0人評分過此書
股票發大財：用Python預測玩轉股市高手精解
作者
：
出版日期
：
2022/12/01
閱讀格式
：
PDF
ISBN
：
9789865501730
預測股票之夢，雖遠但非遙不可及。 想成為股市贏家不是會看盤，而是要先會Python！ K線、均線自己畫，資料自己爬，賺錢一大把！ 全書分為三篇： 基礎篇（第1~4章）：說明Python開發環境的架設、基本語法、資料結構、程式的偵錯以及物件導向的程式設計思想。 股票指標技術分析篇（第5~10章）：分別說明使用網路爬蟲技術取得股票資料、使用Matplotlib視覺化元件、基於NumPy和Pandas函數庫進行大數據分析、以股票的不同指標分析為範例的開發方法—MACD + Python資料庫程式設計、KDJ + Python圖形化使用者介面程式設計、RSI + Python郵件程式設計。 以股票指標為基礎的交易策略之進階應用篇（第11~13章）：以股票的BIAS指標分析為範例說明Django架構、以股票的OBV指標分析為範例說明在Django中匯入記錄檔和資料庫元件、結合股票指標分析說明以線性回歸和SVM（支援向量機）為基礎的機器學習的入門知識。 台股上看兩萬點，台積電領軍，看盤成為全民運動！茫茫股海，每天追大盤，玩個股，但心中就是不放心，資料這麼多，到底資訊在哪裏？股市都是數字，而資料及演算法，都必須靠一個程式語言串起來。Python正是你最好的朋友，上手簡單，功能強大，最重要的是，近來最強的機器學習也是Python的核心。這些都是玩轉股市的基本工具，本書針對Python零基礎的使用者，主要說明大量的股票指標技術分析的範例，由淺入深地介紹了使用Python語言程式設計開發的應用「圖譜」。
-
第1章 掌握實用的Python語法
-
1.1 安裝Python開發環境
-
1.1.1 在MyEclipse裡安裝開發外掛程式和Python解譯器
-
1.1.2 新增Python專案，開發第一個Python程式
-
-
1.2 快速入門Python語法
-
1.2.1 Python的縮排與註釋
-
1.2.2 定義基底資料型態
-
1.2.3 字串的常見用法
-
1.2.4 定義函數與呼叫函數
-
-
1.3 控制條件分支與循環呼叫
-
1.3.1 透過if⋯else控制程式的分支流程
-
1.3.2 while循環與continue，break關鍵字
-
1.3.3 透過for循環來檢查物件
-
-
1.4 透過範例程式加深對Python語法的認識
-
1.4.1 實現上浮排序演算法
-
1.4.2 計算指定範圍內的質數
-
1.4.3 透過Debug偵錯程式中的問題
-
-
1.5 本章小結
-
-
第2章 Python中的資料結構：集合物件
-
2.1 串列和元組能儲存線性串列類型資料
-
2.1.1 串列的常見用法
-
2.1.2 鏈結串列、串列還是陣列？這僅是叫法的不同
-
2.1.3 對串列中元素操作的方法
-
2.1.4 不能修改元組內的元素
-
-
2.2 集合可以去除重複元素
-
2.2.1 透過集合去掉重複的元素
-
2.2.2 常見的集合操作方法
-
2.2.3 透過覆蓋sort定義排序邏輯
-
-
2.3 透過字典儲存「鍵－值對」類型的資料
-
2.3.1 針對字典的常見操作
-
2.3.2 在字典中以複雜的格式儲存多個資料
-
-
2.4 針對資料結構物件的常用操作
-
2.4.1 對映函數map
-
2.4.2 篩選函數filter
-
2.4.3 累計處理函數reduce
-
2.4.4 透過Lambda運算式定義匿名函數
-
-
2.5 本章小結
-
-
第3章 Python物件導向程式設計思想的實作
-
3.1 把屬性和方法封裝成類別，方便重複使用
-
3.1.1 在Python中定義和使用類別
-
3.1.2 透過__init__了解常用的魔術方法
-
3.1.3 對外隱藏類別中的不可見方法
-
3.1.4 私有屬性的錯誤用法
-
3.1.5 靜態方法和類別方法
-
-
3.2 透過繼承擴充新的功能
-
3.2.1 繼承的常見用法
-
3.2.2 受保護的屬性和方法
-
3.2.3 慎用多重繼承
-
3.2.4 透過「組合」來避免多重繼承
-
-
3.3 多形是對功能的抽象
-
3.3.1 Python中的多形特性
-
3.3.2 多形與繼承結合
-
-
3.4 透過import重複使用已有的功能
-
3.4.1 透過import匯入現有的模組
-
3.4.2 套件是模組的升級
-
3.4.3 匯入並使用協力廠商函數庫NumPy的步驟
-
-
3.5 透過反覆運算器加深了解多形性
-
3.6 本章小結
-
-
第4章 異常處理與檔案讀寫
-
4.1 異常不是語法錯誤
-
4.1.1 透過try⋯except從句處理異常
-
4.1.2 透過不同的異常處理類別處理不同的異常
-
4.1.3 在except中處理多個異常
-
4.1.4 透過raise敘述直接拋出異常
-
4.1.5 引用finally從句
-
-
4.2 專案中異常處理的經驗談
-
4.2.1 用專業的異常處理類別來處理專門的異常
-
4.2.2 儘量縮小異常監控的範圍
-
4.2.3 儘量縮小異常的影響範圍
-
4.2.4 在合適的場景下使用警告
-
-
4.3 透過IO讀寫檔案
-
4.3.1 以各種模式開啟檔案
-
4.3.2 引用異常處理流程
-
4.3.3 寫入檔案
-
-
4.4 讀寫檔案的範例
-
4.4.1 複製與移動檔案
-
4.4.2 讀寫csv檔案
-
4.4.3 讀寫zip壓縮檔
-
-
4.5 本章小結
-
-
第5章 股市的常用知識與資料準備
-
5.1 股票的基本常識
-
5.1.1 交易時間與T+1交易規則
-
5.1.2 證券交易市場
-
5.1.3 從競價制度分析股票為什麼會漲跌
-
5.1.4 指數與板塊
-
5.1.5 本書會用到的股市術語
-
-
5.2 撰寫股票範例程式會用到的函數庫
-
5.3 透過爬取股市資料的範例程式來學習urllib函數庫的用法
-
5.3.1 呼叫urlopen方法爬取資料
-
5.3.2 呼叫帶有參數的urlopen方法爬取資料
-
5.3.3 GET和POST的差別和使用場景
-
5.3.4 呼叫urlretrieve方法把爬取結果存入csv檔案
-
-
5.4 透過以股票資料為基礎的範例程式學習正規表示法
-
5.4.1 用正規表示法比對字串
-
5.4.2 用正規表示法截取字串
-
5.4.3 綜合使用爬蟲和正規表示法
-
-
5.5 透過協力廠商函數庫收集股市資料
-
5.5.1 透過pandas_datareader函數庫取得股市資料
-
5.5.2 使用Tushare函數庫來取得上市公司的資訊
-
5.5.3 透過Tushare函數庫取得某時間段內的股票資料
-
-
5.6 本章小結
-
-
第6章 透過Matplotlib函數庫繪製K線圖
-
6.1 Matplotlib函數庫的基礎用法
-
6.1.1 繪製柱狀圖和聚合線圖
-
6.1.2 設定座標軸刻度和標籤資訊
-
6.1.3 增加圖例和圖表標題
-
-
6.2 Matplotlib圖形函數庫的常用技巧
-
6.2.1 繪製含中文字元的圓形圖
-
6.2.2 柱狀圖和長條圖的區別
-
6.2.3 Figure物件與繪製子圖
-
6.2.4 呼叫subplot方法繪製子圖
-
6.2.5 透過Axes設定數字型的座標軸刻度和標籤
-
6.2.6 透過Axes設定日期型的座標軸刻度和標籤
-
-
6.3 繪製股市K線圖
-
6.3.1 K線圖的組成要素
-
6.3.2 透過長條圖和直線繪製K線圖
-
6.3.3 透過mpl_finance函數庫繪製K線圖
-
-
6.4 K線對未來行情的預判
-
6.4.1 不帶上下影線的長陽線
-
6.4.2 不帶上下影線的長陰線
-
6.4.3 預測上漲的早晨之星
-
6.4.4 預測下跌的黃昏之星
-
6.4.5 預測上漲的兩陽夾一陰形態
-
6.4.6 預測下跌的兩陰夾一陽形態
-
-
6.5 本章小結
-
-
第7章 繪製均線與成交量
-
7.1 NumPy函數庫的常見用法
-
7.1.1 range與arange方法比較
-
7.1.2 ndarray的常見用法
-
7.1.3 數值型索引和布林型索引
-
7.1.4 透過切片取得陣列中指定的元素
-
7.1.5 切片與共用記憶體
-
7.1.6 常用的科學計算函數
-
-
7.2 Pandas與分析處理資料
-
7.2.1 包含索引的Series資料結構
-
7.2.2 透過切片等方式存取Series中指定的元素
-
7.2.3 建立DataFrame的常見方式
-
7.2.4 存取DataFrame物件中的各種資料
-
7.2.5 透過DataFrame讀取csv檔案
-
7.2.6 透過DataFrame讀取Excel檔案
-
-
7.3 K線整合均線
-
7.3.1 均線的概念
-
7.3.2 舉例說明均線的計算方法
-
7.3.3 移動視窗函數rolling
-
7.3.4 用rolling方法繪製均線
-
7.3.5 改進版的均線圖
-
-
7.4 整合成交量圖
-
7.4.1 本書用的成交量是指成交股數
-
7.4.2 引用成交量圖
-
-
7.5 透過DataFrame驗證均線的操作策略
-
7.5.1 葛蘭碧均線八大買賣法則
-
7.5.2 驗證以均線為基礎的買點
-
7.5.3 驗證以均線為基礎的賣點
-
-
7.6 量價理論
-
7.6.1 成交量與股價的關係
-
7.6.2 驗證「量增價平」的買點
-
7.6.3 驗證「量減價平」的賣點
-
-
7.7 本章小結
-
-
第8章 資料庫操作與繪製MACD線
-
8.1 Python連接MySQL資料庫的準備工作
-
8.1.1 在本機架設MySQL環境
-
8.1.2 安裝用來連接MySQL的PyMySQL函數庫
-
8.1.3 在MySQL中建立資料庫與資料表
-
8.1.4 透過select敘述執行查詢
-
8.1.5 執行增、刪、改操作
-
8.1.6 交易提交與回覆
-
-
8.2 整合爬蟲模組和資料庫模組
-
8.2.1 根據股票代碼動態建立資料表
-
8.2.2 把爬取到的資料存入資料表
-
-
8.3 繪製MACD指標線
-
8.3.1 MACD指標的計算方式
-
8.3.2 檢查資料表資料，繪製MACD指標
-
8.3.3 關於資料誤差的說明
-
8.3.4 MACD與K線均線的整合效果圖
-
-
8.4 驗證以MACD指標為基礎的買賣點
-
8.4.1 MACD指標的指導意義與盲點
-
8.4.2 驗證以柱狀圖和金叉為基礎的買點
-
8.4.3 驗證以柱狀圖和死叉為基礎的賣點
-
-
8.5 本章小結
-
-
第9章 以KDJ範例程式學習GUI程式設計
-
9.1 Tkinter的常用控制項
-
9.1.1 實現帶標籤、文字標籤和按鈕的GUI介面
-
9.1.2 實現下拉選單控制項
-
9.1.3 單選按鈕和多行文字標籤
-
9.1.4 核取方塊與在Text內顯示多行文字
-
-
9.2 Tkinter與Matplotlib的整合
-
9.2.1 整合的基礎：Canvas控制項
-
9.2.2 在Canvas上繪製Matplotlib圖形
-
9.2.3 在GUI視窗內繪製K線圖
-
-
9.3 股票範例程式：繪製KDJ指標
-
9.3.1 KDJ指標的計算過程
-
9.3.2 繪製靜態的KDJ指標線
-
9.3.3 根據介面的輸入繪製動態的KDJ線
-
-
9.4 驗證以KDJ指標為基礎的交易策略
-
9.4.1 KDJ指標對交易的影響
-
9.4.2 以Tkinter驗證KDJ指標為基礎的買點
-
9.4.3 以Tkinter驗證KDJ指標為基礎的賣點
-
-
9.5 本章小結
-
-
第10章 基於RSI範例程式實現郵件功能
-
10.1 實現發郵件的功能
-
10.1.1 發送簡單格式的郵件（無收件人資訊）
-
10.1.2 發送HTML格式的郵件（顯示收件人）
-
10.1.3 包含本文附件的郵件（多個收件人）
-
10.1.4 在正文中嵌入圖片
-
-
10.2 以郵件的形式發送RSI指標圖
-
10.2.1 RSI指標的原理和演算法描述
-
10.2.2 透過範例程式觀察RSI的演算法
-
10.2.3 把Matplotlib繪製的RSI圖存為圖片
-
10.2.4 RSI整合K線圖後以郵件形式發送
-
-
10.3 以郵件的形式發送以RSI指標為基礎的買賣點
-
10.3.1 RSI指標對買賣點的指導意義
-
10.3.2 以RSI指標計算買點並以郵件為基礎的形式發出
-
10.3.3 以RSI指標計算賣點並以郵件為基礎的形式發出
-
-
10.4 本章小結
-
-
第11章 用BIAS範例說明Django架構
-
11.1 以WSGI標準為基礎的Web程式設計
-
11.1.1 以WSGI標準為基礎的PythonWeb程式
-
11.1.2 再加入處理GET請求的功能
-
-
11.2 透過Django架構開發Web專案
-
11.2.1 安裝Django元件
-
11.2.2 建立並執行Django
-
11.2.3 從Form表單入手擴充Django架構
-
11.2.4 執行範例程式了解以MVC為基礎的呼叫模式
-
11.2.5 Django架構與Matplotlib的整合
-
-
11.3 繪製乖離率BIAS指標
-
11.3.1 BIAS指標的核心思想和演算法
-
11.3.2 繪製K線與BIAS指標圖的整合效果
-
11.3.3 以BIAS指標為基礎的買賣策略
-
11.3.4 在Django架構中繪製BIAS指標圖
-
11.3.5 在Django架構中驗證買點策略
-
11.3.6 在Django架構中驗證賣點策略
-
-
11.4 本章小結
-
-
第12章 以OBV範例深入說明Django架構
-
12.1 在Django架構內引用記錄檔
-
12.1.1 不同等級記錄檔的使用場合
-
12.1.2 向主控台和檔案輸出不同等級的記錄檔
-
-
12.2 在Django架構內引用資料庫
-
12.2.1 整合並連接MySQL資料庫
-
12.2.2 以Model的方式進行增刪改查操作
-
12.2.3 使用查詢準則取得資料
-
12.2.4 以SQL敘述的方式讀寫資料庫
-
-
12.3 繪製OBV指標圖
-
12.3.1 OBV指標的原理以及演算法
-
12.3.2 繪製K線、均線和OBV指標圖的整合效果圖
-
-
12.4 在Django架構內整合記錄檔與資料庫
-
12.4.1 架設Django環境
-
12.4.2 把資料插入到資料表中（含記錄檔列印）
-
12.4.3 驗證以OBV指標為基礎的買賣策略
-
-
12.5 本章小結
-
-
第13章 以股票預測範例入門機器學習
-
13.1 用線性回歸演算法預測股票
-
13.1.1 安裝開發環境函數庫
-
13.1.2 從波士頓房價範例初識線性回歸
-
13.1.3 實現以多個特徵值為基礎的線性回歸
-
13.1.4 fit函數訓練參數的標準和方法
-
13.1.5 訓練集、驗證集和測試集
-
13.1.6 預測股票價格
-
-
13.2 透過SVM預測股票漲跌
-
13.2.1 透過簡單的範例程式了解SVM的分類作用
-
13.2.2 資料標準化處理
-
13.2.3 預測股票漲跌
-
13.2.4 定量觀察預測結果
-
-
13.3 本章小結
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
- DOI ： 10.978.9865501/730
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
