Readmoo 讀墨電子書
每日優惠
股票發大財：用Python預測玩轉股市高手精解
0 則劃線
0 篇書評

股票發大財：用Python預測玩轉股市高手精解

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2022/12/01
  • 語言：繁體中文
  • 檔案大小：13.9MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267146941
  • ISBN: 9789865501730
  • 頁數： 374
紙本書定價：NT$ 690
電子書售價：NT$ 552
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。
購買領書額度

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」。

喜歡這本的人，也看了...

  • 張峮瑋
    深智數位股份有限公司
    出版日期：2023-03-01
    電子書： NT$ 624

    ☆ ★寫出你的專屬指標★☆ 現職程式交易員帶你用python寫出本書三大核心 獲取台灣股市資料X小幫手每日自動監控市場X透過回測打造最佳策略 當別人的策略10秒鐘完成回測10年的資料時，你是否仍辛苦的一年一年人工驗證自己的策略？ 當別人有程式在替他監控市場而有空邊喝咖啡邊吃下午茶時，你是否...

    試讀
  • 林子軒
    深智數位股份有限公司
    電子書： NT$ 624

    ★☆★☆★ 獨家解析知名大數據專案，FinMind，帶你一窺大數據產品的發展過程，打造專屬個人的大數據 Side Project、作品、產品 ★☆★☆★ 本書承襲第一版的精彩內容，分享在 Github 獲得 1,900 stars 的大數據 Side Project，並幫助讀者從 0 ...

    試讀
  • Michael Tsai
    Ministep Books
    電子書： NT$ 390

    本書內容是關於 .NET 相依性注入（dependency injection；簡稱 DI）的相關議題。透過本書，您將會了解 DI 的基本概念以及相關的實務應用技術，並協助您設計出更容易維護的應用程式架構。

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 960

    ★★★★★【內容最紮實、應用最廣】【40個主題】★★★★★ ★★★★★【程式實例最多】【約1280個Python實例】★★★★★ ★★★★★【18大類Python潛在應用】★★★★★ ★★★★★【400個是非題、選擇題】【280個習題實作題】★★★★★

    試讀
  • 吳燦銘 ZCT策劃
    博碩文化
    出版日期：2019-11-28
    電子書： NT$ 420

    C++語言融合了傳統的程序式語言、物件導向設計以及C++樣版三種不同程式設計方式，使它成為相當受重視且普及的程式語言。 物件導向設計能讓程式碼較容易擴充、修改及維護，本書中所有的C++程式是以免費的Dev C++來編譯與執行。

    試讀
  • 游峰碩
    博碩文化
    出版日期：2019-11-22
    電子書： NT$ 420

    本書以物件導向技術為主軸，輔以UML為塑模工具來闡述有關近代資訊系統開發之方法。適用對象包含任何對系統開發有興趣之同學，程式設計師，軟體工程師，及系統分析師。

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 632

    Python資料視覺化 從2D到3D使用matplotlib實作 王者歸來 ★★★★★【國內作者第 1 本】【全彩印刷】【資料視覺化】★★★★★ ☆☆☆☆☆【國內作者第 1 本】【Python + matplotlib專業書籍】☆☆☆☆☆ 【32個主題】，【509個程式實例】

    試讀
  • 卓真弘
    深智數位股份有限公司
    出版日期：2022-09-01
    電子書： NT$ 520

    ★ 職人鉅作 ★ 最省錢·最實用．最快速上手的 Python 投資工具 ■【什麼是程式交易】 程式交易顧名思義是用程式來輔助做出交易的決定。可以寫程式用一些量化指標，像是使用營收成長或者使用本益比來選股挑選一籃子標的，然後每月或每季換股，這種作法就跟一些股票網站的選股功能有點像。

    試讀
  • 呂高旭
    藍海文化
    出版日期：2014-03-26
    電子書： NT$ 750

    HTML5正在全球掀起一場科技業的完美風暴，《HTML5完美風暴》直擊最純粹的HTML5技術核心，帶領讀者快意馳騁HTML5疆界！

    試讀

    • 詳細資訊

    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」。

    目錄列表

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

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    出版社簡介
    深智數位股份有限公司
    出版社作品

    ChatGPT 4 Omni領軍 - Copilot、Claude、Gemini、36組GPT ...全面探索生成式AI的無限可能

    誰說資安寫不了情書

    AWS自學聖經：5大必學雲端主題．超圖解入門

    更多出版社作品
    試讀