01 Python环境配置与基本操作 · 02 Python核心操作 · 03 Python类与习题实例 · 04 Python科学计算库-Numpy基本操作

*   01 Python环境配置与基本操作/

  *   01 课程内容与大纲介绍

  *   02 Python环境配置

  *   03 Python库安装工具

  *   04 Notebook工具使用

  *   05 Python简介

  *   06 Python数值运算

  *   07 Python字符串操作

*   02 Python核心操作/

  *   01 索引结构

  *   02 List基础结构

  *   03 List核心操作

  *   04 字典基础定义

  *   05 字典的核心操作

  *   06 Set结构

  *   07 赋值机制

  *   08 判断结构

  *   09 循环结构

  *   10 函数定义

  *   11 模块与包

*   03 Python类与习题实例/

  *   01 异常处理模块

  *   02 文件操作

  *   03 类的基本定义

  *   04 类的属性操作

  *   05 时间操作

  *   06 Python练习题-1

  *   07 Python练习题-2

  *   08 Python练习题-4

*   04 Python科学计算库-Numpy基本操作/

  *   01 Numpy工具包概述

  *   02 数组结构

  *   03 属性与赋值操作

  *   04 数据索引方法

  *   05 数值计算方法

  *   06 排序操作

  *   07 数组形状

  *   08 数组生成常用函数

  *   09 随机模块

  *   10 读写模块

*   05 Python数据分析处理库-Pandas/

  *   01 Pandas工具包使用简介

  *   02 数据信息读取与展示

  *   03 索引方法

  *   04 groupby函数使用方法

  *   05 数值运算

  *   06 merge合并操作

  *   07 pivot数据透视表

  *   08 时间操作

  *   09 apply自定义函数

  *   10 常用操作

  *   11 字符串操作

*   06 金融数据时间序列分析/

  *   01 金融时间序列数据统计分析

  *   02 序列变化情况分析计算

  *   03 连续指标变化情况分析

  *   04 时间序列重采样操作

  *   05 短均与长均计算实例

  *   06 指标相关情况分析

  *   07 回归方程与相关系数实例

*   07 双均线交易策略实例/

  *   01 金叉与死叉介绍

  *   02 买点与卖点可视化分析

  *   03 策略收益效果分析

  *   04 均线调参实例

*   08 策略收益与风险评估指标解析/

  *   01 回测收益率指标解读

  *   02 年化指标分析

  *   03 回撤区间的作用

  *   04 夏普比率的作用

  *   05 阿尔法与贝塔概述

*   09 量化交易与回测平台解读/

  *   01 量化交易概述

  *   02 量化交易所需技能分析

  *   03 Ricequant交易平台简介

*   10 Ricequant回测选股分析实战/

  *   01 策略任务分析

  *   02 股票池筛选

  *   03 策略效果演示与指标分析

  *   04 定时器功能与作用

*   11 因子数据预处理实例/

  *   01 百分位去极值方法

  *   02 基于百分位去极值实例

  *   03 Mad法去极值演示

  *   04 3Sigma方法实例

  *   05 标准化处理方法

  *   06 中性化处理方法通俗解释

  *   07 策略任务概述

*   12 因子选股策略实例/

  *   01 股票数据获取

  *   02 过滤筛选因子指标数据

  *   03 因子数据预处理

  *   04 股票池筛选

  *   05 策略效果评估分析

*   13 因子分析实战/

  *   01 因子分析概述

  *   02 Alphalens工具包介绍

  *   03 获取因子指标数据

  *   04 获取给定区间全部数据

  *   05 数据格式转换

  *   06 IC指标值计算

  *   07 工具包绘图展示

  *   08 因子收益率简介

*   14 因子打分选股实战/

  *   01 打分法选股策略概述

  *   02 整体任务流程梳理

  *   03 策略初始化与数据读取

  *   04 因子打分与排序

  *   05 完成选股方法

  *   06 完成策略交易展示结果

  *   07 策略总结与分析

*   15 回归分析策略/

  *   01 回归问题概述

  *   02 误差项定义

  *   03 独立同分布的意义

  *   04 似然函数的作用

  *   05 参数求解

  *   06 梯度下降通俗解释

  *   07 参数更新方法

  *   08 优化参数设置

  *   09 回归任务概述

  *   10 特征可视化展示

  *   11 构建回归方程

  *   12 回归分析结果

*   16 聚类分析策略/

  *   01 KMEANS算法概述

  *   02 KMEANS工作流程

  *   03 KMEANS迭代可视化展示

  *   04 DBSCAN聚类算法

  *   05 DBSCAN工作流程

  *   06 DBSCAN可视化展示

  *   07 聚类分析实例

  *   08 统计分析所需数据准备

  *   09 统计效果展示

*   17 拓展：fbprophet时间序列预测神器/

  *   01 fbprophet股价预测任务概述

  *   02 时间序列分析

  *   03 fbprophet时间序列预测实例

  *   04 亚马逊股价趋势

  *   05 突变点调参

*   18 拓展：基于深度学习的时间序列预测/

  *   01 任务目标与数据源

  *   02 构建时间序列数据

  *   03 训练时间序列数据预测结果

  *   04 多特征预测结果

  *   05 序列结果预测

*   19 拓展：可视化库-Matplotlib/

  *   01 Matplotlib概述

  *   02 子图与标注

  *   03 风格设置

  *   04 条形图

  *   05 条形图细节

  *   06 条形图外观

  *   07 盒图绘制

  *   08 盒图细节

  *   09 绘图细节设置

  *   10 绘图细节设置2

  *   11 直方图与散点图

  *   12 3D图绘制

  *   13 pie图

  *   14 子图布局

  *   15 结合pandas与sklearn

*   20 拓展：可视化库-Seaborn/

  *   01 整体布局风格设置

  *   02 风格细节设置

  *   03 调色板

  *   04 调色板颜色设置

  *   05 单变量分析绘图

  *   06 回归分析绘图

  *   07 多变量分析绘图

  *   08 分类属性绘图

  *   09 Facetgrid使用方法

  *   10 Facetgrid绘制多变量

  *   11 热度图绘制