股票技术指标 pdf(「合辑·收藏」Python量化从入门到精通)

引言

自2018年9月27日发第一篇推文以来，公众号“Python金融量化”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，已发表29篇原创文章，关注者从零到破万。这一路走来充满了成长的彷徨和喜悦，在此非常感谢大家的一路支持！学习是一个循序渐进的过程，只有通过不断的总结才能形成系统的知识框架。今天将已发送的推文进行一次梳理和总结，归纳出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，希望对大家的学习和实战应用有一定的启示。

原文见：https://mp.weixin.qq.com/s/HcyFjDcxdgc5_OgLXsEfPA

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：

（1）【Python金融量化】零基础如何开始学

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。

（2）【资料分享】Python量化从入门到高阶

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

【手把手教你】玩转Python量化金融工具之NumPy

2、金融数据处理与分析：Pandas

【手把手教你】玩转Python金融量化利器之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

（1）【Python金融量化】A股沉浮启示录

（2）2018你不可不知的十大关键词

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

（1）【手把手教你】Python金融财务分析

（2）【手把手教你】时间序列之日期处理

2、财经数据获取与可视化

【手把手教你】Python获取财经数据和可视化分析

3、上市公司数据挖掘与分析

【Python金融量化】上市公司知多少

4、文本信息挖掘：财经新闻文本分析

（1）【Python金融量化】财经新闻文本分析

（2）【文本挖掘】Python带你笑看江湖

5、金融知识图谱

【手把手教你】用Python构建小型金融知识图谱

6、宏观分析与量化

（1）大势观澜与研判逻辑

（2）【宏观量化】股市趋势与拐点如何看

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

【手把手教你】Python获取交易数据

2、股票分析入门

【Python量化】股票分析入门

2、Python量化选股

Python量化选股初探

3、Python分析指数基金定投

（1）Python数说指数定投策略

（2）【Python量化】怎么在基金定投上实现收益最大化

4、Python验证A股月份效应

A股指数图谱：是否有月份效应

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

【手把手教你】搭建自己的量化分析数据库

2、Python计算量化策略风险指标

【手把手教你】Python量化策略风险指标

3、技术分析利器之TA-Lib

（1）【手把手教你】股市技术分析利器之TA-Lib（一）

（2）【手把手教你】股市技术分析利器之TA-Lib（二）

4、量化投资方法论体系

【干货分享】一文讲透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

（2）【手把手教你】动量指标的Python量化回测

（3）【手把手教你】量价关系分析与Python实现

（4）【Python量化】如何利用欧奈尔的RPS寻找强势股

（5）什么是多因子量化选股模型

（6）如何对选股因子进行量化回测

（7）【手把手教你】Python量化Fama-French三因子模型