Python 金融交易实战：策略构建、回测与部署

目录与试读

目录

章节与主要小节（依据 EPUB 导航整理）：
前言
随书赠送的免费权益
第一部分：基础与数据
第1章 算法交易简介
定义算法交易的现实
解决关键设计问题
量化交易系统的组成部分
摘要
第2章 搭建 Python 量化工作流
技术要求
为什么 Python 是算法交易的理想选择
算法交易中的 pandas 必备知识
NumPy 作为最终的数学引擎
使用函数构建健壮的系统
现代 Copilot：生成式人工智能
总结
第3章 数据获取
技术要求
建立数据基础
介绍波动率尾部对冲策略
理解金融数据
探索数据来源
构建 VIXY 数据集
理解为何数据存储很重要
摘要
第4章 理解探索性数据分析
技术要求
什么是探索性数据分析？
检查数值摘要
介绍基本可视化技术
理解随时间的变化
理解分布
理解关系
将探索性数据分析应用于我们的策略
总结
第5章 数据准备
技术要求
了解数据准备的重要性
处理缺失值
重采样时间序列数据
处理异常值
将原始数据转换为信号
避免前瞻偏差
将数据准备应用于 VIXY 尾部对冲
摘要
第6章 去除金融数据中的噪声
技术要求
理解信号与噪声问题
建立统计基础
使用移动平均线过滤噪声
使用 ARIMA 和 SARIMAX 进行预测
识别边界与端点效应
选择正确的信号处理技术
使用卡尔曼滤波器进行平滑
使用傅里叶变换进行分解
利用小波进行去噪
利用分数阶差分保留记忆性
连接量化研究流程
摘要
参考文献
第二部分：策略评估与验证
第7章 评估策略表现
技术要求
理解交易与投资目标
评估投资策略
使用专业库评估策略
避免虚假发现
应用该框架：回顾第 6 章的过滤器比较
总结
参考文献
第8章 理解回测
技术要求
回测实际衡量的是什么
为什么大多数回测都有缺陷
核算交易成本与滑点
选择回测库
使用复权收盘价
评估可用的库
将库付诸实践
摘要
第9章 样本外测试
技术要求
回测的局限性
选择正确的验证方法
样本外测试
关于现实与理想的说明
总结
参考文献
第10章 向前推演分析
技术要求
理解向前分析
何时 WFA 是过度设计
生产工具：vbt.Splitter
验证框架存在局限性
收尾练习：用卡尔曼滤波器替代 OLS
摘要
参考文献
第11章 如何识别不良回测
技术要求
培养职业怀疑精神
检测幸存者偏差
在代码中寻找前视偏差
发现过拟合
警示信号指标与取证检查表
使用案例：审计配对切换策略
摘要
参考文献
第三部分：预测与基于规则的策略
第12章 时间序列模型
技术需求
区分神话与现实
为何价格预测比看起来更难
使用 ARIMA 和 SARIMAX 进行预测
使用逻辑回归预测市场方向
评估 Meta 的 Prophet 在金融数据上的表现
识别什么有效（以及原因）
摘要
参考文献
第13章 算法交易策略
技术要求
如何阅读本章
策略1：基于布林带的均值回归
策略 1，迭代 2：为布林带系统添加风险管理
策略 2：基于反脆弱资产配置的行业轮动
策略 3：使用金丝雀信号在大市值、中市值和小市值之间轮动
策略4：基于纸盒制造业PPI的板块轮动
策略 5：使用横截面动量在资产间轮动
策略 6：使用多窗口移动平均对比特币进行择时
让策略发挥作用
总结
参考文献
第四部分：机器学习与 AI 信号
第14章 攀登机器学习阶梯
技术要求
理解机器学习是什么（以及不是什么）
意识到何时确实需要机器学习
攀登复杂度阶梯
让机器替你攀爬梯子：自动机器学习
面对机器学习模型的挑战
总结
第15章 机器学习实践
技术要求
构建数据和特征集
定义值得预测的目标
不作弊地划分数据
非线性检验：关卡 2 的证据
解读模型：关卡 1 的裁决
信号的成本核算：关卡 4 的裁决
总结四个关卡及未采取的路径
总结
第16章 AI 作为 Alpha 信号生成器
技术要求
判断文本是否值得阅读
在评分任何内容之前规范信号
对评分器的验证
构建需要超越的基线
组织测试
如何辨别结果并非真实存在
在什么条件下，这才能奏效？
摘要
第17章 构建可部署的策略仓库
第18章 策略的无人值守运行
第19章 解锁代码包和 PDF 版本
附录 A：资产类别概览
附录 B：速查表与检查清单
附录 C：数据供应商资源

试读节选

在本章中，我将介绍构建严谨且纪律严明的算法交易系统流程。我们将摒弃行业中的神话，专注于利用数学和算力产生收益的现实。我们将探讨在构建交易策略前必须考虑的因素，并确立一个端到端的工作流程，这将作为本书其余部分的基础。