Skip to content
On this page

结尾篇-贯穿知识点才能学以致用


结尾篇:贯穿知识点才能学以致用

内容回顾

最后一小节让我们一起回顾下本小册的关键内容,当我们把所学知识贯穿起来时,才能得心应手地学以致用。

首先我们回顾下本小册的课程大纲。课程大纲由开篇、前置基础、数据分析、数据可视化、交易策略和结尾组成,以初学者由浅入深学习量化交易的视角进行设计和制定的,前一小节的学习旨在为下一小节建立学习基础,如下图所示::

关于课程大纲的设计思路及关键点如下:

1、开篇。从整体上使大家了解什么是量化交易?量化分析系统是怎样的应用场景?关键点包括:

  • 量化交易的本质
  • 量化交易的发展
  • 量化交易的优势
  • 量化交易的应用场景

2、前置基础。在正式开启量化交易之路前,让大家夯实基础,预热后续小节的学习。关键点包括:

  • 统计概率基础
  • 开发环境搭建
  • 数据分析工具基础入门
  • 数据可视化工具基础入门

3、股票数据分析。对股票数据的分析可以使我们提取到数据内在的规律,掌握数据分析的各种方法显得尤为重要。关键点包括:

  • 股票数据的获取
  • 股票数据的访问
  • 股票数据的遍历
  • 股票数据的处理

4、股票数据可视化。将股票数据以图表方式呈现出来可以使我们更直观的了解数据的内在价值,掌握数据可视化的方法必不可少。

  • 常用技术指标可视化
  • 股票行情界面的实现
  • Web版行情界面的实现

5、股票交易策略。交易策略是本小册的核心,从选股、择时、度量、参数、仓位、风险等维度介绍如何构建量化交易策略。关键点包括:

  • 线性回归算法选股
  • 收益度量方法的实现
  • 风险度量方法的实现
  • N日突破策略择时
  • 蒙特卡洛算法最优化参数
  • 凯利公式实现仓位管理

参考链接

由于小册篇幅所限,在文中仅仅介绍了案例中所涉及到的Python基础的语法和第三方库的使用方法,当然还有非常多的知识点需要同学们去深入挖掘,此处提供给大家一些相关的官网链接,提供大家继续学习:

Python官网链接:https://www.python.org/

Matplotlib官网链接:https://matplotlib.org/

TA-Lib官网链接:http://tadoc.org/

Pandas官网链接:http://pandas.pydata.org/

Numpy官网链接:https://docs.scipy.org/doc/numpy

Tushare官网链接:http://tushare.org

statsmodels官网链接:http://www.statsmodels.org

pyecharts官网链接:http://pyecharts.org/

后期扩展

对于Python基础能力薄弱的同学,我们会陆续推出与小册内容相关的基础专栏文章,对涉及到的知识点进行更全面的扩展介绍。当然大家对于其他想要了解的基础内容也可以留言,我们会选择性地推出。目前已经推出如下文章:

交流互动

最后,希望大家通过小册的学习中能有所收获,用Python构建出属于自己的量化分析系统,另外有任何疑问和想法都可以在互动平台上和我交流,感谢大家的阅读!