量化交易都会用到什么Python库？推荐哪些书籍

Posted 2022-02-25 黑马程序员官方

系列文章目录

🍑 2022年Python+大数据学习路线图，源码笔记，最优学习资源

🍑 2022年人工智能学习路线图，清楚明确

🍑 作为一个程序员，怎样才算精通 Python？

🍑 Python面向对象版学员管理系统（附源码）

🍑 Linux必备基础命令，记得收藏

🍑 if判断和循环总结

🍑 一文看懂Python异常

文章目录

• 系列文章目录
• 一、什么是量化交易？
• 二、为什么几乎所有的量化交易都用Python？
• 三、Python数据分析相关库
• • （1）NumPy
  • （2）SciPy
  • （3）Pandas
  • （4）Matplotlib
  • （5）Scikit-learn
  • （6）Keras
• 四、Python量化书籍推荐
• 五、Python数据分析教程

---

一、什么是量化交易？

量化交易 (Quantitative Trading) 是借助现代统计学和数学 (机器学习) 的方法，利用计算机技术来进行交易的证券投资方式。

量化交易从庞大的历史数据中海选能带来超额收益的多种 “大概率” 事件以定制策略， 用数量模型验证及固化这些规律和策略， 然后严格执行已固化的策略来指导投资， 从而获得可以持续的、 稳定且高于平均收益的超额回报。

二、为什么几乎所有的量化交易都用Python？

量化交易的过程中，80%的时间都是处理数据。而Python处理数据的功能非常强大，用起来也特别顺手，而且统计库也越来越完善。

国内很多量化交易平台都使用Python开发，因为它更容易实现加上用于数学计算、数据收集、机器学习、数据可视化，甚至基于这些模型的应用程序开发的大量库，将Python转变为一个完整的数据科学项目生态系统。

三、Python数据分析相关库

Python中常会用到一些专门的库，如NumPy、SciPy、Pandas和Matplotlib。数据处理常用到NumPy、SciPy和Pandas，数据分析常用到Pandas和Scikit-Learn，数据可视化常用到Matplotlib，而对大规模数据进行分布式挖掘时则可以使用Pyspark来调用Spark集群的资源。

（1）NumPy

NumPy 提供了真正的数组功能以及对数据进行快速处理的函数，是Python中相当成熟和常用的库。

• 官方文档参考：https://numpy.org/

（2）SciPy

SciPy依赖于NumPy，因此安装前需先安装NumPy。SciPy包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微积分求解等其他科学与过程中常用的计算。

• 官方文档参考：https://scipy.org/

（3）Pandas

Pandas 是Python下最强大的数据分析和探索工具，包含高级的数据结构和精巧的工具，支持类似SQL的数据增、删、查、改，并有丰富的数据处理函数；支持时间序列分析功能；灵活处理缺失数据等。

• 官方文档参考：pandas documentation

（4）Matplotlib

Matplotlib是最著名的绘图库，主要用于二维绘图，以及简单的三维绘图。它提供了一整套丰富的命令，让我们可以非常快捷地用Python可视化数据，而且允许输出达到出版质量的多种图像格式。

• 官方文档参考：Matplotlib - Visualization with Python

（5）Scikit-learn

Scikit-learn 是一个与机器学习相关的库，它提供了完善的机器学习工具箱，包括数据预处理、分类、回归、聚类、预测、模型分析等。

• 官方文档参考：scikit-learn: machine learning in Python

（6）Keras

Keras 并非简单的神经网络库，而是一个基于Theano 的强大的深度学习库，不仅可以搭建简单普通的神经网络，还可以搭建各种深度学习模型，如自编码器、循环神经网络、递归神经网络、卷积神经网络等。

• 官方文档参考：the Python deep learning API

除了上面提到这些，还有不少Python库对于数据分析和处理都是非常方便的，正如大量的开源库是Python受欢迎的最重要的原因之一。

四、Python量化书籍推荐

本书以培养读者以计算机科学家一样的思维方式来理解Python语言编程。贯穿全书的主体是如何思考、设计、开发的方法，而具体的编程语言，只是提供了一个具体场景方便介绍的媒介。

全书一共19章，系统而全面地对Python标准库中的一百多个模块进行了生动的讲解。这些模块主要包括：文本处理工具模块、与数据结构相关的模块、与算法有关的模块、管理日期和时间值的模块、用于数学计算的模块、管理文件系统的模块等等。

本书介绍如何用 Python 开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍了如何制作交互式二维、三维图像，如何设计精巧的程序界面，如何与 C 语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。

本书作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。

五、Python数据分析教程

该阶段主要是介绍一些数据科学领域用Python语言实现的基础库，如简洁、轻便的数据可视化展示工具Matplotlib，高效的运算工具Numpy，方便的数据处理工具Pandas等。

黑马程序员Python教程，4天快速入门Python数据挖掘，系统精讲+实战案例

课程亮点 ：

1. 用最快地办法入门数据科学
2. 用最简单方式轻松掌握数据科学基础库