引言
今天给大家分享一个微信公众号“Python金融量化”,作者是金融学博士,堪萨斯大学访问学者,专注于分享Python在金融量化领域的实战应用,坚持走原创路线,持续输出技术干货,目前已发表33篇原创文章,总结出Python应用于金融量化中的学习路线图,从零基础开始,由浅入深,搭建Python量化投资知识框架体系,希望对大家的Python学习和实战应用有一定的启示。
Python金融量化
长按识别二维码关注01
Python编程基础
关于Python的入门和基础这一块,公众号分享了两篇文章,着重介绍了零基础该如何建立自己的学习路线图,并分享了相关入门学习资料,具体见以下推文:
结合个人经验分享下Python做金融量化和数据分析的学习路径。
分享Python从入门、进阶、到高阶的学习资料,以及金融投资相关书籍(PDF)。
Python安装与使用
建议安装Anaconda,自带Jupyter notebook和Spyder。Jupyter在交互式编程与数据分析上功能十分强大,公众号上所有文章基本上都是基于Jupyter写的。公众号里回复“Python入门”即可获取相关资料。
Python语言基础
python入门该从哪入手?目前网上学习资料汗牛充栋,大同小异, 基本上围绕以下六个方面:
数值类型(整数、浮点数、布尔型、复数)
字符串(str)及其操作
列表(list)、元组(tuple)、字典(dict)、集合(set)
条件、循环语句
函数
常用内置模块:os、math、time、datetime等
02
Python金融量化常用库
Numpy(数组矩阵)、Pandas(数据处理分析)、Scipy(数理统计)、Statsmodel(数理模型)和Matplotlib(可视化)等是综合应用Python做量化分析必学的轮子(module)。当然,如果要把这些库都从头到尾都学一遍,时间精力上估计也不够。因此,建议“干中学”,以解决学习或工作中的实际问题为指导原则,通过实际应用来学习巩固。
1、矩阵与科学计算:Numpy
2、金融数据处理与分析:Pandas
3、数理模型:Scipy与Statsmodel
这一块目前还没发文,后续推文将会涉及。
4、数据可视化:综合运用Matplotlib与pyecharts
03
Python金融基础分析实例
本部分是结合金融量化基础,以金融场景真实数据,综合应用numpy、pandas、matplotlib、tushare等,实现数据分析和可视化,包括货币时间价值、复利计算、文本分析、金融图谱和宏观量化等。
1、金融量化分析基础:货币时间价值与复利计算
2、财经数据获取与可视化
3、上市公司数据挖掘与分析
4、文本信息挖掘:财经新闻文本分析
5、金融知识图谱
6、宏观分析与量化
(1)大势观澜与研判逻辑
04
Python股票量化初探
本部分主要主要介绍了股票市场分析的量化基础,包括数据获取、量化选股、股票分析入门、量化选股、指数定投和日历效应,体现了Pandas的高级运用和数据可视化分析。
1、获取股票交易数据
2、股票分析入门
2、Python量化选股
3、Python分析指数基金定投
4、Python验证A股月份效应
05
Python量化投资专题
本部分围绕量化投资专题展开,从数据库交互使用、量化策略风险指标、技术分析TA-Lib、量化投资方法论体系、经典策略(多因子、动量、情绪指标等等),这一部分对金融投资理论和Python基础要求均较高,也是公众号后续推文的重点。
1、搭建自己的量化分析数据库
2、Python计算量化策略风险指标
3、技术分析利器之TA-Lib
4、量化投资方法论体系
5、量化投资实战案例
(1)【手把手教你】Python量化股票市场情绪指标ARBR
(4)【Python量化】如何利用欧奈尔的RPS寻找强势股?
(7)【手把手教你】Python量化Fama-French三因子模型
长
按
关
注
解锁更多精彩内容