金融量化分析不仅需要掌握金融领域的知识，还需要掌握相关的计算机编程技术。本书全面、系统地介绍金融量化分析所需要掌握的技能。无论是具有丰富的编程经验的读者，还是普通的投资爱好者，均可参照本书内容开发自己的量化交易策略回测代码，实现金融量化分析辅助投资的目的。
本书共9章，涵盖的主要内容有金融量化交易策略分析概述，Python的基础语法，Pandas模块基础，NumPy基础，数据获取与清洗，金融量化交易策略实战，TA-Lib、Empyrical与Mplfinance模块的使用方法，金融数据回归分析，ARIMA与VAR模型在金融量化领域的应用，开源金融量化交易策略回测框架Backtrader的使用方法等。掌握这些内容，可以解决金融量化分析涉及的编程语言基础、数据获取、量化交易策略构建、统计学与金融学理论在金融量化领域的高级应用，以及现有的量化回测框架的使用方法等实际问题。
本书内容丰富，体系完整，讲解细致入微，既适合Python金融量化分析入门人员阅读，也适合有志从事量化投资工作的各类研究人员和从业人员阅读与参考，还适合作为高等院校金融和投资类相关专业的教材。

肖建军，经济学博士，应用经济学博士后，厦门工学院副教授。先后供职于大型银行总部、信托公司、私募基金公司等金融机构，从事金融投资、量化分析研究与实务等工作。目前专注于金融量化交易策略和加密货币结算等相关研究与开发工作。

第1章 金融量化交易策略分析概述
1.1 金融量化分析简介
1.1.1 金融量化分析的应用范畴
1.1.2 金融量化分析的基本流程
1.1.3 金融量化分析的方法与工具
1.1.4 金融量化分析的优势
1.2 金融量化分析的困局
l.2.1 金融量化分析策略的同质化
1.2.2 量化分析工具的局限性
1.2.3 量化分析结果的随机性
1.3 金融量化分析注意事项
1.4 本章小结
1.5 思考题
第2章 金融量化分析工具的准备——基础语法
2.1 Python简介
2.1.1 Python数据处理的优势
2.1.2 Python的基本语法
2.2 Python变量
2.2.1 变量的命名规则
2.2.2 数值型变量
2.2.3 布尔类型变量
2.2.4 字符串类型变量
2.2.5 列表类型变量
2.2.6 元组类型变量
2.2.7 集合类型变量
2.2.8 字典类型变量
2.3 流程控制
2.3.1 逻辑判断
2.3.2 if判断
2.3.3 循环语句
2.4 函数
2.4.1 函数的定义与调用
2.4.2 函数的参数
2.4.3 lambda匿名函数
2.4.4 Python高阶函数
2.5 类与对象
2.5.1 创建类与实例对象
2.5.2 面向对象的封装
2.5.3 面向对象的继承
2.5.4 面向对象的多态
2.6 模块应用
2.6.1 模块的安装、卸载与调用
2.6.2 Python内置模块示例1：datetime模块
2.6.3 Python内置模块示例2：os模块
2.7 本章小结
2.8 思考题
第3章 金融量化分析工具的准备——Pandas基础
3.1 Pandas简介
3.1.1 Pandas的主要优势
3.1.2 Pandas的主要功能
3.1.3 Pandas的底层结构
3.2 Seties对象
3.2.1 创建Series对象
3.2.2 访问Series对象数据
3.2.3 Series对象的常用属性
3.2.4 Series对象的常用函数
3.3 DataFrame对象
3.3.1 DataFrame对象的数据存储结构
3.3.2 创建DataFrame对象
3.3.3 DataFrame对象的常用属性
3.3.4 DataFrame的列操作方法
3.4 Pandas金融量化分析应用
3.4.1 统计计算
3.4.2 累计计算
3.4.3 获取CSV文件数据
3.4.4 获取SQLite数据库中的数据
3.5 Pandas数据可视化
3.5.1 折线图
3.5.2 直方图
3.6 本章小结
3.7 思考题
第4章 金融量化分析工具的准备——NumPy基础
4.1 NumPy简介
4.1.1 NumPy的主要优势
4.1.2 NumPy的主要功能
4.1.3 ndarray的底层结构
4.2 ndarray对象的创建
4.2.1 创建ndarray对象的方法
4.2.2 创建特殊的ndarray对象
4.3 ndarray数组数据的访问
4.3.1 索引
4.3.2 切片
4.4 NumPy数组操作
4.4.1 修改ndarray数组形状
4.4.2 合并ndarray数组
4.4.3 分割ndarray数组
4.4.4 删除ndarray数组数据
4.4.5 添加数组数据
4.5 NumPy模块的主要函数
4.5.1 统计类函数
4.5.2 线性代数类函数
4.5.3 排序与筛选类函数
4.6 NumPy随机数处理
4.6.1 NumPy处理随机数问题的优势
4.6.2 生成随机数
4.6.3 随机抽样
4.6.4 随机模拟实验
4.7 本章小结
4.8 思考题
第5章 金融量化分析数据的准备
5.1 数据获取
5.1.1 从Tushare平台上获取数据
5.1.2 从AkShare模块中获取数据
5.1.3 从qstock模块中获取数据
5.1.4 从Alpha Vantage API中获取数据
5.2 数据清洗
5.2.1 数据清洗的内容
5.2.2 数据清洗示例
5.2.3 数据清洗进阶——JSON数据清洗
5.3 数据存储
5.3.1 用CSV文件存储数据
5.3.2 用SQLite数据库存储数据
5.4 本章小结
5.5 思考题
第6章 金融量化交易策略开发实战
6.1 趋势追踪交易策略
6.1.1 趋势追踪交易策略介绍
6.1.2 趋势追踪交易策略实战代码
6.1.3 趋势追踪交易策略实战代码详解
6.2 顶底背离交易策略实战
6.2.1 顶底背离交易策略介绍
6.2.2 项底背离交易策略实战代码
6.2.3 项底背离交易策略实战代码详解
6.3 小市值交易策略实战
6.3.1 小市值交易策略介绍
6.3.2 小市值交易策略实战代码
6.3.3 小市值交易策略实战代码详解
6.4 海龟交易策略实战
6.4.1 海龟交易策略介绍
6.4.2 海龟交易策略实战代码
6.4.3 海龟交易策略实战代码详解
6.5 网格交易策略实战
6.5.1 网格交易策略介绍
6.5.2 网格交易策略实战代码
6.5.3 网格交易策略实战代码详解
6.6 本章小结
6.7 思考题
第7章 金融量化分析常用的工具模块
7.1 TA-Lib模块
7.1.1 TA-Lib模块的安装
7.1.2 TA-Lib模块的函数类别
7.1.3 TA-Lib模块的常用函数
7.2 Empyrical模块
7.2.1 Empyrical模块的优