O texto nas imagens pode ser traduzido
Aprenda Python sobre big data e banco de dados de negociação quantitativa do zero
Preço por unidade incluindo frete para o Brasil
Quantidade
Produto selecionado
Especificações do produto
Marca
42960263
Editora
Tsinghua University Press
Autor
Zhou Feng , Wang Kequn
Data de publicação
2019.12
Título
Learn Python big data and quantitative trading database from scratch
Foit
B5
Número do livro
9787302527541
Preço do livro
59.00
Marca
42960263
Editora
Tsinghua University Press
Autor
Zhou Feng , Wang Kequn
Data de publicação
2019.12
Título
Learn Python big data and quantitative trading database from scratch
Foit
B5
Número do livro
9787302527541
Preço do livro
59.00
Marca
42960263
Editora
Tsinghua University Press
Autor
Zhou Feng , Wang Kequn
Data de publicação
2019.12
Título
Learn Python big data and quantitative trading database from scratch
Foit
B5
Número do livro
9787302527541
Preço do livro
59.00
Detalhes do produto
Texto da imagem traduzido automaticamente
| Índice | |
|
●Capítulo 1 Uma rápida introdução à negociação quantitativa 1.1 Introdução à negociação quantitativa 1.1.1 Definição de negociação quantitativa 1.1.2 Negociação quantitativa e negociação algorítmica 1.1.3 Negociação quantitativa e negociação de caixa preta 1.1.4 Negociação quantitativa e negociação programática 1.1.5 Negociação Quantitativa e Análise Técnica 1.2 Vantagens da negociação quantitativa 1.2.1 Disciplina rigorosa 1.2.2 Sistema Completo 1.2.3 Uso adequado de ideias de arbitragem 1.2.4 Ganhar por probabilidade 1.3 Aplicação da negociação quantitativa 1.3.1 Seleção de produtos de investimento 1.3.2 Seleção do momento do investimento 1.3.3 Negociação Algorítmica 1.3.4 Diversas transações de arbitragem 1.3.5 Alocação de Ativos 1.4 Comparação entre negociação quantitativa e negociação manual 1.5 Precauções para negociação quantitativa 1.6 O Processo de Desenvolvimento da Negociação Quantitativa 1.6.1 O processo de desenvolvimento do comércio quantitativo estrangeiro 1.6.2 O processo de desenvolvimento do comércio quantitativo doméstico 1.7 Plataforma de Negociação Quantitativa 1.7.1 Funções da plataforma de negociação quantitativa JoinQuant 1.7.2 Registro de conta, login e criação de estratégia 1.7.3 Seleção de ações para estratégias de negociação quantitativa 1.7.4 Condições de compra e venda de estratégias de negociação quantitativa 1.7.5 Controle de Risco de Estratégias de Negociação Quantitativa 1.7.6 Outros parâmetros de estratégias de negociação quantitativa 1.7.7 Escrevendo código Python para criar estratégias de negociação quantitativa 1.7.8 Detalhes de backtesting de estratégias de negociação quantitativa 1.7.9 Simulação de negociação de estratégias de negociação quantitativa 1.8 Riscos potenciais de negociação quantitativa e estratégias de enfrentamento Capítulo 2 Ambiente de Desenvolvimento de Negociação Quantitativa em Python 2.1 Introdução ao Python 2.1.1 A História do Python 2.1.2 Recursos do Python 2.1.3 Aplicação do Python 2.2 Ambiente de desenvolvimento e configuração Python 2.2.1 Baixar Python 2.2.2 Instalação do Python 2.2.3 Configuração de variáveis de ambiente Python 2.3 Escrevendo programas em Python 2.3.1 Use o software de desenvolvimento próprio do sistema IDEL para escrever e executar o programa diretamente 2.3.2 Crie um arquivo Python e execute-o 2.4 Usando a plataforma de negociação quantitativa para escrever programas em Python 2.4.1 Introdução à plataforma de pesquisa IPython Notebook 2.4.2 Escrevendo programas Python usando o Python Notebook Capítulo 3 Sintaxe básica e controle de fluxo do Python 3.1 Tipos básicos de dados do Python 3.1.1 Tipos Numéricos 3.1.2 Tipo de sequência de caracteres 3.2 Variáveis e atribuição 3.2.1 Regras de nomenclatura de variáveis 3.2.2 Atribuição de Variáveis 3.3 Operadores 3.3.1 Operadores aritméticos 3.3.2 Operadores de Atribuição 3.3.3 Operadores bit a bit 3.4 Selecionando a estrutura 3.4.1 Operadores Relacionais 3.4.2 Operadores Lógicos 3.4.3 Declaração if 3.4.4 Instruções if aninhadas 3.5 Estrutura de Loop 3.5.1 Laço While 3.5.2 Usando a instrução else em um loop while 3.5.3 Loop infinito 3.5.4 para loop 3.5.5 Usando a função range() em um loop for 3.6 Outras Declarações 3.6.1 Declaração break 3.6.2 Declaração continue 3.6.3 Declaração pass 3.7 Formato de código Python 3.7.1 Recuo de código 3.7.2 Comentários de código 3.7.3 Linhas em branco 3.7.4 Exibindo várias instruções na mesma linha Capítulo 4. Tipos de dados característicos do Python 4.1 Lista 4.1.1 Criação de lista 4.1.2 Três maneiras de acessar valores em uma lista 4.1.3 Duas maneiras de atualizar valores em uma lista 4.1.4 A instrução del apaga valores de uma lista 4.1.5 Quatro funções de listas 4.1.6 Métodos de Lista 4.2 Tuplas 4.2.1 Criação de Tuplas 4.2.2 Três maneiras de acessar valores em uma tupla 4.2.3 Concatenação de tuplas 4.2.4 Excluindo a tupla inteira 4.2.5 Quatro funções em tuplas 4.3 Dicionário 4.3.1 Criação de dicionário 4.3.2 Acessando valores e chaves do dicionário 4.3.3 Modificação do dicionário 4.3.4 Três funções no dicionário 4.4 Coleções 4.4.1 Criação de coleção 4.4.2 Duas funções básicas das coleções 4.4.3 Operadores de conjunto 4.4.4 Métodos de coleta Capítulo 5 Funções Python e Técnicas de Aplicação 5.1 Introdução às Funções 5.2 Funções integradas 5.2.1 Funções matemáticas 5.2.2 Função de Número Aleatório 5.2.3 Funções trigonométricas 5.2.4 Funções de string 5.3 Funções definidas pelo usuário 5.3.1 Definição de Função 5.3.2 Chamando uma função personalizada 5.3.3 Passagem de parâmetros de função 5.3.4 Tipos de parâmetros de função 5.3.5 Funções anônimas Capítulo 6 Noções básicas de programação orientada a objetos em Python 6.1 Orientado a Objetos 6.1.1 Conceitos orientados a objetos 6.1.2 Definição de Classe e Objeto de Classe 6.1.3 Herança de classe 6.2 Módulos 6.2.1 Módulos e chamadas personalizados 6.2.2 Declaração de Importação 6.2.3 Módulos padrão 6.3 Pacotes 6.4 Escopo e tipo de variável 6.4.1 Escopo da Variável 6.4.2 Variáveis globais e variáveis locais 6.4.3 As palavras-chave globais e não locais Capítulo 7: Pacote Python Numpy para Análise de Big Data 7.1 Introdução ao pacote Numpy 7.2 Noções básicas do array ndarray 7.2.1 Criando matrizes Numpy 7.2.2 Matrizes Especiais Numpy 7.2.3 Matrizes de sequências Numpy 7.2.4 Indexação de array Numpy 7.2.5 Operações com matrizes Numpy 7.2.6 Cópia de array Numpy 7.3 Matrizes Numpy 7.4 Álgebra Linear com Numpy 7.4.1 Produto escalar de duas matrizes 7.4.2 Produto escalar de dois vetores 7.4.3 Produto interno vetorial de matrizes unidimensionais 7.4.4 Determinante de uma Matriz 7.4.5 Matriz Inversa 7.5 Operações de arquivo Numpy Capítulo 8 Pacote Pandas para Análise de Big Data em Python 8.1 Estrutura de Dados Pandas 8.2 Série de matrizes unidimensionais 8.2.1 Criando uma série vazia 8.2.2 Criando uma série a partir de um ndarray 8.2.3 Criando uma série a partir de um dicionário 8.2.4 Acessando Dados de Séries Posicionadas 8.2.5 Recuperando Dados Usando Tags 8.3 Matriz bidimensional DataFrame 8.3.1 Criando um DataFrame 8.3.2 Visualização de dados 8.3.3 Seleção de dados 8.3.4 Processamento de dados 8.4 Matriz de painéis tridimensionais Capítulo 9 Pacote Python Matplotlib para visualização de big data 9.1 Vantagens do pacote Matplotlib 9.2 Aplicação da função figure() 9.2.1 O significado de cada parâmetro da função figure() 9.2.2 Exemplo de função figure() 9.3 Aplicação da função plot() 9.3.1 O significado de cada parâmetro da função plot() 9.3.2 Exemplos da função plot() 9.4 Aplicação da função subplot() 9.4.1 O significado de cada parâmetro de subplot() 9.4.2 Exemplos de subplot() 9.5 Aplicação do método add_axes 9.6 Aplicação da função legend() 9.7 Configurando o formato da fonte 9.8 Configurando a largura e a cor da linha Grade de 9.9 Eixos 9.10 Desenhando um gráfico de barras 9.11 Plotagem de mapas de cores e mapas de contorno 9.12 Desenho de gráficos tridimensionais Capítulo 10 Escrevendo Estratégias de Negociação Quantitativa em Python 10.1 Composição de Estratégias Quantitativas de Negociação de Ações 10.1.1 Função de Inicialização 10.1.2 Executar função antes de abrir 10.1.3 Função de execução na abertura 10.1.4 Executar função após fechamento 10.2 Funções de configuração 10.2.1 Configurando a função de benchmark 10.2.2 Definição da função de comissão/imposto de selo 10.2.3 Configurando a função Slippage 10.2.4 Configurando a função do modo de reprecificação dinâmica (preço real) 10.2.5 Configurando a função de proporção de volume 10.2.6 Defina se deseja habilitar a função do modo de correspondência de mercado 10.2.7 Definir a função de pool de ações a ser operada 10.3 Funções de temporização 10.3.1 Definição e classificação das funções de tempo 10.3.2 O significado dos vários parâmetros da função de temporização 10.3.3 Notas sobre funções de temporização 10.3.4 Exemplo de função de temporização 10.4 Função de ordem 10.4.1 Função de ordem por número de ações 10.4.2 Função de ordem de número de ações alvo 10.4.3 Ordenar função por valor 10.4.4 Função de ordem de valor alvo 10.4.5 Função de cancelamento 10.4.6 Obter função de pedido não concluído 10.4.7 Função Obter informações do pedido 10.4.8 Função Obter informações de transação 10,5 Registro 10.5.1 Definindo o nível de log 10.5.2 log.info 10.6 Objetos comuns 10.6.1 Objeto de pedido 10.6.2 Objeto global g 10.6.3 Objeto Comercial 10.6.4 Objeto Tick 10.6.5 Objeto de contexto 10.6.6 Posicionar objeto 10.6.7 Objeto SubPortfólio 10.6.8 Objeto de Portfólio 10.6.9 Objeto SecurityUnitData Capítulo 11 Função de aquisição de dados de estratégia de negociação quantitativa em Python 11.1 Função History() para obter dados de ações 11.1.1 Significado de cada parâmetro 11.1.2 Exemplos de aplicação da função history() 11.2 A função attribute_history() para obter dados de um estoque 11.3 Função get_fundamentals() para consultar dados financeiros de ações para um dia de negociação 11.3.1 Significado de cada parâmetro 11.3.2 Exemplos de aplicação da função get_fundamentals() 11.4 Função get_fundamentals_continuously() para consultar dados financeiros de ações 11.5 Função get_current_data() para obter dados específicos de ações 11.6 Função get_index_stocks() para obter os códigos de ações do componente de índice 11.6.1 Significado de vários parâmetros 11.6.2 Exemplos de aplicação da função get_index_stocks() 11.7 Função get_industry_stocks() para obter códigos de ações constituintes da indústria 11.8 Função get_concept_stocks() para obter o código de estoque de custo do conceito 11.9 Função get_all_securities() para obter todas as informações de dados 11.9.1 Significado de vários parâmetros 11.9.2 Exemplos de aplicação da função get_all_securities() 11.10 Função get_security_info() para obter informações sobre uma ação 11.11 Função get_billboard_list() para obter os dados do outdoor 11.11.1 Significado de cada parâmetro 11.11.2 Exemplos de aplicação da função get_billboard_list() 11.12 função get_locked_shares() para obter os dados de liberação do bloqueio Capítulo 12 Seleção de Ações Quantitativas Fundamentais em Python 12.1 Introdução à Seleção Quantitativa de Ações 12.2 Seleção de ações com fator de crescimento 12.2.1 Seleção de ações com base na taxa de crescimento da receita anual 12.2.2 Seleção de ações com base na taxa de crescimento mensal da receita operacional 12.2.3 Seleção de ações com base na taxa de crescimento do lucro líquido anual 12.2.4 Seleção de ações com base na taxa de crescimento do lucro líquido mensal 12.2.5 Seleção de ações com base na margem de lucro operacional 12.2.6 Seleção de ações com base na margem de vendas líquidas 12.2.7 Seleção de ações com base na margem bruta de vendas 12.3 Seleção de ações com base no fator tamanho 12.3.1 Seleção de ações por capitalização de mercado total 12.3.2 Seleção de ações com base na capitalização de mercado 12.3.3 Seleção de ações com base no capital social total 12.3.4 Seleção de ações com base no capital social circulante 12.4 Seleção de ações com fator de valor 12.4.1 Seleção de ações com base na relação preço/valor patrimonial 12.4.2 Seleção de ações com base na relação preço/vendas 12.4.3 Seleção de ações com base na relação preço/fluxo de caixa 12.4.4 Seleção de ações com relação P/L dinâmica 12.4.5 Seleção de ações com base na relação P/L estática 12.5 Seleção de ações do fator de qualidade 12.5.1 Seleção de ações com base no retorno sobre o patrimônio líquido 12.5.2 Seleção de ações com base na taxa de lucro líquido do ativo total 12.6 Notas sobre a seleção quantitativa multifatorial fundamental de ações Capítulo 13 Função Indicadora Técnica de Tempo Quantitativo em Python 13.1 Introdução ao Tempo Quantitativo 13.2 Função do indicador de tendência 13.2.1 Função do indicador MACD 13.2.2 Função do indicador EMV 13.2.3 Função do indicador UOS 13.2.4 Função do indicador GDX 13.2.5 Função do Indicador DMA 13.2.6 Função indicadora JS 13.2.7 Função do indicador MA 13.2.8 Função do indicador EXPMA 13.2.9 Função do indicador VMA 13.3 Função do Indicador Anti-Tendência 13.3.1 Função do indicador KD 13.3.2 Função do indicador MFI 13.3.3 Função do indicador RSI 13.3.4 Função do indicador OSC 13.3.5 Função do indicador WR 13.3.6 Função do indicador CCI 13.4 Função do Indicador de Suporte de Pressão 13.4.1 Função do indicador BOLL 13.4.2 Função do indicador MIKE 13.4.3 Função do indicador XS 13.5 Funções dos Indicadores de Volume e Preço 13.5.1 Função do indicador OBV 13.5.2 Função do indicador VOL 13.5.3 Função do indicador VR 13.5.4 Funções do indicador MASS Capítulo 14 Técnicas de Backtesting para Estratégias de Negociação Quantitativa em Python 14.1 O processo de backtesting de estratégia de negociação quantitativa 14.2 Usando Python para escrever estratégia quantitativa do indicador MACD 14.2.1 Editando a página de estratégia de negociação quantitativa 14.2.2 Escrevendo uma função de inicialização 14.2.3 Escrevendo uma função que é chamada por unidade de tempo 14.3 Definindo os parâmetros de backtest da estratégia quantitativa do indicador MACD 14.4 Detalhes do backtesting da estratégia quantitativa do indicador MACD 14.5 Indicadores de Risco da Estratégia Quantitativa MACD 14.5.1 Alfa 14.5.2 Beta 14.5.3 Sharpe 14.5.4 Sortino (Proporção de Sortino) 14.5.5 Razão de Informação 14.5.6 Volatilidade 14.5.7 Volatilidade de referência 14.5.8 Redução Máxima Capítulo 15 Técnicas de Análise Fatorial para Estratégias de Negociação Quantitativa em Python 15.1 Visão geral da análise fatorial 15.1.1 Tipos de Fatores 15.1.2 O papel da análise fatorial 15.2 Código de implementação para análise fatorial 15.2.1 Significado das variáveis na análise fatorial 15.2.2 Fatores básicos que podem ser usados na análise fatorial 15.2.3 Parâmetros de cálculo e valores de retorno 15.3 Resultados da Análise Fatorial 15.3.1 Novo Fator 15.3.2 Análise de Receita 15.3.3 Análise de CI 15.3.4 Análise de rotatividade 15.4 Uso de Fatores em Pesquisa e Backtesting 15.5 Exemplos de aplicações de fatores fundamentais Capítulo 16 Exemplos práticos de estratégias de negociação quantitativa em Python 16.1 Estratégia de negociação quantitativa de média móvel MA Caso real 16.1.1 Escrevendo uma função de inicialização 16.1.2 Escrevendo uma função que é chamada por unidade de tempo 16.1.3 Backtesting da estratégia de negociação quantitativa da média móvel MA 16.2 Exemplo prático de estratégia de negociação quantitativa de média móvel múltipla 16.2.1 Escrevendo uma função de inicialização 16.2.2 Escrevendo funções de programa de transação 16.2.3 Backtesting da estratégia de negociação quantitativa de média móvel múltipla 16.3 Estudo de caso prático de estratégia de negociação quantitativa de indicadores baseada em energia 16.3.1 Escrevendo uma função de inicialização 16.3.2 Escrevendo uma função que é chamada por unidade de tempo 16.3.3 Backtesting de estratégias de negociação quantitativa de indicadores baseados em energia 16.4 Caso prático de estratégia de negociação quantitativa do indicador KD 16.4.1 Escrevendo uma função de inicialização 16.4.2 Escreva uma função para ser executada antes da abertura do mercado 16.4.3 Escreva uma função para ser executada quando o mercado abrir 16.4.4 Escreva uma função para executar após o fechamento 16.4.5 Backtesting da estratégia de negociação quantitativa do indicador KD 16.5 Caso prático de estratégia de negociação quantitativa do indicador BOLL 16.5.1 Escrevendo uma função de inicialização 16.5.2 Escreva uma função para ser executada antes da abertura do mercado 16.5.3 Escreva uma função para ser executada quando o mercado abrir 16.5.4 Escreva uma função para executar após o fechamento 16.5.5 Backtesting da estratégia de negociação quantitativa do indicador BOLL 16.6 Exemplo prático de estratégia de negociação quantitativa para participações em múltiplas ações 16.6.1 Escrevendo uma função de inicialização 16.6.2 Escrevendo uma função que é chamada por unidade de tempo 16.6.3 Backtesting de estratégias de negociação quantitativa com múltiplas posições de ações 16.7 Estudo de caso prático de estratégia de negociação quantitativa de rotação de ações farmacêuticas 16.7.1 Escrevendo uma função de inicialização 16.7.2 Escrevendo uma função de seleção de ações 16.7.3 Escrevendo funções de transação 16.7.4 Backtesting da estratégia de negociação quantitativa para rotação de ações farmacêuticas 16.8 Exemplos práticos de estratégias de negociação quantitativa para ações de valor médio de mercado 16.8.1 Escrevendo uma função de inicialização 16.8.2 Escrevendo uma função de seleção de ações 16.8.3 Escreva uma função para filtrar ações suspensas 16.8.4 Escrevendo funções de transação 16.8.5 Backtesting de estratégias de negociação quantitativa para ações de média capitalização de mercado 16.9 Estudo de caso prático de estratégia de negociação quantitativa para ações subvalorizadas 16.9.1 Escrevendo uma função de inicialização 16.9.2 Escrevendo uma função de seleção de ações 16.9.3 Escrevendo funções de transação 16.9.4 Backtesting de estratégias de negociação quantitativa para ações subvalorizadas |
| breve introdução | |
|
"Aprenda Python Big Data e Negociação Quantitativa do Zero" explica primeiro os princípios básicos da negociação quantitativa, como as vantagens, aplicações, precauções, histórico, plataformas de negociação quantitativa, etc. da negociação quantitativa; depois, explica a linguagem de desenvolvimento de negociação quantitativa Python, ou seja, explica o ambiente de desenvolvimento da linguagem Python, sintaxe básica e controle de processo, tipos de dados de recursos, funções integradas e funções de usuário personalizadas e programação orientada a objetos; depois, explica os três pacotes para análise e visualização de big data, ou seja, o pacote Numpy, o pacote Pandas e o pacote Matplotlib; depois, explica a escrita de estratégias de negociação quantitativa, funções de aquisição de dados, seleção fundamental de ações quantitativas, funções de indicadores técnicos para temporização quantitativa, técnicas de backtesting e técnicas de análise fatorial; por fim, explica os casos reais de combate das estratégias de negociação quantitativa em Python. Durante o processo de explicação, os hábitos de aprendizagem do leitor são levados em consideração, e as questões mais importantes, os problemas principais e as diversas dificuldades em big data e negociação quantitativa em Python são analisados e explicados por meio de exemplos específicos. "Aprendendo Python, Big Data e Negociação Quantitativa do Zero" é adequado para uma variedade de investidores diferentes, como acionistas novos e antigos, pequenos e médios investidores de varejo, corretores de ações, corretores de fundos, comentaristas profissionais de ações, etc. |
Total
Entrega
ICMS
PIS e COFINS
Outro
Produtos similares
