方面原因：一方面是由于历史积累，另一方面是系统架构设计的需要。而在应用领域 Python 更胜一筹，因为 Python 已经成为金融行业量化领域的标准编程语言。本书是国内较早关于 Python 大数据与量化交易的原创图书。本书配合zwPython、zwQuant 开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书内容包括：?近 50 万字的图文课件；?数十套结合课件的 Python 教学代码；?全套 zwPython 开源平台；?业内首套面向初学者的开源量化系统 zwQuant；?国内较大的开源金融数据包 zwDat，包括 tick 数据。100%零基础，无须任何编程、交易经验，也不需要具备超强的数据分析能力，VI 零起点Python 大数据与量化交易 只要会使用 Excel 就可以轻松学会本书讲解的知识点。读完本书内容和配套的教学代码，就能够编写简单的量化策略函数。本书的内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套 Python 教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。量化新人学习指南 1多参考笔者的字王量化网站（http:/）和笔者博客（以原创为主，网址是 http:/ http:/ QQ 群（zwPython 量化总群）：124134140。网盘和群共享包含很多资源，读者可自行下载，也可以上传。建议先看“漫画学系列”，该系列比较经典，而且简单；zwQuant 开源量化软件在群共享和网盘都可下载。3强烈建议初学者先下载 zwPython 集成版，阅读 zwPython 中文手册，再开始学习 Python，这样可以少走很多弯路。资源下载 为配合本书出版，方便广大读者学习 Python 量化系统，笔者特意将与本书相关的教学资源打包成一个独立的教学版本压缩包，便于读者使用。?教学版为一个独立压缩包，解压即可，并配有说明文档。?教学版内置了 zwPython2016M10 版开发平台（Python 3.5 版）、Python 2.7 版开发平台、zwDat 金融数据包、zw_down25 金融数据下载更新程序包和 zw_k10 配套量化教学课件程序。教学版软件和配套资源下载地址如下。?极宽公司网盘下载地址：http:/ VII?出版社网站下载地址：http:/ 虽然很多网友在笔者博客留言，要求购买本书，但本书的创作和正式出版还是经历了许多波折。如今本书终于出版，在此，要特别感谢电子工业出版社的黄爱萍和戴新编辑，感谢她们在选题策划和稿件整理方面做出的大量工作。同时，在本书创作过程中，极宽开源量化团队和培训班的全体成员，提出很多宝贵的意见，并对部分课件程序做了中文注解。特别是吴娜、余勤两位同学，为极宽开源量化文库和 zwQuant 开源量化软件编写文档，以及在团队成员管理方面做了大量工作，为他们的付出表示感谢。何海群（字王）北京极宽科技有限公司 CTO 2016 年 11 月 25 日 目 录 第 1 章 从故事开始学量化.1 1.1 亿万富翁的“神奇公式”.2 1.1.1 案例 1-1：亿万富翁的“神奇公式”.2 1.1.2 案例分析：Python 图表.5 1.1.3 matplotlib 绘图模块库.7 1.1.4 案例分析：style 绘图风格.10 1.1.5 案例分析：colormap 颜色表.12 1.1.6 案例分析：颜色表关键词.14 1.1.7 深入浅出.17 1.2 股市“一月效应”.18 1.2.1 案例 1-2：股市“一月效应”.18 1.2.2 案例分析：“一月效应”计算.19 1.2.3 案例分析：“一月效应”图表分析.24 1.2.4 案例分析：颜色表效果图.26 1.2.5 “一月效应”全文注解版 Python 源码.27 1.2.6 大数据宏分析.34 1.3 量化交易流程与概念.36 1.3.1 数据分析 I2O 流程.36 1.3.2 量化交易不是高频交易、自动交易.37 1.3.3 小资、小白、韭菜.38 目录 IX 1.3.4 专业与业余.38 1.4 用户运行环境配置.42 1.4.1 程序目录结构.43 1.4.2 金融股票数据包.44 1.5 Python 实战操作技巧.46 1.5.1 模块检测.46 1.5.2 Spyder 编辑器界面设置.47 1.5.3 代码配色技巧.48 1.5.4 图像显示配置.50 1.5.5 Python2、Python 3 双版本双开模式.51 1.5.6 单版本双开、多开模式.52 1.5.7 实战胜于一切.54 1.6 量化、中医与西医.54 第 2 章 常用量化技术指标与框架.56 2.1 案例 2-1：SMA 均线策略.56 2.1.1 案例要点与事件编程.58 2.1.2 量化程序结构.61 2.1.3 main 程序主入口.61 2.1.4 KISS 法则.63 2.2 Python 量化系统框架.64 2.2.1 量化行业关键词.64 2.2.2 国外主流 Python 量化网站.65 2.2.3 我国主流 Python 量化网站.67 2.2.4 主流 Python 量化框架.70 2.3 常用量化软件包.78 2.3.1 常用量化软件包简介.79 2.3.2 案例 2-2：模块库列表.80 2.4 常用量化技术指标.82 2.4.1 TA-Lib 金融软件包.83 2.4.2 案例 2-3：MA 均线函数调用.84 X 零起点Python 大数据与量化交易 2.4.3 TA-Lib 函数调用.86 2.4.4 量化分析常用指标.88 2.5 经典量化策略.90 2.5.1 阿尔法（Alpha）策略.90 2.5.2 Beta 策略.92 2.5.3 海龟交易法则.93 2.5.4 ETF 套利策略.95 2.6 常用量化策略.95 2.6.1 动量交易策略.96 2.6.2 均值回归策略.97 2.6.3 其他常用量化策略.98 2.7 起点与终点.100 第 3 章 金融数据采集整理.101 3.1 常用数据源 API 与模块库.102 3.1.1 大数据综合 API.102 3.1.2 专业财经数据 API.103 3.1.3 专业数据模块库.104 3.2 案例 3-1：zwDatX 数据类.104 3.3 美股数据源模块库.108 3.4 开源文档库 Read the Docs.109 3.5 案例 3-2：下载美股数据.110 3.6 财经数据源模块库 TuShare.113 3.6.1 沪深股票列表.115 3.6.2 案例 3-3：下载股票代码数据.116 3.6.3 CSV 文件处理.119 3.7 历史数据.121 3.7.1 历史行情.121 3.7.2 案例 3-4：下载近期股票数据.124 3.7.3 历史复权数据.130