引言
不知不覺(jué)，公眾號(hào)“Python金融量化”已走過(guò)兩個(gè)年頭。這一路走來(lái)非常感謝讀者的支持，尤其是知識(shí)星球圈友，你們的知識(shí)付費(fèi)是我堅(jiān)持走原創(chuàng)輸出的動(dòng)力。學(xué)習(xí)是一個(gè)循序漸進(jìn)的過(guò)程，只有通過(guò)不斷的總結(jié)才能形成系統(tǒng)的知識(shí)框架。通過(guò)對(duì)兩年來(lái)發(fā)布的60篇原創(chuàng)文章進(jìn)行梳理，歸納成四個(gè)大的部分，包括Python入門篇 、金融數(shù)據(jù)篇、量化分析篇和策略回測(cè)篇 ，形成了較為完整的框架體系。本公眾號(hào)文章的最大特色是以金融場(chǎng)景+案例形式切入，分享Python在金融量化領(lǐng)域的應(yīng)用，實(shí)戰(zhàn)性強(qiáng)，為在校經(jīng)管類學(xué)生和金融從業(yè)者提供了豐富的實(shí)踐分析案例。
01Python入門篇
這一部分主要是關(guān)于Python金融量化入門學(xué)習(xí)路徑、量化資源，以及numpy、pandas、matplotlib等量化常用庫(kù)的入門和應(yīng)用。Python的編譯軟件有很多，個(gè)人建議安裝Anaconda，自帶Jupyter notebook和Spyder，其中Jupyter在交互式編程與數(shù)據(jù)分析上功能十分強(qiáng)大，公眾號(hào)上所有文章都是基于Jupyter寫的。
首先，結(jié)合個(gè)人經(jīng)驗(yàn)分享Python金融量化的學(xué)習(xí)路徑，以及分享Python從入門、進(jìn)階、到高階的學(xué)習(xí)資料，以及金融投資相關(guān)書籍（PDF）。
1.1【Python金融量化】零基礎(chǔ)如何開(kāi)始學(xué)？
1.2【推薦收藏】?jī)A心整理的Python量化資源大合集
其次，關(guān)于Numpy（數(shù)組矩陣）、Pandas（數(shù)據(jù)處理分析）、Matplotlib（可視化）、Seaborn（可視化）、Sklearn（機(jī)器學(xué)習(xí)）等金融量化常用庫(kù)的入門和應(yīng)用。
1.3 【手把手教你】玩轉(zhuǎn)Python量化金融工具之NumPy
1.4 【手把手教你】玩轉(zhuǎn)Python金融量化利器之Pandas
1.5 【建議收藏】Matplotlib可視化最有價(jià)值的50張圖表（附完整源碼）
1.6 【手把手教你】Seaborn在金融數(shù)據(jù)可視化中的應(yīng)用
1.7 【手把手教你】玩轉(zhuǎn)機(jī)器學(xué)習(xí) Sklearn
02金融數(shù)據(jù)篇
本部分主要是使用Python獲取股票行情、上市公司基本面、宏觀經(jīng)濟(jì)以及財(cái)經(jīng)新聞等數(shù)據(jù)，對(duì)其進(jìn)行可視化分析，以及使用Postgresql （sqlite3）搭建本地量化分析數(shù)據(jù)庫(kù)。
2.1 【手把手教你】Python獲取交易數(shù)據(jù)
2.3 Python量化選股初探
2.5 【手把手教你】Python獲取財(cái)經(jīng)數(shù)據(jù)和可視化分析
2.7 【Python金融量化】財(cái)經(jīng)新聞文本分析
2.8 【手把手教你】搭建自己的量化分析數(shù)據(jù)庫(kù)
2.9 「手把手教你」Python面向?qū)ο缶幊倘腴T及股票數(shù)據(jù)管理應(yīng)用實(shí)例
03量化分析篇
本部分涉及內(nèi)容比較多，包括使用Python做金融統(tǒng)計(jì)分析、蒙特卡洛模擬，時(shí)間序列建模，Talib技術(shù)分析、投資組合以及多因子模型分析等。
A股數(shù)據(jù)探索性分析：
3.1 【Python量化】股票分析入門
3.2 A股指數(shù)圖譜：是否有月份效應(yīng)？
3.4 「宏觀量化」股市趨勢(shì)與拐點(diǎn)如何看？
3.5 2005-2020年A股數(shù)據(jù)挖掘：誰(shuí)是最大的牛股？「附Python分析源碼」
3.6 機(jī)器學(xué)習(xí)刻畫股票市場(chǎng)結(jié)構(gòu)和可視化——以上證50成分股為例
時(shí)間序列專題：
3.7 「手把手教你」Python處理時(shí)間序列之日期
3.8 「Python量化基礎(chǔ)」時(shí)間序列的自相關(guān)性與平穩(wěn)性
3.9 「手把手教你」使用Python玩轉(zhuǎn)金融時(shí)間序列模型
3.10 Python玩轉(zhuǎn)金融時(shí)間序列之ARCH與GARCH模型
3.11 資產(chǎn)收益率的非平穩(wěn)性——為何機(jī)器學(xué)習(xí)預(yù)測(cè)效果不佳？
3.12 基于Markov區(qū)制轉(zhuǎn)換模型的股票波動(dòng)分析
3.13 「手把手教你」使用Python實(shí)現(xiàn)統(tǒng)計(jì)套利
TA-Lib與股票技術(shù)分析：
3.14 【手把手教你】股市技術(shù)分析利器之TA-Lib（一）
3.15【手把手教你】股市技術(shù)分析利器之TA-Lib（二）
3.16 【手把手教你】量?jī)r(jià)關(guān)系分析與Python實(shí)現(xiàn)
3.17 【手把手教你】Python量化股票市場(chǎng)情緒指標(biāo)ARBR
3.18 【手把手教你】動(dòng)量指標(biāo)的Python量化回測(cè)
3.19 【Python量化】如何利用歐奈爾的RPS尋找強(qiáng)勢(shì)股？
3.20「手把手教你」Python實(shí)現(xiàn)量?jī)r(jià)形態(tài)選股
3.21 牛股價(jià)量探索性分析與趨勢(shì)指標(biāo)可視化
3.22 【手把手教你】使用Python對(duì)股價(jià)的Heikin Ashi蠟燭圖進(jìn)行可視化
投資組合分析與多因子模型 ：
3.23 什么是多因子量化選股模型？
3.24 【手把手教你】Python量化Fama-French三因子模型
3.25 單因子測(cè)試框架分享
3.26 如何對(duì)選股因子進(jìn)行量化回測(cè)？
債券與期權(quán)衍生品之QuantLib入門與應(yīng)用：
3.27 「手把手教你」固定收益和衍生品分析利器QuantLib入門
3.28「手把手教你」使用QuantLib進(jìn)行債券估值和期權(quán)定價(jià)分析
04策略回測(cè)篇
本部分主要是使用Python分析量化策略的評(píng)價(jià)指標(biāo)，指數(shù)定投策略、機(jī)器學(xué)習(xí)、海龜交易法則和均值回歸策略等，以及專題介紹backtrader回測(cè)系統(tǒng)的運(yùn)用。
量化交易策略概述及評(píng)價(jià)指標(biāo)：
4.2 「量化回測(cè)」如何規(guī)避陷阱及評(píng)價(jià)策略？
4.3「手把手教你」Python量化策略風(fēng)險(xiǎn)指標(biāo)
4.4「手把手教你」使用pyfinance進(jìn)行證券收益分析
4.5【手把手教你】Python實(shí)現(xiàn)基于事件驅(qū)動(dòng)的量化回測(cè)
構(gòu)建交易策略并進(jìn)行簡(jiǎn)單的量化回測(cè)：
4.6 Python數(shù)說(shuō)指數(shù)定投策略
4.7「Python量化」怎么在基金定投上實(shí)現(xiàn)收益最大化
4.8 「手把手教你」使用Logistic回歸、LDA和QDA模型預(yù)測(cè)指數(shù)漲跌
4.9 【手把手教你】使用RNN深度學(xué)習(xí)預(yù)測(cè)股票價(jià)格
4.10 手把手教你用Python搭建自己的量化回測(cè)框架「均值回歸策略」
4.12 A股存在月份效應(yīng)嗎？構(gòu)建月度擇時(shí)策略「附Python源碼」
4.13 北向資金能預(yù)示大盤漲跌？「附Python源碼」
開(kāi)源回測(cè)框架backtrader專題系列：
4.14 【手把手教你】入門量化回測(cè)最強(qiáng)神器backtrader（一）
4.15「手把手教你」入門量化回測(cè)最強(qiáng)神器backtrader（二）
4.16「手把手教你」入門量化回測(cè)最強(qiáng)神器backtrader（三）
4.17如何用backtrader對(duì)股票組合進(jìn)行量化回測(cè)？
4.18backtrader股票技術(shù)指標(biāo)自定義與量化回測(cè)
4.19「手把手教你」用backtrader量化回測(cè)海龜交易策略
4.20 backtrader如何加載股票因子數(shù)據(jù)？以換手率、市盈率為例進(jìn)行回測(cè)
結(jié)語(yǔ)
一切過(guò)往，皆為序章。最后以曾國(guó)藩的人生感言作為結(jié)語(yǔ)，“物來(lái)順應(yīng)，未來(lái)不迎，當(dāng)時(shí)不雜，既過(guò)不戀”。
聯(lián)系客服
