Python量化交易实战：使用vn.py构建交易系统

　　本书就Python基础知识和交易策略的基本原理为切入点，由浅入深介绍了如何从零基础使用vn.py搭建自己交易系统。本书从原理着手到代码实践，内容由最基本的Python基础知识与Python中金融分析的常用包，逐步由浅入深介绍常用的指标并将使用vn.py进行实现。 本书共分为8章，第1章与第2章介绍vn.py的环境搭建与Python常用的工具包，为后面使用vn.py实现交易策略做准备；第3章与第4章介绍vn.py框架和量化交易的基础知识；第5章到第7章从易到难介绍不同的交易策略并配合大量的实例讲解，进一步巩固vn.py代码的使用，第8章讲解如何在实盘中运行交易策略。 本书面向零基础的新手和有一定计算机与金融知识基础的读者，以通俗易懂的语言和示例阐述量化交易的实现原理，适于对于量化交易有兴趣的读者。带有详细注释的代码将帮助读者进一步理解vn.py的框架和交易策略。

　　欧阳鹏程，西安交通大学工学硕士，曾代表西安交通大学参加第一届浦发百度智慧金融极客挑战赛，获全国三等奖，研究方向为人工智能在视觉方向的应用与数据增强。曾于三六零安全科技股份有限公司与华为技术有限公司诺亚方舟实验室实习，现从事量化研究与开发相关工作。已出版图书《TensorFlow计算机视觉原理与实战》。

　　
　　
　　
　　
本书源码
第1章  简介 1
1.1  量化交易的概念 1
1.1.1  趋势性交易 2
1.1.2  市场中性交易 3
1.1.3  高频交易 4
1.2  量化交易的历史 5
1.3  量化交易的工具 6
1.3.1  基于Web端的工具 6
1.3.2  本地离线的工具 9
1.4  vn.py的优势 10
1.5  vn.py的安装与环境配置 11
1.5.1  VeighNa Studio安装 11
1.5.2  手动安装 14
1.6  小结 22
第2章  常用的Python数据包 23
2.1  NumPy的使用 23
2.1.1  NumPy中的数据类型 23
2.1.2  NumPy中数组的使用 23
2.2  Matplotlib的使用 30
2.2.1  Matplotlib中的相关概念 30
2.2.2  使用Matplotlib绘图 30
2.3  Pandas的使用 41
2.3.1  Pandas中的数据结构 41
2.3.2  使用Pandas读取数据 42
2.3.3  使用Pandas处理数据 44
2.4  SciPy的使用 47
2.4.1  使用SciPy写入mat文件 47
2.4.2  使用SciPy读取mat文件 48
2.5  scikit-learn的使用 48
2.5.1  使用scikit-learn进行回归 49
2.5.2  使用scikit-learn进行分类 52
2.6  Pillow的使用 57
2.6.1  使用Pillow读取并显示图像 57
2.6.2  使用Pillow处理图像 58
2.7  OpenCV的使用 69
2.7.1  使用OpenCV读取与显示图像 70
2.7.2  使用OpenCV处理图像 71
2.8  collections的使用 76
2.8.1  namedtuple 76
2.8.2  Counter 77
2.8.3  OrderedDict 77
2.8.4  defaultdict 78
2.9  typing的使用 78
2.9.1  标准数据类型标识 79
2.9.2  collections中的数据类型标识 81
2.9.3  其他常用标识 82
2.10  argparse的使用 83
2.10.1  argparse的使用框架 83
2.10.2  使用argparse解析命令行参数 84
2.11  JSON的使用 86
2.11.1  使用JSON写入数据 86
2.11.2  使用JSON读取数据 87
2.12  TA-Lib的使用 88
2.12.1  技术指标 88
2.12.2  模式识别 90
2.13  Tushare的使用 91
2.14  Orange的使用 93
2.14.1  Orange中的示例 94
2.14.2  创建自己的工作流 97
2.15  Optunity的使用 99
2.16  Optuna的使用 100
2.17  小结 101
第3章  vn.py基础 102
3.1  vn.py的整体架构 102
3.1.1  底层接口 102
3.1.2  中层引擎 103
3.1.3  上层应用 106
3.2  vn.py文件中的交易接口 106
3.2.1  CTP接口 106
3.2.2  UFT接口 115
3.3  vn.py文件中的数据库 116
3.4  vn.py文件中的回测模块 125
3.5  vn.py文件中的自动交易模块 128
3.6  vn.py文件中的实盘行情记录模块 129
3.7  vn.py文件中的历史数据管理模块 130
3.8  vn.py文件中的实时K线图表模块 132
3.9  vn.py文件中的投资组合管理模块 132
3.10  vn.py文件中的事前风控管理模块 133
3.11  vn.py文件中的本地仿真交易模块 134
3.12  vn.py文件中的算法委托执行交易模块 135
3.13  vn.py文件中的多合约组合策略模块 137
3.14  vn.py文件中的多合约价差组合套利模块 137
3.15  小结 138
第4章  量化交易的基础知识 139
4.1  交易策略 139
4.2  仓位与资金管理 139
4.2.1  固定仓位/资金管理策略 140
4.2.2  漏斗形管理策略 141
4.2.3  金字塔形策略 142
4.2.4  马丁策略 143
4.2.5  反马丁策略 144
4.2.6  凯利公式 144
4.3  事前风控 145
4.4  事中风控 145
4.5  事后风控 145
4.6  小结 146
第5章  基于指标的交易策略 147
5.1  交易策略框架 147
5.2  双均线交易策略 150
5.3  KDJ交易策略 158
5.4  MACD交易策略 164
5.5  BIAS交易策略 169
5.6  布林带交易策略 174
5.7  ATR交易策略 179
5.8  ADX交易策略 183
5.9  Dual Thrust交易策略 188
5.10  AR交易策略 193
5.11  EMD交易策略 197
5.12  均线排列交易策略 203
5.13  R-Breaker交易策略 208
5.14  超级趋势交易策略 212
5.15  布林海盗交易策略 217
5.16  Hans123交易策略 221
5.17  海龟交易策略 227
5.18  海龟汤交易策略 233
5.19  网格交易策略 237
5.20  CMO交易策略 241
5.21  小结 245
第6章  基于模型的交易策略 246
6.1  基于ARMA模型的交易策略 246
6.2  基于ARIMA模型的交易策略 254
6.3  基于SARIMA模型的交易策略 261
6.4  基于SVM的交易策略 267
6.5  基于计算机视觉的交易策略 271
6.6  小结 286
第7章  交易策略的集成 287
7.1  策略集成的方法 287
7.2  基于分类模型集成交易策略 288
7.3  基于回归模型集成交易策略 299
7.4  小结 304
第8章  实盘交易 305
8.1  实盘交易与回测的区别 305
8.2  准备工作 306
8.3  运行策略 310
8.3.1  基于tick数据的实盘策略 310
8.3.2  基于分钟K线数据的实盘策略 317
8.4  小结 323
　　
IV
V