本书首先讲解快速入门Python量化炒期货；然后讲解量化炒期货开发语言Python；接着讲解量化炒期货中的三个常用包，即Numpy、Pandas和Matplotlib包；再讲解如何利用Python编写量化炒期货策略、获取数据函数、获取统计数据函数等；最后讲解Python量化炒期货策略实战案例。

本书在讲解过程中既考虑读者的学习习惯，又通过具体实例讲解Python量化炒期货实际交易过程中的热点问题、关键问题及各种难题。

本书适用于各种不同的投资者，如期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈奋并最终战胜失败、战胜自我的勇者。

在大多数期货交易者的想象中，量化炒期货似乎应该是用十几个显示屏跑的数学模型，交易速度以微秒计的、深不可测的投资交易方法。诚然，复杂模型和高频交易属于量化范畴，但从广义上来说，量化代表的是一种理性的思维方式。例如，当你着眼于真实数据，理性地运用逻辑分析和归纳统计得出一些市场的观点和规律，并据此制定和执行明确的交易策略时，你就是在做量化投资。普通个人投资者完全可以运用量化的方法来指导自己的投资交易决策，甚至常常会在不经意间就已经用到基于经验、逻辑和数学的量化投资交易的思维来指导自己的期货交易。

以美国为主的成熟资本市场，量化炒期货占比超过50%，量化对冲基金已经成为资管行业中的翘楚。中国的量化炒期货起步较晚，量化炒期货在期货市场中的占比还比较小。随着科技的进步，中国的量化炒期货市场正在不断发展。

目前，我国的量化交易主要应用在商品期货上。随着股指期货的上市，期货市场和证券市场实现了真正意义上的互动，投资者不仅可以在期货市场上进行投资交易，同时，也可以在期货与股票之间进行套利交易。利用量化交易对股指期货进行操作将会是投资者尤其是机构投资者一个重要的发展方向。

内容结构
本书共18 章，具体章节安排如下：

第1章：讲解Python 量化炒期货快速入门，即量化炒期货的定义、特点、主要内容，Python 语言的开发环境，量化炒期货的注意事项、量化炒期货的潜在风险及应对策略。

第2章到第8章：讲解量化炒期货开发语言Python，即讲解Python 语言的基本语法、判断结构、循环结构、特征数据类型、函数及应用、面向对象程序设计、日期时间处理。

第9章到第11章：讲解量化炒期货中的三个常用包，即Numpy、Pandas和Matplotlib包。

第12章到第17章：讲解如何利用Python编写量化炒期货策略、获取数据函数、获取统计数据函数、技术指标函数、量化炒期货的统计数据图、量化炒期货策略的回测。

第18章：讲解Python量化炒期货策略实战案例。

内容特色
本书的特色归纳如下：

1．实用性：本书首先着眼于量化炒期货的实战应用，然后再探讨深层次的技巧问题。

2．详尽的例子：本书附有大量的例子，通过这些例子介绍知识点。每个例子都是作者精心选择的。如果投资者反复练习，举一反三，就可以真正掌握量化炒期货技巧，从而学以致用。

3．全面性：本书几乎包含量化炒期货的所有知识，分别是量化炒期货的基础知识、Python语言的开发环境、基本语法、判断结构、循环结构、特征数据类型、函数及应用、面向对象程序设计、日期时间处理、Numpy包、Pandas包、Matplotlib包、编写量化炒期货策略、量化炒期货的获取数据函数、获取统计数据函数、技术指标函数、量化炒期货的统计数据图、量化炒期货策略的回测、Python量化炒期货策略实战案例。

适合读者
本书适用于各种不同的投资者，如期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈奋并最终战胜失败、战胜自我的勇者。

第1章 Python量化炒期货快速入门 / 1
1.1 初识量化炒期货 / 2
1.1.1　什么是量化炒期货 / 2
1.1.2　为什么要学习量化炒期货 / 3
1.2 量化炒期货的特点 / 4
1.2.1　严格的纪律性 / 5
1.2.2　完备的系统性 / 5
1.2.3　妥善运用套利的思想 / 5
1.2.4　靠概率取胜 / 6
1.3 量化炒期货的内容 / 6
1.3.1　期货交易品种的选择 / 6
1.3.2　交易时机的选择 / 8
1.3.3　算法交易 / 8
1.3.4　各种套利交易 / 10
1.4 量化炒期货与人工炒期货的对比 / 12
1.5 量化炒期货的注意事项 / 12
1.6 量化炒期货的开发语言——Python / 13
1.6.1　为什么使用Python开发量化炒期货 / 13
1.6.2　Python的下载与安装 / 14
1.6.3　Python的环境变量配置 / 19
1.6.4　编写Python程序 / 23
1.7 量化炒期货的潜在风险及应对策略 / 26

第2章 Python 的基本语法 / 29
2.1 Python 的基本数据类型 / 30
2.1.1　数值类型 / 30
2.1.2　字符串类型 / 32
2.2 Python 的变量与赋值 / 36
2.2.1　变量命名规则 / 36
2.2.2　变量的赋值 / 37
2.3 Python 的运算符 / 38
2.3.1　算术运算符的应用 / 39
2.3.2　赋值运算符的应用 / 41
2.3.3　位运算符的应用 / 42
2.4 常见的数值函数和字符串函数 / 43
2.4.1　数学函数的应用 / 43
2.4.2　随机数函数的应用 / 45
2.4.3　三角函数的应用 / 47
2.4.4　字符串函数的应用 / 49
2.5 Python 的语法规则 / 53
2.5.1　大小写敏感性 / 54
2.5.2　代码缩进 / 54
2.5.3　代码注释 / 55
2.5.4　空行 / 55
2.5.5　同一行显示多条语句 / 56

第3章 Python 的判断结构 / 57
3.1 if......else 语句 / 58
3.1.1　If 语句的一般格式 / 58
3.1.2　If 语句的注意事项 / 58
3.1.3　实例：任意输入两个职工的工资，显示高的工资信息 / 58
3.1.4　实例：奇偶数判断 / 59
3.2 多个if......else 语句 / 60
3.2.1　实例：登录系统 / 61
3.2.2　实例：奖金发放系统 / 62
3.3 关系运算符 / 64
3.3.1　关系运算符及意义 / 64
3.3.2　实例：成绩评语系统 / 64
3.3.3　实例：分解正整数 / 66
3.4 逻辑运算符 / 67
3.4.1　逻辑运算符及意义 / 67
3.4.2　实例：判断输入的年份是闰年还是平年 / 68
3.4.3　实例：剪刀、石头、布游戏 / 69
3.4.4　实例：每周学习计划 / 70
3.4.5　实例：水仙花数 / 71
3.5 嵌套if 语句 / 72
3.5.1　嵌套if 语句的一般格式 / 73
3.5.2　实例：判断一个数是否是3 或7 的倍数 / 73
3.5.3　实例：随机产生数并显示最大数和最小数 / 74
3.5.4　实例：火车站安检系统 / 75

第4章 Python 的循环结构 / 79
4.1 while 循环 / 80
4.1.1　while 循环的一般格式 / 80
4.1.2　实例：计算1+2+3+……+200 的和 / 80
4.1.3　实例：利用while 循环显示100 内的自然数 / 81
4.1.4　实例：随机产生20 个数，并显示最小的数 / 81
4.1.5　实例：求s=a+aa+aaa+...+aa...a 的值 / 83
4.1.6　实例：统计字符个数 / 84
4.1.7　实例：猴子吃桃问题 / 85
4.2 while 循环中使用else 语句 / 87
4.2.1　while 循环中使用else 语句的一般格式 / 87
4.2.2　实例：阶乘求和 / 87
4.2.3　实例：计算100 之内奇数的和 / 88
4.3 无限循环 / 89
4.4 for 循环 / 90
4.4.1　for 循环的一般格式 / 90
4.4.2　实例：遍历显示学生的姓名 / 90
4.4.3　实例：遍历显示字符串中的字符 / 91
4.5 在for 循环中使用range() 函数 / 92
4.5.1　range() 函数 / 92
4.5.2　实例：显示100 之内的3 的倍数 / 93
4.5.3　实例：小球反弹的高度 / 93
4.5.4　实例：任意输入两个数，求这两个数的最大公约数 / 94
4.6 循环嵌套 / 95
4.6.1　实例：9×9 乘法表 / 95
4.6.2　实例：绘制※ 的菱形 / 96
4.6.3　实例：查找完数 / 97
4.6.4　实例：弗洛伊德三角形 / 98
4.6.5　实例：杨辉三角 / 99
4.7 break 语句 / 101
4.8 continue 语句 / 102
4.9 pass 语句 / 103

第5章 Python 的特征数据类型 / 105
5.1 列表及应用 / 106
5.1.1　创建列表 / 106
5.1.2　显示列表中的数据信息 / 106
5.1.3　修改列表中的数据信息 / 107
5.1.4　删除列表中的数据信息 / 108
5.1.5　列表函数的应用 / 109
5.1.6　列表方法的应用 / 110
5.1.7　实例：多个随机数的排序 / 112
5.2 元组及应用 / 113
5.2.1　创建元组 / 113
5.2.2　显示元组中的数据信息 / 114
5.2.3　连接元组 / 115
5.2.4　删除整个元组 / 116
5.2.5　元组函数的应用 / 116
5.2.6　实例：利用嵌套元组显示用户名和密码 / 118
5.3 字典及应用 / 118
5.3.1　创建字典 / 119
5.3.2　显示字典中的值和键 / 119
5.3.3　修改字典 / 120
5.3.4　字典函数的应用 / 121
5.3.5　实例：用户注册 / 122
5.3.6　实例：用户登录 / 124
5.4 集合及应用 / 128
5.4.1　创建集合 / 128
5.4.2　集合的两个基本功能 / 128
5.4.3　集合的运算符 / 129
5.4.4　实例：无重复的随机数排序 / 131

第6章 Python 的函数及应用 / 133
6.1 函数的定义与调用 / 134
6.1.1　函数的定义 / 134
6.1.2　函数的调用 / 135
6.2 参数传递 / 136
6.2.1　不可更改对象 / 136
6.2.2　可更改对象 / 137
6.3 函数的参数类型 / 138
6.3.1　必需参数 / 138
6.3.2　关键字参数 / 139
6.3.3　默认参数 / 140
6.3.4　不定长参数 / 141
6.4 匿名函数的应用 / 142
6.5 递归函数的应用 / 143
6.6 变量作用域及类型 / 145
6.6.1　变量作用域 / 145
6.6.2　全局变量和局部变量 / 147
6.6.3　global 和nonlocal 关键字 / 148

第7章 Python 的面向对象程序设计 / 151
7.1 面向对象 / 152
7.1.1　面向对象概念 / 152
7.1.2　类定义与类对象 / 153
7.1.3　类的继承 / 155
7.1.4　类的多继承 / 158
7.2 Python 的模块 / 159
7.2.1　自定义模块 / 160
7.2.2　自定义模块的调用 / 161
7.2.3　import 语句 / 162
7.2.4　标准模块 / 164
7.3 Python 的包 / 165

第8章 Python 的日期时间处理 / 169
8.1 Python 处理日期时间的time 模块 / 170
8.1.1　time 模块表示时间的两种格式 / 170
8.1.2　时间戳 / 170
8.1.3　包括9 个元素的元组 / 172
8.1.4　时间的格式化 / 174
8.1.5　time 模块中的其他常用方法 / 176
8.2 Python 处理日期时间的datetime 模块 / 178
8.2.1　date 对象 / 178
8.2.2　time 对象 / 182
8.2.3　datetime 对象 / 182
8.2.4　timedelta 对象 / 184
8.3 Python 处理日期的calendar 模块 / 186
8.3.1　calendar() 方法 / 186
8.3.2　month() 方法 / 187
8.3.3　monthcalendar () 方法 / 187
8.3.4　其他常用方法 / 188

第9章 Python 量化炒期货常用的Numpy 包 / 191
9.1 初识Numpy 包及量化炒期货平台 / 192
9.1.1　初识Numpy 包 / 192
9.1.2　量化炒期货平台 / 192
9.2 ndarray 数组对象 / 194
9.2.1　创建Numpy 数组 / 194
9.2.2　zeros 数组、ones 数组和empty 数组 / 197
9.2.3　利用arange 函数或linspace 函数创建Numpy 序列数组 / 198
9.2.4　利用下标索引显示Numpy 数组中的数据 / 199
9.2.5　Numpy 数组运算 / 200
9.3 使用矩阵matrix 创建Numpy 矩阵 / 201
9.4 Numpy 的线性代数 / 202
9.4.1　Numpy 数组的点积 / 202
9.4.2　两个向量的点积 / 203
9.4.3　Numpy 数组的向量内积 / 204
9.4.4　矩阵的行列式 / 205
9.4.5　矩阵的逆 / 206
9.5 Numpy 的文件操作 / 207
9.5.1　Numpy 的二进制文件操作 / 208
9.5.2　Numpy 的文本文件操作 / 209

第10章 Python 量化炒期货常用的Pandas 包 / 211
10.1 Pandas 的数据结构 / 212
10.2 一维数组系列 / 212
10.2.1　利用ndarray 创建系列 / 212
10.2.2　利用字典创建系列 / 213
10.2.3　直接创建系列 / 214
10.2.4　访问系列中的值 / 215
10.3 二维数组DataFrame / 216
10.3.1　创建二维数组DataFrame / 216
10.3.2　创建带有时间索引的DataFrame / 217
10.3.3　利用DataFrame 显示所有期货数据 / 218
10.3.4　利用DataFrame 显示某个期货合约的报价信息 / 219
10.3.5　期货数据信息的行选择 / 223
10.3.6　期货数据信息的列选择 / 224
10.3.7　利用标签选择期货数据信息 / 226
10.3.8　利用条件选择期货数据信息 / 228
10.3.9　函数的应用 / 231
10.4 三维数组Panel / 234

第11章 Python 量化炒期货常用的Matplotlib 包 / 237
11.1 Matplotlib 包的特点 / 238
11.2 figure() 函数及应用 / 238
11.2.1　figure() 函数的各参数意义 / 238
11.2.2　figure() 函数的实例 / 239
11.3 plot() 函数及应用 / 240
11.3.1　plot() 函数的各参数意义 / 240
11.3.2　利用plot() 函数绘制图形 / 241
11.3.3　利用plot() 函数显示期货合约的收盘价图形 / 242
11.3.4　利用dataframe 的plot() 函数显示期货合约的图形 / 243
11.4 subplot() 函数及应用 / 244
11.4.1　subplot() 的各参数意义 / 244
11.4.2　利用subplot() 函数绘制多个图形 / 245
11.4.3　利用subplot() 函数绘制期货合约的收盘价和成交量图形 / 246
11.5 add_axes() 函数及应用 / 247
11.5.1　add_axes() 函数的应用 / 247
11.5.2　利用add_axes() 函数绘制期货合约的收盘价图形 / 248
11.6 legend() 函数及应用 / 250
11.6.1　利用legend() 函数为绘制图形添加图题 / 250
11.6.2　利用legend() 函数为期货合约图形添加图题 / 252
11.7 grid () 函数及应用 / 253
11.7.1　利用grid () 函数为绘制图形添加网格线 / 253
11.7.2　利用grid () 函数为绘制期货合约图形添加网格线 / 254

第12章 利用Python 编写量化炒期货策略 / 255
12.1 Python 量化炒期货策略的基本组成 / 256
12.1.1　初始化函数（initialize） / 257
12.1.2　开盘前运行函数（before_market_open） / 259
12.1.3　开盘时运行函数（market_open） / 259
12.1.4　收盘后运行函数（after_market_close） / 261
12.1.5　获取期货合约到期日函数（get_CCFX_end_date） / 261
12.1.6　期货自动移仓换月函数（position_auto_switch） / 261
12.2 Python 量化炒期货策略的设置函数 / 264
12.2.1　设置基准函数set_benchmark() / 264
12.2.2　设置佣金函数set_order_cost() / 265
12.2.3　设置滑点函数set_slippage() / 266
12.2.4　设置动态复权( 真实价格) 模式use_real_price / 267
12.2.5　设置是否开启盘口撮合模式match_with_order_book / 267
12.2.6　设置期货保证金比例futures_margin_rate / 267
12.3 Python 量化炒期货策略的下单函数 / 268
12.3.1　期货按手数下单函数order() / 268
12.3.2　期货目标手数下单函数order_target() / 269
12.3.3　期货按保证金下单函数order_value() / 270
12.3.4　期货目标保证金下单函数order_target_value() / 270
12.3.5　期货保证金预警is_dangerous / 271
12.3.6　获取未完成订单函数get_open_orders() / 271
12.3.7　撤单函数cancel_order() / 271
12.3.8　获取订单信息函数get_orders() / 272
12.3.9　获取成交信息函数get_trades() / 272
12.3.10　账户出入金函数inout_cash() / 273
12.4 Python 量化炒期货策略的常用对象 / 273
12.4.1　订单对象Order / 273
12.4.2　全局对象g / 274
12.4.3　一次交易对象Trade / 275
12.4.4　分时图盘面对象tick / 275
12.4.5　回测对象Context / 276
12.4.6　持有标的信息对象Position / 277
12.4.7　子账户信息对象SubPortfolio / 278
12.4.8　账户信息对象Portfolio / 279
12.5 Python 量化炒期货策略的日志log / 280
12.5.1　设定log 级别 / 280
12.5.2　log.info / 280
12.6 Python 量化炒期货策略的定时函数 / 281
12.6.1　定时函数的定义及分类 / 281
12.6.2　定时函数各项参数的意义 / 281
12.6.3　定时函数的注意事项 / 282

第13章 Python 量化炒期货的获取数据函数 / 285
13.1 期货信息 / 286
13.1.1　期货主力连续合约和指数合约 / 286
13.1.2　中金所的主力连续合约代码和指数合约代码 / 286
13.1.3　上期所的主力连续合约代码和指数合约代码 / 287
13.1.4　郑商所的主力连续合约代码和指数合约代码 / 288
13.1.5　大商所的主力连续合约代码和指数合约代码 / 289
13.1.6　上海国际能源交易中心的主力连续合约代码和指数合约代码 / 290
13.1.7　获取主力合约对应的具体合约函数get_dominant_future() / 290
13.1.8　期货可交易合约列表函数get_future_contracts() / 292
13.2 获取期货概况信息 / 293
13.2.1　获取单只期货合约数据函数get_security_info() / 293
13.2.2　获取所有期货数据函数get_all_securities() / 294
13.2.3　利用get_extras() 函数获取期货结算价 / 295
13.2.4　利用get_extras() 函数获取期货持仓量 / 297
13.3 获取期货行情数据 / 297
13.3.1　获取期货历史行情数据 / 297
13.3.2　获取期货当前单位时间的行情数据 / 299

第14章 Python 量化炒期货的获取统计数据函数 / 303
14.1 获取期货龙虎榜数据 / 304
14.1.1　期货龙虎榜数据表 / 304
14.1.2　query 的基本查询方式 / 305
14.1.3　显示期货龙虎榜数据表中的数据信息 / 305
14.1.4　利用条件过滤显示期货龙虎榜数据表中的数据信息 / 307
14.1.5　排序显示期货龙虎榜数据表中的数据信息 / 309
14.1.6　只显示部分期货龙虎榜数据信息 / 310
14.2 获取期货仓单数据 / 311
14.2.1　期货仓单数据表 / 311
14.2.2　显示期货仓单数据表中的数据信息 / 312
14.2.3　利用条件过滤显示期货仓单数据表中的数据信息 / 313
14.2.4　排序显示期货仓单数据表中的数据信息 / 314
14.2.5　只显示部分期货仓单数据信息 / 316
14.3 获取外盘期货日行情数据 / 316
14.3.1　外盘期货日行情数据表 / 317
14.3.2　外盘期货代码及对应的名称 / 317
14.3.3　显示外盘期货日行情数据信息 / 318

第15章 Python 量化炒期货的技术指标函数 / 321
15.1 技术指标概述 / 322
15.2 趋向指标函数 / 323
15.2.1　MACD 指标函数 / 323
15.2.2　EMV 指标函数 / 325
15.2.3　UOS 指标函数 / 327
15.2.4　GDX 指标函数 / 328
15.2.5　DMI 指标函数 / 329
15.2.6　JS 指标函数 / 331
15.2.7　MA 指标函数 / 332
15.2.8　EXPMA 指标函数 / 334
15.2.9　VMA 指标函数 / 335
15.3 反趋向指标函数 / 336
15.3.1　KD 指标函数 / 336
15.3.2　MFI 指标函数 / 337
15.3.3　RSI 指标函数 / 339
15.3.4　OSC 指标函数 / 340
15.3.5　WR 指标函数 / 341
15.3.6　CCI 指标函数 / 342
15.4 压力支撑指标函数 / 343
15.4.1　BOLL 指标函数 / 344
15.4.2　MIKE 指标函数 / 345
15.4.3　XS 指标函数 / 346
15.5 量价指标函数 / 347
15.5.1　OBV 指标函数 / 347
15.5.2　VOL 指标函数 / 348
15.5.3　MASS 指标函数 / 350
15.5.4　VR 指标函数 / 351

第16章 Python 量化炒期货的统计数据图 / 353
16.1 初识Seaborn / 354
16.2 单个期货合约的收益统计图 / 354
16.2.1　查看单个期货合约的收盘价信息 / 354
16.2.2　利用pct_change() 函数计算收益率情况 / 355
16.2.3　利用dropna() 函数处理空值 / 356
16.2.4　利用distplot() 函数绘制收益统计图 / 357
16.2.5　显示焦炭主力合约（J9999.XDCE）近一年来的收益统计图 / 360
16.3 期货合约的相关性分析图 / 360
16.3.1　利用jointplot() 函数绘制两个期货合约的相关性分析图 / 361
16.3.2　利用Pairplot() 函数绘制多个期货合约的相关性分析图 / 364

第17章 Python 量化炒期货策略的回测 / 371
17.1 量化炒期货策略回测的流程 / 372
17.2 利用Python 编写量化炒期货策略并回测 / 373
17.2.1　量化炒期货策略的编辑界面 / 373
17.2.2　量化炒期货策略的初始化函数 / 376
17.2.3　量化炒期货策略的单位时间调用函数 / 377
17.2.4　量化炒期货策略的回测参数设置 / 378
17.2.5　量化炒期货策略的回测详情 / 380
17.3 量化炒期货策略的风险指标 / 383
17.3.1　阿尔法（Alpha） / 384
17.3.2　贝塔（Beta） / 384
17.3.3　夏普比率（Sharpe Ratio） / 386
17.3.4　索提诺比率（Sortino Ratio） / 386
17.3.5　信息比率（Information Ratio） / 387
17.3.6　波动率（Volatility） / 388
17.3.7　基准波动率（Benchmark Volatility） / 389
17.3.8　最大回撤（Max Drawdown） / 390

第18章 Python 量化炒期货策略实战案例 / 391
18.1 均线量化炒期货策略 / 392
18.1.1　均线量化炒期货策略的初始化函数 / 392
18.1.2　均线量化炒期货策略的单位时间调用函数 / 393
18.1.3　均线量化炒期货策略的回测 / 394
18.2 多均线量化炒期货策略 / 395
18.2.1　多均线量化炒期货策略的初始化函数 / 395
18.2.2　多均线量化炒期货策略的单位时间调用函数 / 396
18.2.3　多均线量化炒期货策略的回测 / 398
18.3 随机指标量化炒期货策略 / 398
18.3.1　随机指标量化炒期货策略的初始化函数 / 399
18.3.2　随机指标量化炒期货策略的单位时间调用函数 / 399
18.3.3　随机指标量化炒期货策略的回测 / 400
18.4 布林通道线指标量化炒期货策略 / 401
18.4.1　布林通道线指标量化炒期货策略的初始化函数 / 401
18.4.2　布林通道线指标量化炒期货策略的单位时间调用函数 / 402
18.4.3　布林通道线指标量化炒期货策略的回测 / 404
18.5 中证500 合约套利策略 / 404
18.5.1　中证500 合约套利策略的初始化函数 / 405
18.5.2　获取中证500 合约到期日函数 / 406
18.5.3　中证500 合约套利策略的开盘前运行函数 / 406
18.5.4　中证500 合约套利策略的开盘时运行函数 / 407
18.5.5　中证500 合约套利策略的收盘后运行函数 / 408
18.5.6　中证500 合约套利策略的回测 / 409
18.6 股指期货的Dual_Thrust 策略 / 409
18.6.1　Dual_Thrust 策略的概述 / 410
18.6.2　Dual_Thrust 策略的初始化函数 / 410
18.6.3　Dual_Thrust 策略的set_info() 函数 / 411
18.6.4　Dual_Thrust 策略的dual_thrust () 函数 / 411
18.6.5　Dual_Thrust 策略的get_stock_index_futrue_code () 函数 / 412
18.6.6　Dual_Thrust 策略的get_CCFX_end_date () 函数 / 413
18.6.7　Dual_Thrust 策略的trade() 函数 / 413
18.6.8　Dual_Thrust 策略的回测 / 415

王征
多年行业投资经验，具备期货投资分析师，券投资分析师，注册国家投资分析师等资格，曾就职于某大型券商担任行业研究员。可为个人投资者及机构提供分析、投资咨询，交易指导，理财培训等多方位的专业服务。擅长综合分析，动态决策，定点出击。

任职期间多次在和讯、中国黄金网、青岛新闻网业内专业媒体发表股票、大宗商品的市场研究报告。

半岛都市报《今理财》、青岛早报《第一财经》股票、大宗商品投资专栏撰稿人。

李晓波
从事金融衍生品市场交易及管理近20年，有着丰富的经验和体会，对国内外期货、贵金属、外汇、邮币卡及股市等主流交易方式有着深刻的了解，擅长期货、股票、黄金、白银、邮币卡、外汇的培训指导，经常活跃在各大金融讲坛，深为投资者喜爱。可为个人投资者及机构提供分析、投资咨询，交易指导，理财培训等多方位的专业服务。

Python量化炒期货实战，不可不知的新型炒期货方式
知识点+应用案例=快速帮助读者理解与变通应用
揭示Python量化炒期货精髓，新手交易获利更容易
“量化投资交易产品将替代未来的资本管理市场”