◎本书把Python技术和量化投资实例结合起来，分4个篇章介绍了Python工具、量化投资统计与计量分析方法、量化投资组合与资产定价理论及应用，以及量化投资策略。
◎本书实例丰富，有很强的针对性，各章详细介绍了实例的具体操作过程，读者只需按照所介绍的步骤按部就班地操作，就能掌握全书的内容。
◎本书可供经管类本科高年级学生与研究生参考使用，同时对从事数据分析的实际工作者也大有裨益。
◎本书配套实例的全部数据文件。

《Python数据分析与量化投资》把Python技术和量化投资实例结合起来，分4个篇章介绍了Python工具、量化投资统计与计量分析方法、量化投资组合与资产定价理论及应用，以及量化投资策略。该书实例丰富，有很强的针对性，各章详细介绍了实例的具体操作过程，读者只需按照所介绍的步骤按部就班地操作，就能掌握全书的内容。该书可供经管类本科高年级学生与研究生参考使用，同时对从事数据分析的实际工作者也大有裨益。《Python数据分析与量化投资》配套实例的全部数据文件，欢迎读者按照书后的“教辅申请说明”反馈信息，索取免费教辅资料。

第1篇 Python工具介绍
1 量化投资及Python简介、下载、安装与启动
1.1 量化投资基础
1.2 为什么选择Python工具
1.3 Python工具的下载
1.4 Python工具的安装
1.5 Python工具的启动和退出
2 Python基础知识与编程基础
2.1 Python基础知识
2.2 Python数据结构
2.3 Python函数
2.4 Python条件与循环
2.5 Python类与对象
3 Python数据存取
3.1 Python NumPy数据存取
3.2 Python-Scipy数据存取
3.3 Python Pandas的csv格式数据文件存取
3.4 Python Pandas的excel格式数据文件存取
3.5 读取并查看数据表列
3.6 读取Tushare财经网站数据
3.7 Tushare财经网站数据保存与读取
3.8 使用OpenDataTools工具获取数据
3.9 下载Yahoo财经网站数据
3.10 Python-Quandl财经数据接口
4 Python工具库NumPy的应用
4.1 NumPy概述
4.2 NumPy数组对象
4.3 创建数组
4.4 数组操作
4.5 数组元素访问
4.6 矩阵操作
4.7 缺失值
5 Python工具库SciPy的应用
5.1 SciPy概述
5.2 优化方法的scipy.optimize应用
5.3 利用CVXOPT求解二次规划问题
5.4 统计方法的scipy.stats应用
6 Python工具库Pandas的数据结构
6.1 Pandas介绍
6.2 Pandas的数据结构：Series
6.3 Pandas的数据结构：DataFrame
7 Python绘制图形
7.1 Matplotlib绘图应用基础
7.2 直方图的绘制
7.3 散点图的绘制
7.4 气泡图的绘制
7.5 箱图的绘制
7.6 饼图的绘制
7.7 条形图的绘制
7.8 折线图的绘制
7.9 曲线标绘图的绘制
7.10 连线标绘图的绘制
7.11 关于绘图中显示中文的处理
第2篇 量化投资统计与计量分析方法
8 概率分布及Python应用
8.1 二项分布
8.2 泊松分布
8.3 正态分布
8.4 贝塔分布
8.5 均匀分布
8.6 指数分布
8.7 t分布
8.8 卡方分布
8.9 F分布
9 描述性统计及Python应用
9.1 描述性统计的Python工具
9.2 数据集中趋势的度量
9.3 数据离散状况的度量
9.4 峰度、偏度与正态性检验
9.5 异常数据处理
10 参数估计及Python应用
10.1 参数估计与置信区间的含义
10.2 点估计的Python应用
10.3 单正态总体均值区间估计的Python应用
10.4 单正态总体方差区间估计的Python应用
10.5 双正态总体均值差区间估计的Python应用
10.6 双正态总体方差比区间估计的Pyt，hon应用
11 参数假设检验及Python应用
11.1 参数假设检验的基本理论
11.2 单样本t检验的Python应用
11.3 两个独立样本t检验的Python应用
11.4 成对样本t检验的Python应用
11.5 单样本方差假设检验的Python应用
11.6 双样本方差假设检验的Python应用
12 相关性分析与回归分析及Python-statsmodels应用
12.1 相关性分析及Python应用
12.2 一元线性回归分析及Python-statsmodels应用
12.3 多元线性回归分析及Python应用
13 多重共线性及Python应用
13.1 多重共线性的概念
13.2 多重共线性的后果
13.3 产生多重共线性的原因
13.4 多重共线性的识别和检验
13.5 消除多重共线性的方法
13.6 多重共线性诊断的Python应用
13.7 多重共线性消除的Python应用
14 异方差及Python应用
14.1 异方差的概念
14.2 异方差产生的原因
14.3 异方差的后果
14.4 异方差的识别检验
14.5 消除异方差的方法
14.6 异方差诊断的Python应用
14.7 异方差消除的Python应用
14.8 异方差实例的Python应用
15 自相关及Python应用
15.1 自相关的概念
15.2 自相关产生的原因
15.3 自相关的后果
15.4 自相关的识别和检验
15.5 自相关的处理方法
15.6 自相关性诊断与消除的Python应用
15.7 金融市场数据自相关性诊断与消除的Python应用
第3篇 量化投资组合与资产定价理论及应用
16 资产组合的期望收益与风险及：Python应用
16.1 持有期收益率
16.2 单项资产的期望收益率
16.3 单项资产的风险
16.4 单项资产的期望收益和风险的估计量及Python应用
16.5 单项资产之间的协方差与相关系数及Python应用
16.6 资产组合的期望收益和风险及Python应用
17 资产组合均值方差模型及Python应用
17.1 资产组合的可行集
17.2 有效边界与有效组合
17.3 标准均值方差模型及Python应用
17.4 两基金分离定理
17.5 投资组合有效边界的Python绘制
17.6马科维茨投资组合优化的Python应用
……
18 马科维茨资产组合优化及Python cvxopt工具应用
19 存在无风险资产的均值方差模型及Python应用
20 资本资产定价模型及Python Statsmodels应用
第4篇 量化投资策略分析
21 市场中性策略分析或贝塔对冲策略分析
22 量化选股策略分析
23 量化择时策略分析
24 量化选股与量化择时组合策略分析
25 统计套利的协整配对交易策略分析
26 人工智能机器学习量化投资策略分析