前言

随着Python的应用在业界已经排名第一，其统计分析的功能越来越丰富，量化投资工具箱也日渐成熟。与此同时，以Python量化投资为主题的图书也像雨后春笋般出现。虽然有大量的量化图书资料可供学习和参考，但仍存在以下两点不足。

第一，大篇幅Python知识性的介绍，忽视了量化投资才是主题。例如，大量图书重点描述了Pandas、Numpy和MatPlotLib库等模块与对应各种函数的用法，或者重点阐述量化投资过程中使用的某种特定平台或库，这些内容占据了图书50%的内容甚至更多，关于量化投资的内容却相对欠缺。

量化投资图书不仅应该围绕量化主题，而且应该围绕这些主题探讨解决之道。例如，在获取量化数据过程中，经常涉及某个源的数据是否准确的疑问。此时解决之道应该是如何从统计的角度判断数据的可靠性、大致有哪些统计方法、如何运用Python编程实现等。

第二，碎片化的量化投资知识，缺乏切实可行的系统性操作指南。虽然大量图书中介绍了一些可供操作的策略（如双均线择时策略、海龟交易策略和因子选股策略等），或者某些原理（如资本资产定价原理和套利定价原理等），但在实现过程中要么一带而过，要么完全依赖上述提到的特定平台或库。

对于量化投资者而言，不仅不需要依赖任何特定平台或库的知识，还需要系统性的量化方法与技巧，具体包括量化投资全过程，即数据源、数据的描述性统计和模型分析、基本面选股方法、技术面选股择时方法与投资组合构建等各方面的内容。

为弥补上述遗憾，笔者从自身近10年的量化投资经历出发，在已出版的《量化投资基础、方法与策略——R语言实战指南》一书基础上，把R语言升级到Python篇。之所以称为“升级”，不是单纯地把R语言用Python代替，而是随着笔者量化投资阅历不断丰富、教学经验总结和读者的反馈，进行了以下完善和优化。

第一，做相应的保留和删除，优化了章节内容。首先，根据读者的反馈，本书把好的内容保留，并用Python来实现，如第2章软件基础知识，大部分内容保持不变，只是运用了Python进行实现；在第3章，个股和行业板块相关性分析、通达信行业板块排行和均线策略等内容，读者反馈具有较强的实践性，因此保留。其次，删除了与量化投资相关性不是很高的内容，如数据转换等。

第二，增加了大量实用性和可操作性的内容，使逻辑结构更加系统化。如在第1章，大幅度增加了基本面、技术面和投资绩效等量化投资所需的基础知识；在第3章，增加了大篇幅金融数据爬虫的内容，从而解决了量化数据源之苦；在第4章量化分析与实战部分，在原先技术性投资基础上，大幅度增加了基本面财务指标分析及选股方法。通过一系列的内容补充，图书的系统性更强。

本书结构

本书共分为5章。

第1章为量化投资基础。主要在探讨基本面和技术面等知识的基础上，阐述了量化投资的基本概念、回测过程和实盘软件及其优劣，并对Python软件、Python开发环境的基本安装和配置进行了介绍。

第2章为Python统计分析基础。主要以量化投资过程中遇到的数据读取、数据整理、数据分析为中心，讲述了Python的基本操作，避免了纯粹的Python编程介绍，同时增强了读者的数据处理能力。

第3章为网络爬虫与金融数据获取。本章主要介绍利用Python进行金融数据收集，具体包括利用BS4和Selenium等库系统性获取股票K线数据、股票财务数据和其他证券数据的过程，特别是利用Selenium抓取弹出框、菜单栏和下拉页面等不同形式的金融网页数据。

第4章为量化分析与实战。阐述使用Python进行描述性统计分析、构建技术面和基本面的选股方法，以及金融统计模型的应用。具体通过案例的形式，深入浅出阐述如何利用现有的数据源进行量化处理和分析。

第5章为回测框架及策略分析。在对大量量化投资回测框架比较的基础上，选择了最实用的Backtesting、Backtrader和微软的Qlib三大库进行阐述，介绍了如何使用这些库进行系统性的策略构建和投资组合优化分析。

本书特色

第一，围绕量化投资，循序渐进地介绍了需要掌握的技能。量化投资“打怪升级”路径为：基础知识→获取金融数据→构建系统性策略→策略绩效分析和优化。这对应本书的各个章节，均为笔者量化投资研究和实践的经验总结。

第二，以问题为导向，阐述了如何用Python进行分析。在量化投资过程中，投资者同样可能会遇到各种问题，例如，量化投资数据从哪里找？基本面大量的财务指标中哪些更重要？均线策略能不能赚钱，如何对策略进行修正和完善？大盘下跌5个点，后续会如何走？本书围绕这些问题，阐述了如何用Python编程进行定量分析，并提出了解决方案。经过多年的教学和实践，笔者发现这也是快速掌握知识和技能的方法之一。

第三，知识汇。这部分作为量化投资和Python等系统性知识的介绍，在每个章节中穿插了实际案例，例如，西蒙斯、巴菲特等人物及经营公司的绩效、Python工具包Pandas、Backtesting库的功能、外汇平台等各方面及Python和投资相关知识的介绍。

本书适用群体

本书适用群体比较广泛，主要适用于以下三类人群。

第一，适用于入门量化投资和普通投资者，同时可作为金融机构及对投资感兴趣读者的实用指南。

第二，可作为Python统计分析入门和提高的指导书。

第三，适用于专业课程教材和参考书。本书是笔者讲授的“统计计算与应用软件”“量化投资学”“商务数据挖掘”和“金融数据挖掘实战”等课程自编教程总结，除上述几门课程，还可以作为“金融工程”“时间序列分析”和“证券投资分析”等统计与金融相关课程的辅助参考资料。

致谢

笔者深知，个人只是代码和方法的搬运工，在学习Python语言过程中，感激为Python做出贡献的团队和个人开发者，同时也感谢Stack Overflow和GitHub等网站，正是他们，我们对Python才有了更多的了解，并对我们深入研究特定问题给出了建设性参考意见。

同时还要感谢感谢景德镇陶瓷大学刘冰峰博士、宋俊杰老师、杨健仁博士、童敏慧博士、李小永博士和许剑雄老师的大力支持；感谢广西财经学院中国—东盟统计学院的鼎力支持，以及蒋瑜、彭红彩和谭丽东等同学帮忙修改问题语句和错别字，才使本书顺利出版。

当然还要感谢电子工业出版社的李冰和张梦菲等编辑，正是他们的认真付出，才使本书更加完善。

最后，希望本书能给读者带来实质性的启发与思考，在快乐中学习量化投资和编程。毫无疑问，本书编写过程中疏漏难免，恳请读者批评和指正。本书内容探讨、代码下载和运行等相关问题，请加QQ交流群：778545108或邮箱：fwushi815＠163.com，和笔者一起探讨，共同进步。

付志刚