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」。
作者
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。
目錄
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
序／導讀
前言
如果你對股票大數據分析有興趣，又想學習一種適合進行這種大數據分析的通用語言，那麼本書一定是不錯的選擇。
從知識系統上來看，本書的內容涵蓋Python 專案開發所需的基礎知識，包含Python 基礎語法知識、以Pandas 為基礎的大數據分析技術、以Matplotlib 為基礎的視覺化程式設計技術、Python 爬蟲技術和以Django 為基礎的網路程式設計技術，在本書的最後章節，說明入門級的機器學習程式設計技術。
本書的作者具有多年Python 的開發經驗，諳熟Python 進階開發所需要掌握的知識系統，也非常清楚從零基礎學Python 升級到應用程式開發可能會走的彎路，所以在本書的內容安排上：第一，對Python 零基礎人群說明必要的基礎知識；第二，在說明諸多基礎知識時都結合實際的範例程式；第三，在針對實際範例程式說明時，會見縫插針地說明從範例專案程式中提煉出來的開發經驗。
本書的大多數範例程式以股票分析為基礎的技術指標，部分範例程式還結合了「機器學習」和「爬蟲」的使用。舉例來說，根據股票代碼爬取股票交易資料的範例程式來說明爬蟲技術和正規表示法，透過K 線均線和成交量圖的範例程式來說明Matplotlib 基礎知識，結合股票技術指標BIAS 和OBV 的範例程式來說明Django 架構，用股票走勢預測的範例程式來說明機器學習。在用股票分析的範例程式說明基礎知識的同時，還會列出驗證特定指標交易策略的範例程式原始程式碼。作者相信用這些饒有興趣的範例程式來學習Python，可以觸發讀者學習的興趣，也就不用擔心在學習過程中半途而廢。而且，本書的範例程式大多篇幅適中，對於進行課程設計或大學畢業設計的讀者，本書也非常適合作為參考用書。
如果讀者對股票交易知之甚少，也不用擔心無法看懂本書中的股票分析範例程式，這是因為：
• 本書以通俗容易的文字說明相關股票指標的含義和演算法；
• 在列出待驗證的股票交易策略時，所用到的數學方法僅限於加減乘除；
• 在用股票預測範例程式說明機器學習時，計算方差用到的最複雜的數學公式只是二次函數，這是國中數學的知識。
由於本書是結合股票分析的範例帶領讀者入門Python 語言，因此在讀完本書之後，大家不僅能掌握Python 開發所需的基礎知識，而且還能對股票技術指標乃至以股票指標為基礎的交易策略有一定的了解。
為了讓本書的讀者能高效率地了解本書的範例和基礎知識，作者在撰寫本書時，處處留心、字字斟酌，將書中所有範例程式碼均按行編號，讀者在閱讀時能看到大量「某行的程式是×× 含義」這種說明，這樣做的目的是希望幫助讀者沒有遺漏地掌握各基礎知識的應用。再者，本書組織的文字裡，儘量避免艱深、晦澀的「技術行話」，而是用樸素的文字，由淺入深地說明Python 語言的應用要點。
本書在撰寫過程中，獲得了成立明老師的大力支持，她負責了本書第2~7章的撰寫工作，在此表示誠摯的感謝。由於學識淺陋，書中難免有疏漏之處，敬請讀者批評指正。
如果下載有問題，請電子郵件聯繫booksaga@126.com
