股票發大財：用Python預測玩轉股市高手精解

　　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」。
 

作者簡介

胡書敏

　　有五年資深架構師工作經驗，
　　出版過多本Java方面的書籍，
　　搭建過多個支付和數據分析方面的微服務架構。

第1 章 掌握實用的Python 語法
1.1 安裝Python 開發環境
1.2 快速入門Python 語法
1.3 控制條件分支與循環呼叫
1.4 透過範例程式加深對Python 語法的認識
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
2.2 集合可以去除重複元素
2.3 透過字典儲存「鍵- 值對」類型的資料
2.4 針對資料結構物件的常用操作
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
3.2 透過繼承擴充新的功能
3.3 多形是對功能的抽象
3.4 透過import 重複使用已有的功能
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
4.2 專案中異常處理的經驗談
4.3 透過IO 讀寫檔案
4.4 讀寫檔案的範例
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
5.2 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
5.4 透過以股票資料為基礎的範例程式學習正規表示法
5.5 透過協力廠商函數庫收集股市資料
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
6.2 Matplotlib 圖形函數庫的常用技巧
6.3 繪製股市K 線圖
6.4 K 線對未來行情的預判
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
7.2 Pandas 與分析處理資料
7.3 K 線整合均線
7.4 整合成交量圖
7.5 透過DataFrame 驗證均線的操作策略
7.6 量價理論
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
8.2 整合爬蟲模組和資料庫模組
8.3 繪製MACD 指標線
8.4 驗證以MACD 指標為基礎的買賣點
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
9.2 Tkinter 與Matplotlib 的整合
9.3 股票範例程式：繪製KDJ 指標
9.4 驗證以KDJ 指標為基礎的交易策略
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
10.2 以郵件的形式發送RSI 指標圖
10.3 以郵件的形式發送以RSI 指標為基礎的買賣點
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
11.2 透過Django 架構開發Web 專案
11.3 繪製乖離率BIAS 指標
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
12.2 在Django 架構內引用資料庫
12.3 繪製OBV 指標圖
12.4 在Django 架構內整合記錄檔與資料庫
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
13.2 透過SVM 預測股票漲跌
13.3 本章小結


 

作者	胡書敏
出版社	深智數位
图书书号/ISBN	9789865501730
出版日期	2021-01-21
开本
图书页数	368
图书装订	平裝
图书规格	23 / 單色印刷 / 普級
版次	初版
印张
字数
所属分类