目前市场上关于Python与量化投资的图书不少，但仔细研究后不难发现，很多图书都是项着量化投资的噱头在讲Python的语言基础，其能提供的策略有限，并且大部分不提供回测平台，此类书籍中的策略往往为涨停股票可以买入、跌停股票可以卖出、停牌也可以交易，等等，这大大违背了A股市场的交易规则，难以获得准确的回测结果。

王小川等主编的《Python与量化投资(从基础到实战)》兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。

王小川等主编的《Python与量化投资(从基础到实战)》主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。

本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。

第1章 准备工作

 1.1 Python的安装与设置

 1.2 常见的Python库

第2章 Python基础介绍

 2.1 Python学习准备

 2.2 Python语法基础

2.2.1 常量与变量

2.2.2 数与字符串

2.2.3 数据类

2.2.4 标识符

2.2.5 对象

2.2.6 行与缩进

2.2.7 注释

 2.3 Python运算符与表达式

2.3.1 算数运算符

2.3.2 比较运算符

2.3.3 逻辑运算符

2.3.4 Python中的优先级

 2.4 Python中的控制流

2.4.1 控制流的功能

2.4.2 Python的三种控制流

2.4.3 认识分支结if

2.4.4 认识循环结构for…in

2.4.5 认识循环结构while

2.4.6 break语句与continue语句

 2.5 Python函数

2.5.1 认识函数

2.5.2 形参与实参

2.5.3 全局变量与局部变量

2.5.4 对函数的调用与返回值

2.5.5 文档字符串

 2.6 Python模块

2.6.1 认识Python模块

2.6.2 from…import详解

2.6.3 认识__name__属性

2.6.4 自定义模块

2.6.5 dir()函数

 2.7 Python异常处理与文件操作

2.7.1 Python异常处理

2.7.2 异常的发生

2.7.3 try…finally的使用

2.7.4 文件操作

第3章 Python进阶

 3.1 NumPy的使用

3.1.1 多维数组ndarray

3.1.2 ndarray的数据类型

3.1.3 数组索引、切片和赋值

3.1.4 基本的数组运算

3.1.5 随机数

 3.2 Pandas的使用

3.2.1 Pandas的数据结构

3.2.2 Pandas输出设置

3.2.3 Pandas数据读取与写入

3.2.4 数据集快速描述性统计分析

3.2.5 根据已有的列建立新列

3.2.6 DataFrame按多列排序

3.2.7 DataFrame去重

3.2.8 删除已有的列

3.2.9 Pandas替换数据

3.2.10 DataFrame重命名

3.2.11 DataFrame切片与筛选

3.2.12 连续型变量分组

3.2.13 Pandas分组技术

 3.3 SciPy的初步使用

3.3.1 回归分析

3.3.2 插值

3.3.3 正态性检验

3.3.4 凸优化

 3.4 Matplotlib的使用

 3.5 Seaborn的使用

3.5.1 主题管理

3.5.2 调色板

3.5.3 分布图

3.5.4 回归图

3.5.5 矩阵图

3.5.6 结构网格图

 3.6 Scikit-Learn的初步使用

3.6.1 Scikit-Learn学习准备

3.6.2 常见的机器学习模型

3.6.3 模型评价方法——metric模块

3.6.4 深度学习

 3.7 SQLAlchemy与常用数据库的连接

3.7.1 连接数据库

3.7.2 读取数据

3.7.3 存储数据

第4章 常用数据的获取与整理

 4.1 金融数据类型

 4.2 金融数据的获取

 4.3 数据整理

4.3.1 数据整合

4.3.2 数据过滤

4.3.3 数据探索与数据清洗

4.3.4 数据转化

第5章 通联数据回测平台介绍

 5.1 回测平台函数与参数介绍

5.1.1 设置回测参数

5.1.2 accounts账户配置

5.1.3 initialize（策略初始化环境）

5.1.4 handle_data（策略运行逻辑）

5.1.5 context（策略运行环境）

 5.2 股票模板实例

 5.3 期货模板实例

 5.4 策略回测详情

 5.5 策略的风险评价指标

 5.6 策略交易细节

第6章 常用的量化策略及其实现

 6.1 量化投资概述

6.1.1 量化投资简介

6.1.2 量化投资策略的类型

6.1.3 量化研究的流程

 6.2 行业轮动理论及其投资策略

6.2.1 行业轮动理论简介

6.2.2 行业轮动的原因

6.2.3 行业轮动投资策略

 6.3 市场中性Alpha策略

6.3.1 市场中性Alpha策略介绍

6.3.2 市场中性Alpha策略的思想和方法

6.3.3 实例展示

 6.4 大师策略

6.4.1 麦克·欧希金斯绩优成分股投资法

6.4.2 杰拉尔丁·维斯蓝筹股投资法

 6.5 CTA策略

6.5.1 趋势跟随策略

6.5.2 均值回复策略

6.5.3 CTA策略表现分析

 6.6 Smart Beta

6.6.1 基于权重优化的Smart Beta

6.6.2 基于风险因子的Smart Bate

 6.7 技术指标类策略

6.7.1 AROON指标

6.7.2 BOLL指标

6.7.3 CCI指标

6.7.4 CMO指标

6.7.5 Chaikin Oscillator指标

6.7.6 DMI指标

6.7.7 优矿平台因子汇总

 6.8 资产配置

6.8.1 有效边界

6.8.2 Black-Litterman模型

6.8.3 风险平价模型

 6.9 时间序列分析

6.9.1 与时间序列分析相关的基础知识

6.9.2 自回归（AR）模型

6.9.3 滑动平均（MA）模型

6.9.4 自回归滑动平均（ARMA）模型

6.9.5 自回归差分滑动平均（ARIMA）模型

 6.10 组合优化器的使用

6.10.1 优化器的概念

6.10.2 优化器的API接口

6.10.3 优化器实例

 6.11 期权策略：Greeks和隐含波动率微笑计算

6.11.1 数据准备

6.11.2 Greeks和隐含波动率计算

6.11.3 隐含波动率微笑

第7章 量化投资十问十答