【2022合集】Python量化从入门到精通

介绍

年度工作总结

洛雷姆·伊普苏姆

从春天到秋天，《Python金融量化》坚持了四年，全网粉丝10万+。 在公众号阅读量锐减、短视频流行的情况下比特币入门基础知识，坚持文字输出并不容易。 非常感谢读者一路以来的支持，尤其是知识星球圈内的朋友们。 累计付费用户1600+。 知识付费是公众号坚持原创输出的最大动力。

今年最大的成果是基于公众号和网络资源的积累，开发了qstock量化分析包，目前包括数据采集（data）、可视化（plot）、选股（stock）和量化回测四个模块（回测）。 目前，qstock 已开源供读者使用。 它可以直接通过“pip install qstock”安装，也可以通过“pip install --upgrade qstock”进行更新。 部分策略选股和策略回测功能只对知识星球会员开放，会员可在知识星球置顶 从帖子中获取qstock-vip-1.3.3.tar.gz（增强版）安装包. 关于qstock的数据、可视化、选股和回测的详细教程，请参考以下推文：

【qstock开源】数据行情交易数据

【qstock数据篇】行业概念板块与资金流向

【qstock量化】个股基本面数据

【qstock量化】数据文章宏观指标与财经新闻正文

【qstock量化】动态交互数据可视化

【qstock量化】技术形态与概念热点选股池

【手把手教你】使用qstock实现量化策略选股

【一步步教你】使用qstock进行量化回测

学习是一个循序渐进的过程，只有不断总结才能形成系统的知识框架。 通过整理近四年发表的90多篇原创文章，归纳为Python入门文章、金融数据文章、量化分析文章、策略回测文章四大部分，形成了一个比较完整的框架体系，供大家参考。学习参考。

01

开始使用 Python

这部分主要是Python金融量化入门的学习路径、量化资源，以及numpy、pandas、matplotlib等常用量化库的介绍和应用。 Python的编译软件有很多。 我个人推荐安装Jupyter notebook和Spyder自带的Anaconda。 其中，Jupyter在交互式编程和数据分析方面非常强大。 公众号所有文章均基于Jupyter编写。

首先分享一下基于个人经验的Python金融量化学习路径，分享Python从入门、进阶到进阶的学习资料，以及金融投资相关书籍（PDF）。

1.1【Python金融量化】零基础如何入门？

1.2 【推荐合集】Python量化资源大合集

其次比特币入门基础知识，关于Numpy（数组矩阵）、Pandas（数据处理与分析）、Matplotlib（可视化）、Seaborn（可视化）、Sklearn（机器学习）等常用金融量化库的介绍和应用。

1.3 【手把手教你】玩转Python量化金融工具NumPy

1.4 【手把手教你】玩转Pandas，Python金融量化的利器

1.5 【建议收藏】Matplotlib可视化最有价值的50张图片

1.6 【手把手教你】Seaborn在金融数据可视化中的应用

1.7 【一步步教你】玩转机器学习Sklearn

1.8【手把手教你】股票可视化分析Pyecharts（一）

1.9【手把手教你】股票可视化分析Pyecharts（二）

02

财务数据

本部分主要使用Python获取股票行情、上市公司基本面、宏观经济、财经新闻等数据，并对其进行可视化分析，使用Postgresql（sqlite3）搭建本地量化分析数据库，以及如何使用qstcok free开源库获取行情在线数据、行业资金流向数据、宏观基本面和财经新闻数据等。

2.1 【一步一步教你】Python获取交易数据

2.2【Python金融量化】你对上市公司了解多少？

2.3Python量化选股初探

2.4 2018年你必须知道的Top 10关键词

2.5 【手把手教你】Python获取财务数据及可视化分析

2.6【文本挖掘】Python带你笑遍江湖

2.7 【Python财经量化】财经新闻文本分析

2.8 【一步步教你】建立自己的量化分析数据库

2.9 【一步步教你】Python面向对象编程入门及股票数据管理应用实例

3.0【qstock开源】数据行情交易数据

3.1【qstock量化】数据篇宏观指标和财经新闻正文

3.2【qstock数据篇】行业概念板块与资金流向

03

定量分析

这部分涉及的内容很多，包括用Python做A股市场探索性分析、金融统计分析、蒙特卡洛模拟、时间序列建模、Talib技术分析、投资组合、多因子模型分析和基本面量化分析等待。

A股数据探索性分析：

3.1【Python量化】股票分析简介

3.2 A股指数图：有月度效应吗？

3.3【Python金融量化】A股涨跌启示录

3.4【宏观量化】如何看股市走势和拐点？

3.5 2005-2020年A股数据挖掘：谁是最大牛股？ 【附Python分析源码】

3.6 机器学习描述股票市场结构与可视化——以上海50成份股为例

3.7【Python量化】股票涨停板的探索性分析与数据挖掘

时间序列主题：

3.8【手把手教你】时间序列的日期处理

3.9【Python量化基础】时间序列的自相关和平稳性

3.10 【一步步教你】用Python玩转金融时间序列模型

3.11 Python玩金融时间序列的ARCH和GARCH模型

3.12 资产收益率的非平稳性——为什么机器学习预测没有效果？

3.13 基于马尔可夫区域系统转换模型的股票波动分析

3.14 【一步步教你】使用Python实现统计套利

3.15 股市牛市与熊市——时间序列相似性的定量分析

TA-Lib 和股票技术分析：

3.16【一步步教你】股市技术分析利器TA-Lib（一）

3.17【一步步教你】股市技术分析利器TA-Lib（二）

3.18 【一步步教你】量价关系分析及Python实现

3.19【手把手教你】Python量化股市情绪指标ARBR

3.20 【一步步教你】Python动量指标量化回测

3.21【Python量化】如何利用奥尼尔的RPS寻找强势股？

3.22【一步步教你】Python实现量价模式选股

3.23 牛股成交量探索分析及趋势指标可视化

3.24【手把手教你】用Python可视化股票价格的Heikin Ashi蜡烛图

3.25 趋势预测：基于期货持仓量、展期和FII/DII指标【附Python源码】

3.26【交易系统与方法】价格噪声的量化与应用

3.27【交易系统与方法】统计与市场分析应用的基本概念

投资组合分析和多因素模型：

3.28 什么是多因素量化选股模型？