首頁 搜尋 我的知識庫
Python金融市場賺大錢聖經:寫出你的專屬指標(第二版)

Python金融市場賺大錢聖經:寫出你的專屬指標(第二版)

作者: 張峮瑋
出版社: 深智數位
出版日期: 2023/03/20
ISBN-13: 9786267273180
書店 1






內容描述


☆ ★寫出你的專屬指標★☆
現職程式交易員帶你用python寫出本書三大核心
獲取台灣股市資料X小幫手每日自動監控市場X透過回測打造最佳策略

  當別人的策略10秒鐘完成回測10年的資料時,你是否仍辛苦的一年一年人工驗證自己的策略?
  當別人有程式在替他監控市場而有空邊喝咖啡邊吃下午茶時,你是否還在辛苦盯盤,甚至荒廢本業?
  近年來程式充斥、席捲了整個市場,學習程式不僅是為了因應就業潮流,也是讓您在各個場域、各種需求下都能有更適合自己的一套作業方式!
  比起其他好用又方便的自動交易軟體,Python擁有更高度的自由化;比起雖然專業且支援廣泛卻要價不斐的軟體Bloomberg,Python是更容易入手的選擇。
  學會一套Python語言讓你可以自由地獲取你想要的資料、自由地寫出屬於你的專屬指標。

  ☛讀完本書,您能熟悉軟體的執行方式、基本套件操作及函數:
  ✔基本觀念:變數、print 等
  ✔了解常用資料結構概念及常用基本資料類型
  ✔迴圈、條件式及控制
  ✔運算子:+ - * / 以及其他概念
  ✔了解Python規定縮排規則及import使用套件基礎操作
  ✔熟悉pip與def概念及語法
  ✔熟練cmd、vscode及Github
  ✔實際操作爬蟲,了解pandas套件、BeautifulSoup與一些常使用的資料清洗方法
  ✔學會yfinance、ta套件及deal_holiday.py程式,並學會設置windows排程
  ✔try / except 的基本概念及應用
  ✔traceback 追蹤錯誤訊息
  ✔numpy 的各種基礎統計方法:max、min、std、mean、percentile等
  ✔熟悉pyfolio用法,熟悉backtrader框架的入門與應用

  ☛適合讀者
  ✪具備基本Python基礎的讀者
  ✪對程式交易無經驗或小有經驗者
  ✪想更輕鬆獲取股市交易資訊的讀者


目錄大綱


01 環境準備—順便談一些開發小習慣
1.1 安裝Python
1.2 pip 套件管理
1.3 準備編輯器
1.4 開發小習慣 – 虛擬環境
1.5 本書的程式 (Github)

02 資料取得— 資料就是財富
2.1 網路爬蟲簡介
2.2 台股列表蟲
2.3 報價取得蟲
2.4 新聞取得蟲
2.5 證交所三大法人買賣超日報表蟲

03 股市小幫手系列—股市小幫手,股票池篩選與入門
3.1  yfinance歷史資料取得
3.2  ta & pandas產製各種指標
3.3 畫出K棒與基礎視覺化方法
3.4 小幫手信件通知
3.5 密碼保護 – 拒絕將重要資訊寫在程式中
3.6 營業日判斷
3.7 小幫手系列1 - 跟著法人走
3.8 小幫手系列2 - 配息高( 現金殖利率)、股價低
3.9 小幫手系列3 – 暴跌中的股票+ 消息面
3.10 讓程式自動為你工作– 善用windows排程

04 指標型策略撰寫與效益評估
4.1 策略分析工具 - pyfolio
4.2 回測框架 - backtrader
4.3 指標型策略1 – 5ma穿越60ma 進場,跌破60ma出場
4.4 指標型策略2 – 追高進場與加碼,固定停損停利
4.5 指標型策略3 – macd翻紅、ma齊上揚多條件進場

05 聊聊AI、大數據與金融
5.1 深度學習、新聞、股市
5.2 野村實習期間
5.3 做為程式交易工作者


作者介紹


作者簡介

張峮瑋

  現與交易高手合作開發自動交易、市場監控程式,並積極研究機器學習/深度學習用於真實交易。

  ●現專職程式交易設計
  ●畢業於東吳大學巨量資料管理學院 (現資料科學系)
  ●曾任野村投信(NOMURA) IT部門實習生,並曾主導AI導入專案
  ●曾任東吳大學NLP實驗室成員(nlp.bigdata.scu.edu.tw)
  ●曾任亞洲指標網路行銷顧問公司實習生
  ●曾於IOH分享個人講座
  ●曾獲中華郵政第一屆大數據競賽,全國第二名
  ●曾獲日盛黑客松2018人工智慧解盤,晉級六強決賽
  ●曾有多個接案經歷,包括網站開發、資料處理流程設計、爬蟲開發等專案

  歡迎你透過信箱聯繫我: arleigh668@gmail.com






相關書籍

Excel 2016實力養成暨評量解題祕笈

資安防禦指南:資訊安全架構實務典範

iOS App程式開發實務攻略:快速精通SwiftUI

商業分析師的數位轉型專案策略:結合ChatGPT從商業分析到需求工程管理實務