本书首先讲解了Python量化炒股快速入门，即量化炒股的定义、特点、优势、不足和主要内容，Python语言的开发环境，以及量化炒股的注意事项。其次讲解量化炒股开发语言Python，即讲解Python语言的基本语法、选择结构、循环结构、常用数据结构、函数及应用和面向对象程序设计。接着讲解量化炒股中的3个常用包，即Numpy、Pandas和Matplotlib包。然后讲解如何利用Python编写量化炒股策略、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测、量化炒股策略的因子分析。最后讲解Python量化炒股策略实战案例。

在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析Python量化炒股实际交易过程中的热点问题、关键问题及种种难题。

本书适用于各种不同的投资者，如股民、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。

在大多数股票投资者的想象中，量化炒股似乎应该是用十几个显示屏跑的数学模型，交易速度以微秒计算的、深不可测的投资方法。诚然，复杂模型和高频交易固然属于量化范畴，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，你就是在做量化炒股。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决策，甚至常常不经意间就已经用到基于经验、逻辑和数学的量化投资的思维来指导自己的交易。

以美国为主的成熟资本市场，量化炒股占比超过50%，量化对冲基金已经成为资管行业中的翘楚。中国的量化炒股起步较晚，量化炒股在证券市场中的占比还不足5%。随着科技的进步，中国的量化交易市场正在快速发展。

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机交易，同时还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（机构投资者）的一个重要的发展方向。

本书结构
本书共19章，具体章节安排如下。

第1章：讲解Python量化炒股快速入门，即量化炒股的定义、特点、优势、不足和主要内容，Python语言的开发环境，以及量化炒股的注意事项。

第2～7章：讲解量化炒股开发语言Python，即讲解Python语言的基本语法、选择结构、循环结构、常用数据结构、函数及应用和面向对象程序设计。

第8～10章：讲解量化炒股中的三个常用包，即Numpy、Pandas和Matplotlib包。

第11～18章：讲解如何利用Python编写量化炒股策略、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测、量化炒股策略的因子分析。

第19章：讲解Python量化炒股策略实战案例。

本书特色
本书特色归纳如下。

（1）实用性：本书首先着眼于量化炒股实战应用，然后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，投资者反复练习，举一反三，就可以真正掌握量化炒股技巧，从而学以致用。

（3）全面性：本书几乎包含量化炒股的所有知识，分别是量化炒股的基础知识、Python语言的开发环境、基本语法、选择结构、循环结构、常用数据结构、函数及应用、面向对象程序设计、Numpy包、Pandas包、Matplotlib包、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测和因子分析以及Python量化炒股策略实战案例。

本书适合的读者
本书适用于各种不同的投资者，如股民、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、愈挫愈勇并最终战胜失败、战胜自我的勇者。

第1章　Python量化炒股快速入门 / 1
1.1　初识量化炒股 / 2
1.1.1　什么是量化炒股 / 2
1.1.2　量化炒股的特点 / 2
1.1.3　量化炒股的优势 / 4
1.1.4　量化炒股的不足 / 5
1.2　量化炒股的内容 / 5
1.2.1　量化选股 / 5
1.2.2　量化择时 / 6
1.2.3　算法交易 / 6
1.2.4　股指期货套利交易 / 8
1.3　量化炒股的开发语言Python / 8
1.3.1　为什么使用Python来开发量化炒股 / 8
1.3.2　Python的下载和安装 / 9
1.3.3　Python的环境变量配置 / 12
1.3.4　编写Python程序 / 15
1.4　量化炒股与普通炒股的比较 / 18
1.5　量化炒股的注意事项 / 18

第2章　Python编程的初步知识 / 21
2.1　变量 / 22
2.1.1　什么是变量 / 22
2.1.2　变量命名规则 / 22
2.1.3　变量的赋值 / 23
2.2　变量的基本数据类型 / 24
2.2.1　数值类型 / 24
2.2.2　字符串类型 / 27
2.3　运算符 / 29
2.3.1　算术运算符 / 29
2.3.2　赋值运算符 / 31
2.3.3　位运算符 / 32
2.4　Python 的语法规则 / 33
2.4.1　大小写敏感性 / 34
2.4.2　代码缩进 / 34
2.4.3　代码注释 / 35
2.4.4　空行 / 35
2.4.5　同一行显示多条语句 / 36

第3章　Python 编程的选择结构 / 37
3.1　if...else 语句 / 38
3.1.1　if 语句的一般格式 / 38
3.1.2　if 语句的注意事项 / 38
3.1.3　实例：游戏登录判断系统 / 38
3.1.4　实例：输入一个正数，判断是偶数还是奇数 / 39
3.2　多个if...else 语句 / 40
3.2.1　实例：每周计划系统 / 41
3.2.2　实例：企业奖金发放系统 / 42
3.3　关系运算符 / 44
3.3.1　关系运算符及意义 / 44
3.3.2　实例：学生成绩评语系统 / 44
3.3.3　实例：分解一个不多于5 位的正整数 / 46
3.4　逻辑运算符 / 47
3.4.1　逻辑运算符及意义 / 47
3.4.2　实例：闰年和平年 / 47
3.4.3　实例：剪刀、石头、布游戏 / 49
3.5　嵌套if 语句 / 50
3.5.1　嵌套if 语句的一般格式 / 50
3.5.2　实例：后台用户登录系统 / 50
3.5.3　实例：判断一个数是否是2 或3 的倍数 / 51

第4章　Python 编程的循环结构 / 53
4.1　while 循环 / 54
4.1.1　while 循环的一般格式 / 54
4.1.2　实例：计算1+2+3+…+120 的和 / 54
4.1.3　实例：显示150 之内的自然数 / 55
4.2　while 循环中使用else 语句 / 55
4.2.1　while 循环中使用else 语句的一般格式 / 56
4.2.2　实例：计算120 之内偶数的和 / 56
4.2.3　实例：随机产生15 个随机数，并显示最小的数 / 56
4.2.4　实例：阶乘求和 / 58
4.3　无限循环 / 59
4.3.1　实例：可以玩多次的剪刀、石头、布游戏 / 60
4.3.2　实例：可以查多次的学生成绩评语系统 / 61
4.4　for 循环 / 64
4.4.1　for 循环的一般格式 / 64
4.4.2　实例：遍历显示学生的姓名 / 64
4.5　在for 循环中使用range() 函数 / 65
4.5.1　range() 函数 / 65
4.5.2　实例：显示150 之内的奇数 / 66
4.5.3　实例：求两个正整数的最大公约数 / 66
4.6　循环嵌套 / 68
4.6.1　实例：9×9 乘法表 / 68
4.6.2　实例：绘制※ 的菱形 / 68
4.6.3　实例：弗洛伊德三角形 / 69
4.7　break 语句 / 70
4.8　continue 语句 / 71

第5章　Python 编程的常用数据结构 / 73
5.1　列表 / 74
5.1.1　什么是列表 / 74
5.1.2　显示列表中的数据信息 / 74
5.1.3　修改列表 / 75
5.1.4　删除列表 / 76
5.1.5　列表的函数 / 76
5.1.6　列表的方法 / 77
5.1.7　实例：排序随机数 / 79
5.2　元组 / 80
5.2.1　什么是元组 / 80
5.2.2　显示元组中的数据信息 / 81
5.2.3　连接元组 / 82
5.2.4　删除整个元组 / 82
5.2.5　元组的函数 / 83
5.2.6　实例：显示用户名和密码信息 / 84
5.3　字典 / 85
5.3.1　什么是字典 / 85
5.3.2　显示字典中的值和键 / 85
5.3.3　修改字典 / 86
5.3.4　字典的函数 / 87
5.3.5　实例：利用字典实现用户注册功能 / 88
5.3.6　实例：利用字典实现用户登录功能 / 90
5.4　集合 / 93
5.4.1　什么是集合 / 93
5.4.2　集合的两个基本功能 / 93
5.4.3　集合的运算符 / 94
5.4.4　实例：利用集合实现无重复的随机数排序 / 95

第6章　Python 编程的函数 / 97
6.1　初识函数 / 98
6.2　内置函数 / 98
6.2.1　数学函数 / 98
6.2.2　随机函数 / 99
6.2.3　三角函数 / 101
6.2.4　字符串函数 / 103
6.3　自定义函数 / 107
6.3.1　函数的定义 / 107
6.3.2　调用自定义函数 / 107
6.3.3　函数的参数传递 / 109
6.3.4　函数的参数类型 / 111
6.4　匿名函数 / 115
6.5　递归函数 / 116
6.6　实例：计算一个数为两个质数之和 / 117
6.7　实例：利用内置函数实现小学四则运算 / 118

第7章　Python 编程的面向对象 / 121
7.1　面向对象概述 / 122
7.1.1　什么是对象 / 122
7.1.2　什么是类 / 122
7.1.3　面向对象程序设计的优点 / 122
7.1.4　面向对象程序设计的特点 / 123
7.2　类的定义和对象的创建 / 124
7.2.1　类的定义 / 124
7.2.2　对象的创建 / 124
7.3　类的构造方法和self 参数 / 125
7.4　类的继承 / 126
7.4.1　类继承的语法格式 / 126
7.4.2　类继承实例 / 127
7.4.3　类的多继承 / 128
7.5　类的多态 / 130
7.6　模块 / 131
7.6.1　Python 中的自定义模块 / 132
7.6.2　自定义模块的调用 / 132
7.6.3　import 语句 / 133
7.6.4　标准模块 / 135
7.7　包 / 136
7.7.1　Python 的自定义包 / 138
7.7.2　在自定义包创建模块 / 140
7.7.3　调用自定义包中的模块 / 141

第8章　Python 量化炒股常用的Numpy 包 / 143
8.1　初识Numpy 包及量化炒股平台 / 144
8.1.1　Numpy 包概述 / 144
8.1.2　量化炒股平台 / 144
8.2　ndarray 数组基础 / 146
8.2.1　Numpy 数组的创建 / 146
8.2.2　Numpy 特殊数组 / 149
8.2.3　Numpy 序列数组 / 150
8.2.4　利用下标索引显示Numpy 数组中元素的值 / 151
8.2.5　Numpy 数组运算 / 152
8.3　Numpy 的矩阵 / 153
8.4　Numpy 的线性代数 / 154
8.4.1　两个数组的点积 / 154
8.4.2　两个向量的点积 / 155
8.4.3　数组的向量内积 / 156
8.4.4　矩阵的行列式 / 157
8.4.5　矩阵的逆 / 158

第9章　Python 量化炒股常用的Pandas 包 / 161
9.1　Pandas 的数据结构 / 162
9.2　一维数组系列（Series） / 162
9.2.1　利用ndarray 创建系列（Series） / 162
9.2.2　利用字典创建系列（Series） / 163
9.2.3　访问系列（Series）中的值 / 164
9.3　二维数组DataFrame / 165
9.3.1　二维数组DataFrame 的创建 / 165
9.3.2　利用DataFrame 显示不同类型证券信息 / 166
9.3.3　利用DataFrame 显示某只股票的报价信息 / 168
9.3.4　股票数据信息的行选择和列选择 / 170
9.3.5　利用标签选择股票数据信息 / 173
9.3.6　利用条件选择股票数据信息 / 175
9.3.7　函数的运用 / 177
9.4　三维数组Panel / 180

第10章　Python 量化炒股常用的Matplotlib 包 / 183
10.1　Matplotlib 包的特点 / 184
10.2　figure() 函数 / 184
10.2.1　figure() 函数的各参数意义 / 184
10.2.2　figure() 函数的实例 / 185
10.3　plot() 函数 / 186
10.3.1　plot() 函数的各参数意义 / 186
10.3.2　利用plot() 函数绘制图形 / 188
10.3.3　利用plot() 函数显示股票的收盘价图形 / 189
10.3.4　利用dataframe 的plot() 函数显示股票的图形 / 189
10.4　subplot() 函数 / 190
10.4.1　subplot() 函数的各参数意义 / 191
10.4.2　利用subplot() 函数绘制多个图形 / 191
10.4.3　利用subplot() 函数绘制股票图形 / 192
10.5　add_axes() 函数 / 193
10.5.1　add_axes() 函数的应用 / 193
10.5.2　利用add_axes() 函数绘制股票图形 / 194
10.6　legend() 函数 / 195
10.6.1　利用legend() 函数为绘制图形添加图题 / 196
10.6.2　利用legend() 函数为股票图形添加图题 / 197
10.7　grid () 函数 / 198
10.7.1　利用grid () 函数为绘制图形添加网格线 / 199
10.7.2　利用grid () 函数为绘制股票图形添加网格线 / 199

第11章　利用Python 编写量化炒股策略 / 201
11.1　Python 量化炒股策略的基本组成 / 202
11.1.1　初始化函数（initialize） / 203
11.1.2　开盘前运行函数（before_market_open） / 204
11.1.3　开盘时运行函数（market_open） / 205
11.1.4　收盘后运行函数（after_market_close） / 206
11.2　Python 量化炒股策略的设置函数 / 206
11.2.1　设置基准函数set_benchmark() / 206
11.2.2　设置佣金/ 印花税函数set_order_cost() / 207
11.2.3　设置滑点函数set_slippage() / 208
11.2.4　设置动态复权( 真实价格) 模式use_real_price / 209
11.2.5　设置是否开启盘口撮合模式match_with_order_book / 209
11.2.6　设置成交量比例order_volume_ratio / 209
11.2.7　设置要操作的股票池函数set_universe() / 210
11.3　Python 量化炒股策略的下单函数 / 210
11.3.1　按股数下单函数 / 210
11.3.2　目标股数下单函数 / 211
11.3.3　按价值下单函数 / 211
11.3.4　目标价值下单函数 / 211
11.3.5　获取未完成订单函数 / 212
11.3.6　撤单函数 / 212
11.3.7　获取订单信息函数 / 212
11.4　Python 量化炒股策略的常用对象 / 213
11.4.1　订单对象Order / 213
11.4.2　全局对象g / 214
11.4.3　一次交易对象Trade / 215
11.4.4　分时图盘面对象tick / 215
11.4.5　回测对象Context / 216
11.4.6　持有标的信息对象Position / 217
11.4.7　子账户信息对象SubPortfolio / 218
11.4.8　账户信息对象Portfolio / 218
11.4.9　股票的数据对象SecurityUnitData / 219
11.5　Python 量化炒股策略的日志log / 220
11.5.1　设定log 级别 / 220
11.5.2　log.info / 220
11.6　Python 量化炒股策略的定时函数 / 221
11.6.1　定时函数的定义及分类 / 221
11.6.2　定时函数各项参数的意义 / 221
11.6.3　定时函数的注意事项 / 222
11.6.4　定时函数的实例 / 223

第12章　Python 量化炒股的获取数据函数 / 225
12.1　获取多只股票单个数据字段函数history() / 226
12.1.1　各项参数的意义 / 226
12.1.2　利用函数history() 显示单只股票的信息 / 228
12.1.3　利用函数history() 显示多只股票的开盘价信息 / 229
12.2　获取一只股票多个数据字段函数attribute_history () / 232
12.2.1　利用函数attribute_history () 显示股票的报价信息 / 232
12.2.2　利用函数attribute_history () 显示股票满足条件的报价信息 / 234
12.3　查询单个交易日账务数据函数get_fundamentals() / 236
12.3.1　各项参数的意义 / 236
12.3.2　query 的基本查询方式 / 237
12.3.3　显示一只股票单个交易日的财务数据 / 237
12.3.4　显示多只股票单个交易日的财务数据 / 239
12.4　查询多个交易日账务数据函数get_fundamentals_continuously () / 241
12.5　获取当前时间的股票数据函数get_current_data() / 243
12.6　获取指数成分股代码函数get_index_stocks () / 243
12.6.1　各项参数的意义 / 244
12.6.2　显示某指数的成分股代码及应用 / 245
12.7　获取指数成分股权重函数get_index_weights () / 247
12.8　获取行业成分股代码函数get_industry_stocks() / 248
12.8.1　各项参数的意义 / 248
12.8.2　显示某行业的成分股代码及应用 / 249
12.9　查询股票所属行业函数get_industry () / 251
12.10　获取概念成分股代码函数get_concept_stocks() / 253
12.10.1　各项参数的意义 / 253
12.10.2　显示某概念板块的成分股代码及应用 / 254
12.11　查询股票所属概念板块函数get_concept () / 256
12.12　获取一只股票信息函数get_security_info () / 257
12.13　获取龙虎榜数据函数get_billboard_list () / 257
12.13.1　各项参数的意义 / 258
12.13.2　get_billboard_list() 函数的应用实例 / 258
12.14　获取限售解禁数据函数get_locked_shares () / 259

第13章　Python 量化炒股的财务因子选股 / 261
13.1　初识财务因子选股 / 262
13.2　成长类因子选股 / 262
13.2.1　营业收入同比增长率（inc_revenue_year_on_year）选股 / 263
13.2.2　营业收入环比增长率（inc_revenue_annual）选股 / 266
13.2.3　净利润同比增长率（inc_net_profit_year_on_year）选股 / 267
13.2.4　净利润环比增长率（inc_net_profit_annual）选股 / 268
13.2.5　营业利润率（operation_profit_to_total_revenue）选股 / 270
13.2.6　销售净利率（net_profit_margin）选股 / 271
13.2.7　销售毛利率（gross_profit_margin）选股 / 273
13.3　规模类因子选股 / 274
13.3.1　总市值（market_cap）选股 / 274
13.3.2　流通市值（circulating_market_cap）选股 / 276
13.3.3　总股本（capitalization）选股 / 278
13.3.4　流通股本（circulating_cap）选股 / 279
13.4　价值类因子选股 / 280
13.4.1　市净率（pb_ratio）选股 / 281
13.4.2　市销率（ps_ratio）选股 / 281
13.4.3　市现率（pcf_ratio）选股 / 283
13.4.4　动态市盈率（pe_ratio）选股 / 284
13.4.5　静态市盈率（pe_ratio_lyr）选股 / 285
13.5　质量类因子选股 / 287
13.5.1　净资产收益率（roe）选股 / 287
13.5.2　总资产净利率（roa）选股 / 288
13.6　财务因子量化选股的注意事项 / 290

第14章　Python 量化炒股的数据信息获取 / 293
14.1　获取上市公司概况信息 / 294
14.1.1　获取上市公司员工情况信息 / 294
14.1.2　获取上市公司基本信息 / 297
14.1.3　获取上市公司状态变动信息 / 299
14.1.4　获取股票上市信息 / 301
14.1.5　获取股票简称变更情况信息 / 303
14.1.6　获取公司管理人员任职情况信息 / 304
14.2　获取上市公司股东和股本信息 / 305
14.2.1　获取上市公司的十大股东信息 / 305
14.2.2　获取上市公司的十大流通股东信息 / 308
14.2.3　获取股东股份质押信息 / 309
14.2.4　获取股东股份冻结信息 / 310
14.2.5　股东户数信息 / 312
14.2.6　大股东减持信息 / 313
14.2.7　上市公司股本变动信息 / 314
14.3　获取上市公司分红送股数据信息 / 315
14.4　获取沪深股市每日成交概况信息 / 317

第15章　Python 量化择时的技术指标函数 / 319
15.1　量化择时概述 / 320
15.2　趋向指标函数 / 321
15.2.1　MACD 指标函数 / 321
15.2.2　EMV 指标函数 / 323
15.2.3　UOS 指标函数 / 324
15.2.4　GDX 指标函数 / 325
15.2.5　JS 指标函数 / 327
15.2.6　MA 指标函数 / 328
15.2.7　EXPMA 指标函数 / 329
15.2.8　VMA 指标函数 / 330
15.3　反趋向指标函数 / 331
15.3.1　KD 指标函数 / 331
15.3.2　MFI 指标函数 / 333
15.3.3　RSI 指标函数 / 334
15.3.4　OSC 指标函数 / 335
15.3.5　WR 指标函数 / 336
15.3.6　CCI 指标函数 / 337
15.4　压力支撑指标函数 / 338
15.4.1　BOLL 指标函数 / 338
15.4.2　MIKE 指标函数 / 339
15.4.3　XS 指标函数 / 341
15.5　量价指标函数 / 343
15.5.1　OBV 指标函数 / 343
15.5.2　VOL 指标函数 / 344
15.5.3　MASS 指标函数 / 345
15.5.4　VR 指标函数 / 346

第16章　Python 量化炒股的统计数据图 / 349
16.1　Seaborn 包概述 / 350
16.2　单只股票的收益统计图 / 350
16.2.1　查看单只股票的收盘价信息 / 350
16.2.2　利用pct_change() 函数计算收益率情况 / 351
16.2.3　利用dropna() 函数处理空值 / 352
16.2.4　利用distplot() 函数绘制收益统计图 / 353
16.2.5　显示宝钢股份（600019）近一年来的收益统计图 / 355
16.3　股票的相关性分析图 / 356
16.3.1　利用jointplot() 函数绘制两只股票的相关性分析图 / 356
16.3.2　利用pairplot() 函数绘制多只股票的相关性分析图 / 359

第17章　Python 量化炒股策略的回测 / 365
17.1　量化炒股策略回测的流程 / 366
17.2　利用Python 编写量化炒股策略并回测 / 367
17.2.1　量化炒股策略的编辑页面 / 367
17.2.2　量化炒股策略的初始化函数 / 370
17.2.3　量化炒股策略的单位时间调用函数 / 370
17.2.4　量化炒股策略的回测参数设置 / 371
17.2.5　量化炒股策略的回测详情 / 374
17.3　量化炒股策略的风险指标 / 377
17.3.1　阿尔法（Alpha） / 377
17.3.2　贝塔（Beta） / 378
17.3.3　夏普比率（Sharpe） / 379
17.3.4　索提诺比率（Sortino） / 379
17.3.5　信息比率（Information Ratio） / 380
17.3.6　波动率（Volatility） / 381
17.3.7　基准波动率（Benchmark Volatility） / 382
17.3.8　最大回撤（Max Drawdown） / 383

第18章　Python 量化炒股策略的因子分析 / 385
18.1　初识因子分析 / 386
18.1.1　因子的类型 / 386
18.1.2　因子分析的作用 / 386
18.2　利用Python 代码实现因子分析 / 386
18.2.1　因子分析中变量的含义 / 387
18.2.2　在因子分析中可以使用的基础因子 / 387
18.2.3　calc() 方法的参数及返回值 / 389
18.3　新建因子并查看因子分析结果 / 389
18.3.1　新建因子 / 389
18.3.2　因子的收益分析 / 392
18.3.3　因子的IC 分析 / 395
18.3.4　因子的换手分析 / 396
18.4　因子在研究和回测中的运用技巧 / 397
18.4.1　calc_factors() 函数的语法格式 / 398
18.4.2　因子在研究和回测中的运用实例 / 398
18.5　基本面因子应用实例 / 399

第19章　Python 量化炒股策略实战案例 / 403
19.1　均线量化炒股策略 / 404
19.1.1　均线量化炒股策略的初始化函数 / 404
19.1.2　均线量化炒股策略的单位时间调用函数 / 405
19.1.3　均线量化炒股策略的回测 / 405
19.2　多均线量化炒股策略 / 406
19.2.1　多均线量化炒股策略的初始化函数 / 407
19.2.2　多均线量化炒股策略的交易程序函数 / 407
19.2.3　多均线量化炒股策略的回测 / 408
19.3　随机指标量化炒股策略 / 409
19.3.1　随机指标量化炒股策略的初始化函数 / 410
19.3.2　随机指标量化炒股策略的开盘前运行函数 / 410
19.3.3　随机指标量化炒股策略的开盘时运行函数 / 411
19.3.4　随机指标量化炒股策略的收盘后运行函数 / 411
19.3.5　随机指标量化炒股策略的回测 / 412
19.4　布林通道线指标量化炒股策略 / 412
19.4.1　布林通道线指标量化炒股策略的初始化函数 / 413
19.4.2　布林通道线指标量化炒股策略的开盘前运行函数 / 413
19.4.3　布林通道线指标量化炒股策略的开盘时运行函数 / 414
19.4.4　布林通道线指标量化炒股策略的收盘后运行函数 / 415
19.4.5　布林通道线指标量化炒股策略的回测 / 415
19.5　多股票持仓均线量化炒股策略 / 416
19.5.1　多股票持仓均线量化炒股策略的初始化函数 / 416
19.5.2　多股票持仓均线量化炒股策略的单位时间调用函数 / 417
19.5.3　多股票持仓均线量化炒股策略的回测 / 418
19.6　白酒板块轮动量化炒股策略 / 418
19.6.1　白酒板块轮动量化炒股策略的初始化函数 / 419
19.6.2　白酒板块轮动量化炒股策略的选股函数 / 419
19.6.3　白酒板块轮动量化炒股策略的交易函数 / 420
19.6.4　白酒板块轮动量化炒股策略的回测 / 420
19.7　多个小市值股票量化炒股策略 / 421
19.7.1　多个小市值股票量化炒股策略的初始化函数 / 421
19.7.2　多个小市值股票量化炒股策略的选股函数 / 422
19.7.3　多个小市值股票量化炒股策略的过滤停牌股票函数 / 422
19.7.4　多个小市值股票量化炒股策略的交易函数 / 423
19.7.5　多个小市值股票量化炒股策略的回测 / 423

揭示Python量化炒股精髓，新手交易获利更容易
详解Python量化炒股难题，多位专家合力编著
知识点+应用案例=快速帮助读者理解与变通应用

Python量化炒股正以势不可挡的趋势进入证券交易领域，这是因为Python量化炒股的核心优势在于风险管理更精准，能够提供超额收益。

Python量化炒股已经越来越多的出现在专业投资者乃至行业外人士的视野中，而且未来很有可能出现“量化投资产品将替代未来的资本管理市场”。