第1 部分Python 入門 1 
第1 章Python 簡(jiǎn)介與安裝使用 2 
1．1 Python 概述
1．2 Python 的安裝
1．2．1 下載安裝Python 執(zhí)行文件
1．2．2 下載安裝Anaconda
1．2．3 多種Python 版本并存
1．3 Python 的簡(jiǎn)單使用 
1．4 交互對(duì)話環(huán)境IPython 
1．4．1 IPython 的安裝
1．4．2 IPython 的使用
1．4．3 IPython 功能介紹 




第2 章Python 代碼的編寫與執(zhí)行
2．1 創(chuàng)建Python 腳本文件
2．1．1 記事本
2．1．2 Python 默認(rèn)的IDLE 環(huán)境
2．1．3 專門的程序編輯器
2．2 執(zhí)行．py 文件
2．2．1 IDLE 環(huán)境自動(dòng)執(zhí)行
2．2．2 在控制臺(tái)cmd 中執(zhí)行
2．2．3 在Annaconda Prompt 中執(zhí)行
2．3 Python 編程小技巧
2．3．1 Python 行
2．3．2 Python 縮進(jìn)




第3 章Python 對(duì)象類型初探 23 
3．1 Python 對(duì)象
3．2 變量命名規(guī)則
3．3 數(shù)值類型
3．3．1 整數(shù)
3．3．2 浮點(diǎn)數(shù)
3．3．3 布爾類型
3．3．4 復(fù)數(shù)
3．4 字符串
3．5 列表
3．6 可變與不可變
3．7 元組
3．8 字典
3．9 集合




第4 章Python 集成開發(fā)環(huán)境：Spyder 介紹 36 
4．1 代碼編輯器
4．2 代碼執(zhí)行Console
4．3 變量查看與編輯
4．4 當(dāng)前工作路徑與文件管理
4．5 幫助文檔與在線幫助
4．6 其他功能




第5 章Python 運(yùn)算符與使用 44 
5．1 常用運(yùn)算符
5．1．1 算術(shù)運(yùn)算符
5．1．2 賦值運(yùn)算符
5．1．3 比較運(yùn)算符
5．1．4 邏輯運(yùn)算符
5．1．5 身份運(yùn)算符
5．1．6 成員運(yùn)算符 
5．1．7 運(yùn)算符的優(yōu)先級(jí)
5．2 具有運(yùn)算功能的內(nèi)置函數(shù)




第6 章Python 常用語(yǔ)句 55 
6．1 賦值語(yǔ)句
6．1．1 賦值含義與簡(jiǎn)單賦值
6．1．2 多重賦值
6．1．3 多元賦值
6．1．4 增強(qiáng)賦值
6．2 條件語(yǔ)句
6．3 循環(huán)語(yǔ)句 
6．3．1 for 循環(huán)
6．3．2 while 循環(huán)
6．3．3 嵌套循環(huán)
6．3．4 break、continue 等語(yǔ)句




第7 章函數(shù) 
7．1 函數(shù)的定義與調(diào)用
7．2 函數(shù)的參數(shù) 
7．3 匿名函數(shù)
7．4 作用域 




第8 章面向?qū)ο?br /> 8．1 類 
8．2 封裝
8．3 繼承（Inheritance）




第9 章Python 標(biāo)準(zhǔn)庫(kù)與數(shù)據(jù)操作 
9．1 模塊、包和庫(kù)
9．1．1 模塊
9．1．2 包
9．1．3 庫(kù)
9．2 Python 標(biāo)準(zhǔn)庫(kù)介紹
9．3 Python 內(nèi)置數(shù)據(jù)類型與操作
9．3．1 序列類型數(shù)據(jù)操作
9．3．1．1 list 類型與操作
9．3．1．2 tuple 類型與操作
9．3．1．3 range 類型與操作
9．3．1．4 字符串操作
9．3．2 字典類型操作
9．3．3 集合操作




第10 章常用第三方庫(kù)：Numpy 庫(kù)與多維數(shù)組
10．1 NumPy 庫(kù) 
10．2 創(chuàng)建數(shù)組
10．3 數(shù)組元素索引與切片
10．4 數(shù)組運(yùn)算




第11 章常用第三方庫(kù)：Pandas 與數(shù)據(jù)處理 
11．1 Series 類型數(shù)據(jù)
11．1．1 Series 對(duì)象的創(chuàng)建
11．1．2 Series 對(duì)象的元素提取與切片
11．1．2．1 調(diào)用方法提取元素
11．1．2．2 利用位置或標(biāo)簽提取元素與切片
11．1．3 時(shí)間序列
11．2 DataFrame 類型數(shù)據(jù)
11．2．1 創(chuàng)建DataFrame 對(duì)象
11．2．2 查看DataFrame 對(duì)象
11．2．3 DataFrame 對(duì)象的索引與切片
11．2．4 DataFrame 的操作
11．2．5 DataFrame 的運(yùn)算
11．3 數(shù)據(jù)規(guī)整化
11．3．1 缺失值的處理
11．3．1．1 缺失值的判斷
11．3．1．2 選出不是缺失值的數(shù)據(jù)
11．3．2 缺失值的填充
11．3．3 缺失值的選擇刪除
11．3．4 刪除重復(fù)數(shù)據(jù)




第12 章常用第三方庫(kù)：Matplotlib 庫(kù)與數(shù)據(jù)可視化 
12．1 Matplotlib 簡(jiǎn)介
12．2 修改圖像屬性
12．2．1 坐標(biāo)
12．2．1．1 更改坐標(biāo)軸范圍
12．2．1．2 設(shè)定坐標(biāo)標(biāo)簽與顯示角度
12．2．2 添加文本
12．2．2．1 添加標(biāo)題
12．2．2．2 中文顯示問題
12．2．2．3 設(shè)定坐標(biāo)軸標(biāo)簽
12．2．2．4 增加圖形背景grid
12．2．2．5 增加圖例
12．2．3 多種線條屬性
12．2．3．1 線條的類型
12．2．3．2 圖形的顏色
12．2．3．3 點(diǎn)的形狀類型
12．2．3．4 線條寬度
12．3 常見圖形的繪制
12．3．1 柱狀圖（Bar charts） 
12．3．2 直方圖
12．3．3 餅圖
12．3．4 箱線圖
12．4 Figure、Axes 對(duì)象與多圖繪制
12．4．1 Figure、Axes 對(duì)象
12．4．2 多圖繪制
12．4．2．1 多個(gè)子圖繪制
12．4．2．2 一個(gè)圖中多條曲線繪制 




第2 部分統(tǒng)計(jì)學(xué)基礎(chǔ) 
第13 章描述性統(tǒng)計(jì)
13．1 數(shù)據(jù)類型
13．2 圖表
13．2．1 頻數(shù)分布表
13．2．2 直方圖
13．3 數(shù)據(jù)的位置
13．4 數(shù)據(jù)的離散度




第14 章隨機(jī)變量簡(jiǎn)介 
14．1 概率與概率分布
14．1．1 離散型隨機(jī)變量
14．1．2 連續(xù)型隨機(jī)變量
14．2 期望值與方差
14．3 二項(xiàng)分布
14．4 正態(tài)分布
14．5 其他連續(xù)分布
14．5．1 卡方分布
14．5．2 t 分布
14．5．3 F 分布
14．6 變量的關(guān)系
14．6．1 聯(lián)合概率分布
14．6．2 變量的獨(dú)立性
14．6．3 變量的相關(guān)性
14．6．4 上證綜指與深證綜指的相關(guān)性分析




第15 章推斷統(tǒng)計(jì)
15．1 參數(shù)估計(jì)
15．1．1 點(diǎn)估計(jì)
15．1．2 區(qū)間估計(jì)
15．2 案例分析
15．3 假設(shè)檢驗(yàn)
15．3．1 兩類錯(cuò)誤
15．3．2 顯著性水平與p 值
15．3．3 確定小概率事件
15．4 t 檢驗(yàn)
15．4．1 單樣本t 檢驗(yàn)
15．4．2 獨(dú)立樣本t 檢驗(yàn)
15．4．3 配對(duì)樣本t 統(tǒng)計(jì)量的構(gòu)造




第16 章方差分析
16．1 方差分析之思想
16．2 方差分析之原理
16．2．1 離差平方和
16．2．2 自由度
16．2．3 顯著性檢驗(yàn)
16．3 方差分析之Python 實(shí)現(xiàn)
16．3．1 單因素方差分析
16．3．2 多因素方差分析
16．3．3 析因方差分析




第17 章回歸分析
17．1 一元線性回歸模型
17．1．1 一元線性回歸模型
17．1．2 最小平方法
17．2 模型擬合度
17．3 古典假設(shè)條件下^_、^ _ 之統(tǒng)計(jì)性質(zhì)
17．4 顯著性檢驗(yàn)
17．5 上證綜指與深證成指的回歸分析與Python 實(shí)踐
17．5．1 Python 擬合回歸函數(shù)
17．5．2 繪制回歸診斷圖
17．6 多元線性回歸模型
17．7 多元線性回歸案例分析
17．7．1 價(jià)格水平對(duì)GDP 的影響 
17．7．2 考量自變量共線性因素的新模型




第3 部分金融理論、投資組合與量化選股
第18 章資產(chǎn)收益率和風(fēng)險(xiǎn) 
18．1 單期與多期簡(jiǎn)單收益率 
18．1．1 單期簡(jiǎn)單收益率
18．1．2 多期簡(jiǎn)單收益率
18．1．3 Python 函數(shù)計(jì)算簡(jiǎn)單收益率
18．1．4 單期與多期簡(jiǎn)單收益率的關(guān)系
18．1．5 年化收益率
18．1．6 考慮股利分紅的簡(jiǎn)單收益率
18．2 連續(xù)復(fù)利收益率
18．2．1 多期連續(xù)復(fù)利收益率
18．2．2 單期與多期連續(xù)復(fù)利收益率的關(guān)系
18．3 繪制收益圖
18．4 資產(chǎn)風(fēng)險(xiǎn)的來源
18．4．1 市場(chǎng)風(fēng)險(xiǎn)
18．4．2 利率風(fēng)險(xiǎn)
18．4．3 匯率風(fēng)險(xiǎn)
18．4．4 流動(dòng)性風(fēng)險(xiǎn)
18．4．5 信用風(fēng)險(xiǎn)
18．4．6 通貨膨脹風(fēng)險(xiǎn)
18．4．7 營(yíng)運(yùn)風(fēng)險(xiǎn) 
18．5 資產(chǎn)風(fēng)險(xiǎn)的測(cè)度
18．5．1 方差
18．5．2 下行風(fēng)險(xiǎn)
18．5．3 風(fēng)險(xiǎn)價(jià)值
18．5．4 期望虧空
18．5．5 最大回撤




第19 章投資組合理論及其拓展
19．1 投資組合的收益率與風(fēng)險(xiǎn)
19．2 Markowitz 均值-方差模型
19．3 Markowitz 模型之Python 實(shí)現(xiàn)
19．4 Black-Litterman 模型




第20 章資本資產(chǎn)定價(jià)模型（CAPM） 
20．1 資本資產(chǎn)定價(jià)模型的核心思想
20．2 CAPM 模型的應(yīng)用
20．3 Python 計(jì)算單資產(chǎn)CAPM 實(shí)例
20．4 CAPM 模型的評(píng)價(jià)




第21 章Fama-French 三因子模型
21．1 Fama-French 三因子模型的基本思想
21．2 三因子模型之Python 實(shí)現(xiàn)
21．3 三因子模型的評(píng)價(jià)
第4 部分時(shí)間序列簡(jiǎn)介與配對(duì)交易 317 




第22 章時(shí)間序列基本概念 318 
22．1 認(rèn)識(shí)時(shí)間序列
22．2 Python 中的時(shí)間序列數(shù)據(jù)
22．3 選取特定日期的時(shí)間序列數(shù)據(jù)
22．4 時(shí)間序列數(shù)據(jù)描述性統(tǒng)計(jì)




第23 章時(shí)間序列的基本性質(zhì) 326 
23．1 自相關(guān)性
23．1．1 自協(xié)方差
23．1．2 自相關(guān)系數(shù)
23．1．3 偏自相關(guān)系數(shù)
23．1．4 acf( ) 函數(shù)與pacf( ) 函數(shù)
23．1．5 上證綜指的收益率指數(shù)的自相關(guān)性判斷
23．2 平穩(wěn)性
23．2．1 強(qiáng)平穩(wěn)
23．2．2 弱平穩(wěn)
23．2．3 強(qiáng)平穩(wěn)與弱平穩(wěn)的區(qū)別
23．3 上證綜指的平穩(wěn)性檢驗(yàn)
23．3．1 觀察時(shí)間序列圖
23．3．2 觀察序列的自相關(guān)圖和偏自相關(guān)圖
23．3．3 單位根檢驗(yàn)
23．4 白噪聲
23．4．1 白噪聲
23．4．2 白噪聲檢驗(yàn)――Ljung-Box 檢驗(yàn)
23．4．3 上證綜合指數(shù)的白噪聲檢驗(yàn)




第24 章時(shí)間序列預(yù)測(cè) 
24．1 移動(dòng)平均預(yù)測(cè)
24．1．1 簡(jiǎn)單移動(dòng)平均
24．1．2 加權(quán)移動(dòng)平均
24．1．3 指數(shù)加權(quán)移動(dòng)平均
24．2 ARMA 模型預(yù)測(cè)
24．2．1 自回歸模型
24．2．2 移動(dòng)平均模型
24．3 自回歸移動(dòng)平均模型
24．4 ARMA 模型的建模過程
24．5 CPI 數(shù)據(jù)的ARMA 短期預(yù)測(cè)
24．5．1 序列識(shí)別
24．5．2 模型識(shí)別與估計(jì)
24．5．3 模型診斷
24．5．4 運(yùn)用模型進(jìn)行預(yù)測(cè)
24．6 股票收益率的平穩(wěn)時(shí)間序列建模




第25 章GARCH 模型
25．1 資產(chǎn)收益率的波動(dòng)率與ARCH 效應(yīng)
25．2 ARCH 模型和GARCH 模型
25．2．1 ARCH 模型
25．2．2 GARCH 模型 
25．3 ARCH 效應(yīng)檢驗(yàn)
25．4 GARCH 模型構(gòu)建




第26 章配對(duì)交易策略
26．1 什么是配對(duì)交易
26．2 配對(duì)交易的思想
26．3 配對(duì)交易的步驟
26．3．1 股票對(duì)的選擇
26．3．2 配對(duì)交易策略的制定
26．4 構(gòu)建PairTrading 類
26．5 Python 實(shí)測(cè)配對(duì)交易交易策略




第5 部分技術(shù)指標(biāo)與量化投資
第27 章K 線圖 
27．1 K 線圖簡(jiǎn)介
27．2 Python 繪制上證綜指K 線圖
27．3 Python 捕捉K 線圖的形態(tài)
27．3．1 Python 捕捉“早晨之星”
27．3．2 Python 語(yǔ)言捕捉“烏云蓋頂”形態(tài)




第28 章動(dòng)量交易策略
28．1 動(dòng)量概念介紹
28．2 動(dòng)量效應(yīng)產(chǎn)生的原因
28．3 價(jià)格動(dòng)量的計(jì)算公式
28．3．1 作差法求動(dòng)量值
28．3．2 做除法求動(dòng)量值
28．4 編寫動(dòng)量函數(shù)momentum( ) 
28．5 萬科股票2015 年走勢(shì)及35 日動(dòng)量線
28．6 動(dòng)量交易策略的一般思路




第29 章RSI 相對(duì)強(qiáng)弱指標(biāo)
29．1 RSI 基本概念
29．2 Python 計(jì)算RSI 值
29．3 Python 編寫rsi( ) 函數(shù)
29．4 RSI 天數(shù)的差異
29．5 RSI 指標(biāo)判斷股票超買和超賣狀態(tài)
29．6 RSI 的“黃金交叉”與“死亡交叉”
29．7 交通銀行股票RSI 指標(biāo)交易實(shí)測(cè)
29．7．1 RSI 捕捉交通銀行股票買賣點(diǎn)
29．7．2 RSI 交易策略執(zhí)行及回測(cè)




第30 章均線系統(tǒng)策略
30．1 簡(jiǎn)單移動(dòng)平均
30．1．1 簡(jiǎn)單移動(dòng)平均數(shù)
30．1．2 簡(jiǎn)單移動(dòng)平均函數(shù)
30．1．3 期數(shù)選擇
30．2 加權(quán)移動(dòng)平均
30．2．1 加權(quán)移動(dòng)平均數(shù)
30．2．2 加權(quán)移動(dòng)平均函數(shù)
30．3 指數(shù)加權(quán)移動(dòng)平均
30．3．1 指數(shù)加權(quán)移動(dòng)平均數(shù)
30．4 創(chuàng)建movingAverage 模組
30．5 常用平均方法的比較
30．6 中國(guó)銀行股價(jià)數(shù)據(jù)與均線分析
30．7 均線時(shí)間跨度
30．8 中國(guó)銀行股票均線系統(tǒng)交易
30．8．1 簡(jiǎn)單移動(dòng)平均線制定中國(guó)銀行股票的買賣點(diǎn)
30．8．2 雙均線交叉捕捉中國(guó)銀行股票的買賣點(diǎn)
30．9 異同移動(dòng)平均線（MACD）
30．9．1 MACD 的求值過程
30．9．2 異同均線（MACD）捕捉中國(guó)銀行股票的買賣點(diǎn)
30．10 多種均線指標(biāo)綜合運(yùn)用模擬實(shí)測(cè)




第31 章通道突破策略
31．1 通道突破簡(jiǎn)介
31．2 唐奇安通道
31．2．1 唐奇安通道刻畫
31．2．2 Python 捕捉唐奇安通道突破
31．3 布林帶通道
31．4 布林帶通道與市場(chǎng)風(fēng)險(xiǎn)
31．5 通道突破交易策略的制定
31．5．1 一般布林帶上下通道突破策略
31．5．2 特殊布林帶通道突破策略




第32 章隨機(jī)指標(biāo)交易策略 
32．1 什么是隨機(jī)指標(biāo)（KDJ）
32．2 隨機(jī)指標(biāo)的原理
32．3 KDJ 指標(biāo)的計(jì)算公式
32．3．1 未成熟隨機(jī)指標(biāo)RSV 
32．3．2 K、D 指標(biāo)計(jì)算
32．3．3 J 指標(biāo)計(jì)算
32．3．4 KDJ 指標(biāo)簡(jiǎn)要分析
32．4 KDJ 指標(biāo)的交易策略
32．5 KDJ 指標(biāo)交易實(shí)測(cè)
32．5．1 KD 指標(biāo)交易策略
32．5．2 KDJ 指標(biāo)交易策略
32．5．3 K 線、D 線“金叉”與“死叉”




第33 章量?jī)r(jià)關(guān)系分析
33．1 量?jī)r(jià)關(guān)系概述
33．2 量?jī)r(jià)關(guān)系分析
33．2．1 價(jià)漲量增
33．2．2 價(jià)漲量平
33．2．3 價(jià)漲量縮 
33．2．4 價(jià)平量增
33．2．5 價(jià)平量縮
33．2．6 價(jià)跌量增
33．2．7 價(jià)跌量平
33．2．8 價(jià)跌量縮
33．3 不同價(jià)格段位的成交量
33．4 成交量與均線思想結(jié)合制定交易策略




第34 章OBV 指標(biāo)交易策略 524 
34．1 OBV 指標(biāo)概念
34．2 OBV 指標(biāo)計(jì)算方法
34．3 OBV 指標(biāo)的理論依據(jù)
34．4 OBV 指標(biāo)的交易策略制定
34．5 OBV 指標(biāo)交易策略的Python 實(shí)測(cè)
34．6 OBV 指標(biāo)的應(yīng)用原則