科學方法賺大錢 - Python進行商品期貨量化交易

【前言】
◇ 為什麼要寫這本書
隨著電腦科學的不斷發展，商品期貨量化交易越來越流行。電腦能夠以比人類快 1000 倍的速度執行交易，從而降低主觀交易成本、增加獲利機會，使量化交易廣泛應用於商品期貨交易中，金融與科技的結合勢在必行，在可預見的未來，我們將見證金融市場的高度自動化。
由於金融量化交易行業有較高的門檻，因此要進入這個行業，除了需要有紮實的主觀交易基礎，還要有電腦程式設計功底。目前圖書市場關於量化交易的圖書很多，但真正從實戰交易出發，透過各種經典量化交易策略案例指導讀者提高量化交易水準的圖書很少。
本書以實戰為主旨，系統地講解商品期貨量化交易基礎知識、Python 程式設計語法、量化交易 API、完整的策略案例，讓讀者全面、深入、透徹地理解量化交易的各種基礎知識及各種經典交易策略的使用方法，幫助讀者打破萬事開頭難的局面，更好、更快地入門金融量化交易，提高實際策略開發水準和實戰能力。

◇ 本書有何特色
1. 本書附帶完整的策略程式，提高學習效率
為了便於讀者理解本書內容，提高學習效率，作者為本書中 CTA 策略的相關章節提供了完整的策略程式，讀者可以下載使用。

2. 涵蓋 Python 程式語言基礎知識
本書涵蓋 Python 程式語言基礎知識，包括 Python 的基礎語法、Python 中的變數和資料型態、Python 中的資料運算、Python 中的數字和字串、Python 中的串列和字典、Python 中的條件陳述式和迴圈敘述、Python 中的日期和時間、Python 中的常用內建函數、Python 中的異常處理。

3. 對量化交易策略案例進行分析
本書以商品期貨為標的，利用簡潔、高效的 Python 語言，從量化交易策略原理著手分析，深入淺出地揭示量化交易的本質，引導讀者從理解量化交易開始，逐步掌握行情資料的獲取和管理方法、技術指標的視覺化方法，並且在熟練程式設計的基礎上，在練習過程中摸索期貨量化交易的技巧，建構個性化的交易策略系統。

4. 專案案例典型，實戰性強，有較高的應用價值
本書在 CTA 策略的相關章節提供了多個入門策略案例，這些案例來自商品期貨市場經典策略，具有很高的應用價值和參考性。這些案例按照功能模組逐步實現，便於讀者融會貫通地理解本書內容。

5. 提供完整的技術支援和售後服務
本書提供了專門的技術支援電子郵件：support@fmz.cn。讀者在閱讀本書過程中有任何疑問都可以透過該電子郵件獲得幫助。

◇ 本書內容及知識系統
第 1 章-量化交易基礎
本章主要介紹量化交易的基礎知識，包括量化交易的發展和特點、量化交易與主觀交易的區別、量化交易流程及一個完整的交易策略包含的要素等。

第 2 章-Python 程式設計入門
Python 是一個物件導向的指令碼語言，其憑藉簡潔、高效的語言特性，以及在資料分析方面的巨大優勢，在金融領域獲得了廣泛的應用。本章主要介紹 Python 的基礎知識，將 Python 作為策略開發工具，為期貨量化交易提供助力。

第 3 章-量化交易 API
在掌握了 Python 的基礎知識後，就可以利用這些知識開發量化交易策略了。但如果從零開始對接原始的行情和交易 API，則會是一個龐大的 IT 系統工程。對初學者來說，利用免費開放原始碼的發明者量化 SDK，可以快速進行量化交易策略開發。本章主要介紹量化交易 API。

第 4 章-CTA 之趨勢追蹤策略
CTA 策略是一種多樣性的投資策略，一般是指商品期貨和金融期貨策略。無論是主觀交易，還是量化交易，只要其交易方法相對規則化、系統化，就都可以稱為 CTA 策略。本章會結合不同的策略理論開發 CTA 策略。

第 5 章-CTA 之回歸策略
回歸策略是與趨勢追蹤策略邏輯相反的一種交易策略，根據平均值回歸原理，價格始終圍繞其平均值上下波動，透過低買高賣賺取差價。本章會結合回歸策略的多種形式開發 CTA 策略，包括布林帶跨期套利策略、乖離率策略。

第 6 章-量化交易回測與實盤
一個新開發出來的交易策略，需要經過全方位檢測，才能應用於實戰。一個優秀的交易策略是在試錯中不斷改進產生的。本章主要介紹量化交易回測與實盤，包括使用 Tick 資料讓回測更精準、回測績效報告詳解、如何避開回測中的陷阱、遞進和交叉回測、量化交易實盤。

第 7 章-風險管理與投資組合
量化交易是有風險的，對大部分交易者來說，風險是一個令人不愉快的話題。雖然嚴格控制風險表示與暴利絕緣，但對優秀的量化交易者來說，掌握風險管理的方法是非常有必要的。本章主要介紹期貨市場三大風險及正確的倉位管理方法。

第 8 章-交易技巧及交易理念
玩轉量化交易，學會一定的操作技巧是非常有必要的。本章主要介紹常用的止盈和止損方法、量化交易與基本面資料、交易中常用的數理知識、量化交易與統計學。

◇ 適合閱讀本書的讀者
● 需要全面學習量化交易的主觀交易者。
● 金融分析師。
● 金融專業學生。
● 喜歡交易的 IT 從業者。
● 希望提高量化交易水準的人員。

◇ 閱讀本書的建議
● 需要對量化分析或量化交易有濃厚的興趣，並且能夠接受高強度的學習內容。
● 本書對學員專業沒有限制，但要求學員具備自主深入學習的能力。
● 對於零基礎的讀者，建議從第 1 章順次閱讀。
● 有一定交易或程式設計基礎的讀者，可以根據實際情況有重點地選擇閱讀各章節。
● 對於量化交易策略案例，先自己思考一下實現的想法，再閱讀，學習效果更好。

【前言】
◇ 為什麼要寫這本書
隨著電腦科學的不斷發展，商品期貨量化交易越來越流行。電腦能夠以比人類快 1000 倍的速度執行交易，從而降低主觀交易成本、增加獲利機會，使量化交易廣泛應用於商品期貨交易中，金融與科技的結合勢在必行，在可預見的未來，我們將見證金融市場的高度自動化。
由於金融量化交易行業有較高的門檻，因此要進入這個行業，除了需要有紮實的主觀交易基礎，還要有電腦程式設計功底。目前圖書市場關於量化交易的圖書很多，但真正從實戰交易出發，透過各種經典量化交易策略案例指導讀者提高量化交易水準的圖書很少...

1. 量化交易基礎
1.1 什麼是量化交易
1.2 為什麼選擇量化交易
1.3 量化交易需要哪些準備工作
1.4 一個完整的策略有哪些要素
1.5 溫故知新

2. Python 程式設計入門
2.1 為什麼要學習 Python
2.2 Python 的基礎語法
2.3 Python 中的變數和資料型態
2.4 Python 中的資料運算
2.5 Python 中的數字和字串
2.6 Python 中的串列和字典
2.7 Python 中的條件陳述式和迴圈敘述
2.8 Python 中的日期和時間
2.9 Python 中的常用內建函數
2.10 Python 中的異常處理
2.11 溫故知新

3. 量化交易API
3.1 全域常數和資料結構
3.2 獲取 Tick、深度、歷史 K 線資料
3.3 獲取和取消訂單、獲取當前掛單
3.4 IO() 函數
3.5 帳戶API 獲取帳戶和持倉資訊
3.6 常用的日誌資訊函數
3.7 常用的內建函數
3.8 常用的指標函數及圖表繪製
3.9 策略參數及策略互動
3.10 內建的範本類別庫及經典策略架構
3.11 溫故知新

4. CTA 之趨勢追蹤策略
4.1 什麼是 CTA 策略
4.2 經典的 MACD 策略
4.3 使用 ADX 輔助 MACD 策略
4.4 自我調整動態雙均線策略
4.5 日內高低點突破策略
4.6 增強版唐奇安通道策略
4.7 HANS123 日內突破策略
4.8 菲阿里四價策略
4.9 AROON（阿隆指標）策略
4.10 EMV（簡易波動指標）策略
4.11 動態階梯突破策略
4.12 Dual Thrust 日內交易策略
4.13 經典恒溫器策略
4.14 R-breaker 策略
4.15 溫故知新

5. CTA 之回歸策略
5.1 布林帶跨期套利策略
5.2 期現套利圖表
5.3 乖離率（BIAS）策略
5.4 溫故知新

6. 量化交易回測與實盤
6.1 使用 Tick 資料讓回測更精準
6.2 回測績效報告詳解
6.3 如何避開回測中的陷阱
6.4 遞進和交叉回測
6.5 量化交易實盤
6.6 溫故知新

7. 風險管理與投資組合
7.1 認識期貨中的風險
7.2 等值鞅資金管理
7.3 反等值鞅資金管理方法
7.4 建構投資組合和風險控制
7.5 溫故知新

8. 交易技巧及交易理念
8.1 常用的止盈、止損方法
8.2 量化交易與基本面資料
8.3 交易中常用的數理知識
8.4 建立機率思維，提升交易格局
8.5 溫故知新

1. 量化交易基礎
1.1 什麼是量化交易
1.2 為什麼選擇量化交易
1.3 量化交易需要哪些準備工作
1.4 一個完整的策略有哪些要素
1.5 溫故知新

2. Python 程式設計入門
2.1 為什麼要學習 Python
2.2 Python 的基礎語法
2.3 Python 中的變數和資料型態
2.4 Python 中的資料運算
2.5 Python 中的數字和字串
2.6 Python 中的串列和字典
2.7 Python 中的條件陳述式和迴圈敘述
2.8 Python 中的日期和時間
2.9 Python 中的常用內建函數
2.10 Python 中的異常處理
2.11 溫故知新

3. 量化交易API
3.1 全域常數和資料結構
3.2 獲...