書名：Python演算法交易
原文書名：
產品代碼：
9789865028640系列名稱：
程式設計系列編號：
A671定價：
680元作者：
Yves Hilpisch譯者：
藍子軒頁數：
416頁開數：
18.5x23x1.87裝訂：
平裝上市日：
20210728出版日：
20210728出版社：
歐萊禮CIP：
略市場分類：
電腦資訊產品分類：
書籍免稅聯合分類：
電腦資訊類- ※在庫量小
商品簡介
從創意發想到雲端部署
「能看到Yves Hilpisch完成他的大作，真令人感到興奮；他的著作整合了Python與雲端計算的全套做法，運用統計學與機器學習的技術，在金融市場中取得正向的報酬。」
—McKlayne Marshall
演算法交易專業工作者
演算法交易在過去曾是各大投資機構獨佔優勢的領域，但如今就算是小型投資機構或甚至散戶交易者，也都有能力透過線上平台從事這類的交易。如今許多交易者都選擇Python(及其強大的套件體系)做為他們實現演算法交易的工具。本書作者Yves Hilpisch針對如何把Python運用於演算法交易這個引人入勝的領域，為所有學生、學者及專業工作者提供了相應的介紹。
你將在演算法交易許多不同的面向，學習到各種應用Python的方式，例如交易策略的回測，以及與線上交易平台互動的做法。一些規模最大的買賣投資機構，都在大量運用Python。 本書會以系統化的方式探索如何打造、部署自動化演算法交易策略，協助你達到與其他人公平競爭的水準。
•設定一個適合進行演算法交易的Python環境
•學習如何從公開或專用的資料來源，檢索出金融數據資料
•運用NumPy與pandas，探索向量化金融分析方法
•掌握不同演算法交易策略的向量化回測做法
•運用機器學習與深度學習，做出市場預測
•運用socket程式設計工具，即時處理串流資料
•透過Oanda與FXCM交易平台，實現自動化演算法交易策略
從創意發想到雲端部署
「能看到Yves Hilpisch完成他的大作，真令人感到興奮；他的著作整合了Python與雲端計算的全套做法，運用統計學與機器學習的技術，在金融市場中取得正向的報酬。」
—McKlayne Marshall
演算法交易專業工作者
演算法交易在過去曾是各大投資機構獨佔優勢的領域，但如今就算是小型投資機構或甚至散戶交易者，也都有能力透過線上平台從事這類的交易。如今許多交易者都選擇Python(及其強大的套件體系)做為他們實現演算法交易的工具。本書作者Yves Hilpisch針對如何把Python運用於演算法交易這個引人入勝的領域，為所有學生、學者及專業工作者提供了相應的介紹。
你將在演算法交易許多不同的面向，學習到各種應用Python的方式，例如交易策略的回測，以及與線上交易平台互動的做法。一些規模最大的買賣投資機構，都在大量運用Python。 本書會以系統化的方式探索如何打造、部署自動化演算法交易策略，協助你達到與其他人公平競爭的水準。
•設定一個適合進行演算法交易的Python環境
•學習如何從公開或專用的資料來源，檢索出金融數據資料
•運用NumPy與pandas，探索向量化金融分析方法
•掌握不同演算法交易策略的向量化回測做法
•運用機器學習與深度學習，做出市場預測
•運用socket程式設計工具，即時處理串流資料
•透過Oanda與FXCM交易平台，實現自動化演算法交易策略
作者簡介
Yves J. Hilpisch博士 是AI Machine與The Python Quants的創建者兼執行長，其中The Python Quants這個集團主要聚焦於金融資料科學、人工智慧、演算法交易、金融計算相關開源碼技術的運用。 他也是《Artificial Intelligence in Finance(O’Reilly)》(金融人工智慧)、《Python for Finance(O’Reilly)》(Python金融應用)、《Derivatives Analytics with Python(Wiley)》(Python衍生性金融商品分析)、《Listed Volatility and Variance Derivatives(Wiley)》(波動率指數與各種不同的衍生性金融商品)這幾本書的作者，同時也在計量金融認證(Certificate in Quantitative Finance；CQF)計劃中，提供人工智慧演算法交易相關的講座。
書籍目錄
第一章 Python & 演算法交易
第二章 Python 基礎架構
第三章 金融數據資料的處理
第四章 精通向量化回測
第五章 運用機器學習預測市場動向
第六章 打造事件型回測物件類別
第七章 即時資料與 Socket 的處理
第八章 運用 Oanda 交易 CFD 差價合約
第九章 運用 FXCM 進行外匯交易
第十章 自動化交易操作
附錄 Python、NumPy、matplotlib、pandas