Py学习  »  Python

“零基础包学会” 手把手教你学python一:如何快速找到学习资源?

与尔岩说 • 2 年前 • 385 次点击  

python,可谓是风口上的猪,不知道从什么时候开始,各行各业在“转型发展”,“赶上未来的方向”,“不学python就没有未来”的鼓吹下,连幼儿园都开设了相应的培训课程,果不其然,最近连续听了好几家知名券商的培训,最后总归有个python在固收的应用,python在转债的应用,量化魔鬼训练营巴拉巴拉的,果真是

冷静下来,思考了一下,对于金融狗来说,学点python的确还是有用的,尤其对于以我为代表的懒人来说,oh my god,姐妹们,没有什么烦恼是一行代码解决不了的感觉真是飞在云端啊~~


1、批量处理能力,节约工作效率

这一点对于所有行业的金融狗们都是适用的,比如批量修改文件的名字,一键实现从多个表格提取信息再整理到另一个新表格,比如每周都要写的周报、每天都要写的日报,往往只是换几个数据,但是每天都要重新贴等等等等···尤其对于刚刚入职每天花大量时间搞基础工作的小白们,一天里面可能有60%的时间是在走流程、粘贴做表格做文档、系统下单,想到隔壁的小哥哥每次花5分钟做完其他人1个小时的活儿,一边打王者一边洋溢着的明(bian)媚(tai)的笑容,就知道这种只有自己家通了电别家还只能用蜡烛的感觉真tm爽。。。

2、数据挖掘和处理能力,方便,功能强大

要说整个金融生态体系中,生态环境最恶劣的莫过于二级狗们了,每天最大的工作量都是在整理数据,画好看的图,然后写报告和被领导或者被市场或者被基金经理diss的过程中。。

所以有一个好的工具是多么重要啊,再面对网络上浩如烟海的数据,终于可以有底气的说,不要跟我说什么年报数据太多爬不下来,不要跟我说什么wind数据库里面没有,二级都有一把梭,不要怂,就是干

咳咳,从人类这么多年的数据处理经历来看,大致可以分为三个阶段,这第一阶段处于黎明前的混沌破晓期,主要通过文字描述来概括市场,第二阶段数据开始登上历史舞台,成为穿越隧道的灯火,点亮宏观棋局,第三阶段微观和更大的数据逐渐形成,这个时候,需要更强大的数据处理工具和更高频的数据支撑体系。。。。(以下省略五千字

狗子再这么皮怕是要失去二级小伙伴)

咳咳,所以核心逻辑是什么,python可以解决二级小伙伴们最大的两大诉求,文本处理+数据处理,文本处理包括从各种猥琐的不规则的pdf年报中批量提取信息并生成领导要看的规则的多边形哦不excel图像;而数据处理则可以实现从各种网站上爬取信息,包括上交所、央行、东方财富、新浪财经、淘宝、京东、不可描述的网站等等等等,只有你想不到,没有你爬不下来的(那是不可能的)

咳咳当然除了一些反爬团队非常变态的,比如让人闻风丧胆的大众点评以及搞了我很多次也被我搞了很多次的摩拜。。


3、装逼的功能

卧槽,这才到了重点啊

不然你以为学那么多为了什么

如果你觉得这种图还太简单,excel也能做啊

那么我想你看到了这些

甚至是这些

会不会有一丝丝心动呢?

如果你要说,大道至简,我们就是要用最low的图表来阐释这个世界的真理,我们不需要好看,那你看到这些会不会被击中呢?

快捷的财务分析

各类多因子单因子模型

各种高大上的量化策略

灵活连接wind 优矿等平台,甚至连excel也要放弃VBA转身投入python的怀抱

AI的主流框架搭建图像处理,文本挖掘等

搭配js等前端语言做网页,做系统

。。。。

核心逻辑是

我欲乘风起,扶摇直上九万里

基于以上的原因,本公众号将开始转载以及原创手把手教你学python系列,一开始的文章可能会有些无趣,学习一些基本知识,越到后面越深入,一步步的学会新时代利器!!

转发到群聊或者朋友圈即可获得精选课件+培训教程,不用998,只要动动手指关注转发,关注与尔岩说,明天钱随便花!!


闲话不多说,第一讲就是关于如何快速找到学习资源?


一、入门资源


入门的教程:https://www.fullstackpython.com/

https://www.codecademy.com/zh/learn/python

这两个都是我自己尝试下来,比较有意思而且可以坚持下来的,而且架构也比较清楚,从入门,到接数据库,到网页开发,都有,但是讲实话不是很适合金融从业者,因为有很多内容其实我们不太需要,我们需要的更多的是数据处理和文本处理方面的内容。

  • Python简明教程(Python3)

  • Python3.7.4官方中文文档

  • Python标准库中文版

  • 廖雪峰 Python 3 中文教程

  • Python 3.3 官方教程中文版

  • Python3 Cookbook 中文版

  • IPython CookBook 英文版

  • 笨办法学 Python (PDFEPUB)

  • 《Think Python 2e》最新版中文

  • Python 核心编程 第二版 中文

  • 菜鸟教程 Python3基础

  • W3cschool Python3基础

  • Python最佳实践指南

  • Python 精要教程

  • Python进阶 中文版

  • 中文 Python 笔记

  • 莫烦python教程

  • The Hitchhiker's Guide to Python

  • 草根学 Python

  • Python从入门到精通教程 视频(600集)

  • Kaggle Python基础学习(英文)

  • 李笑来-自学是门手艺-python教程


二、数据分析资源


数据分析方面,大家常用的资料就是pandas的官方文档以及作者写的书,国内也有很多人买廖雪峰老师的书,也写的非常清楚,但是我自己更加推荐去youtube上看视频,有一整套针对基础pandas的视频,如果不方便翻墙或者看视频比较麻烦,也可以直接关注我,因为后期针对数据分析和处理我会出一个超强版本的总结,把所有常用的pandas相关代码放在一个文档里面,收藏了之后,只要搜索关键词就能找到代码,然后直接粘贴进去跑就好,比较实用。

  • pandas 英文文档

  • pandas 中文文档(官方)

  • pandas 中文文档(非官方)

  • 利用python进行数据分析 第二版(中文)

  • numpy 英文文档

  • numpy中文文档(官方)

  • numpy 中文文档(非官方)

  • numpy 100 练习题

  • python科学计算笔记(英文)

  • 数据科学速查表(英文)

  • python data science handbook(python数据科学手册)

  • data science python notebook(数据科学python笔记)

  • vaex 英文文档

  • Anaconda文档

  • conda文档



三、量化分析资源


主要是一些量化交易平台:


1、万矿

https://www.windquant.com/qntcloud/

算是做的最晚的一家了,但是因为背靠万得得大树,所以反而成为我最经常用的一个平台,平时切数据用的也是wind的包包,他们家起步比较晚,但是各种都在逐步完善,还算不错的一家。

数据方面:国内外股票、债券、基金、商品、指数、外汇、期权等品种的历史日线、Tick、分钟、实时行情数据,上市公司财务数据,以及专题统计报表、中国及海外股票板块数据、宏观经济数据,针对多因子选股研究的point-in-time量化因子库。

研究方面:在线Notebook云端研究平台,支持使用Python进行策略研究。提供API。

回测方面:提供股票、期货、指数、ETF等品种的日、分钟级回测。

模拟交易方面:支持日、分钟级别的模拟交易。

实盘交易方面:暂时无法实现实盘交易。

交流社区方面:“万矿量化社区”,活跃度一般。

他们网站上开发了一个人才培养计划,里面有初级、中级和高级,还可以考试,想要认真学习的小伙伴可以一个一个学习下,基础入门还是非常不错的。




2、米宽

https://www.ricequant.com/welcome/

综合感觉最优,文档比较全面、细致,支持的python库比较多,有很多新手教程,而且他们家还做资产管理系统,就是体系化比较好。但是,数据没有优矿全面,比如说,没有宏观经济数据。

数据方面:提供股票、ETF、期货(股指、国债、商品期货)、现货的基本信息。股票、ETF过去10多年以来每日市场数据,股票、ETF在2005年以来的分钟线数据。ETF过去20多年以来的市场数据和财务数据。期货从1999年以来的每日行情数据。期货2010年以来的分钟线数据。中国50 ETF、商品期权的日、分钟数据。舆情大数据。

研究方面:提供基于IPython Notebook的研究平台,支持Python,Matlab,Excel。提供API。

回测方面:支持股票、ETF、期货等品种的回测,支持日、分钟级回测。

模拟交易方面:支持日、分钟级别的股票、ETF、期货等品种的模拟交易。

实盘交易方面:提供期货的实盘交易。

交流社区方面:“米筐量化社区”,活跃度较高。



3、聚宽

https://www.joinquant.com/view/user/floor?type=mainFloor

数据方面:提供2005年至今完整的股市Leve1数据、上市公司财务数据、完整的停复权信息。实时更新行情数据,盘后更新财务数据。此外还提供基金(包括ETF、LOF、分级A/B基金、货币基金)的行情和净值数据,金融期货数据、股票指数数据、行业板块数据、概念板块数据、宏观数据、行情数据等。

研究方面:提供基于IPython Notebook的研究平台,支持Tick级数据,支持Python2、Python3。提供API(Application Programming Interface)。

回测方面:支持股票、基金、期货等品种的回测,支持日、分钟、Tick级回测。

模拟交易方面:支持股票、股指期货、商品期货、ETF等品种的日、分钟、Tick级别的模拟交易。

实盘交易方面:和第一创业合作,支持股票、场内基金、期货的自动化实盘交易。

交流社区方面:“聚宽社区”,活跃度很高。





4、优矿

数据比较全面,而且最先开始用的包包就是他们家的,应该算是比较长时间的一个平台了。但是,有很多细节问题。比如说,研究中的ipython基于python3,但是数据接口似乎是基于python2的,有一些需要转码。比如说,文档不够细致,前复权价查了半天文档,也不知道是否做了股利的除息处理,这种细节上比不上ricequant。


数据方面:2007年以后的沪深港上市公司财务报表数据,沪深交易所股票基本信息和日/分钟级别行情,港股日级别行情。日/分钟级别的场内基金行情、日/分钟/Tick的期货行情、日/分钟级别的指数行情、日/分钟/Tick级别的期权行情。大宗商品、债券、宏观产业4据。以及股票/指数的量化因子库,主流媒体数据,主流电商数据等。


研究方面:提供类似IPython Notebook的研究平台,只支持使用Python2进行策略研究。提供API。

回测方面:支持股票、场内外基金、期货、指数等品种的日、分钟级回测。

模拟交易方面:支持股票、场内外基金、期货、指数等品种的模拟交易。

实盘交易方面:暂时无法实现实盘交易。

交流社区方面:“优矿社区”,活跃度较高。



四、基础课程学习资源

我以前最喜欢的就是暑假时候在coursera上学课,我的数据分析什么的都是在平台上面学的,有兴趣的可以去学学,夯实基础也挺好的,以前我简书上还翻译了很多篇youtube上针对图片识别的课程,有兴趣的可以翻翻~~

  • 麻省理工公开课-线性代数

  • 可汗学院公开课:线性代数

  • 同济大学公开课:线性代数

  • 山东大学MOOC-线性代数

  • 线性代数讲义 - 华东师范大学数学系

  • 线性代数-北京大学出版社

  • 线性代数-维基百科

  • MIT-18.06-线性代数-完整笔记

  • 两小时讲完线性代数

  • 矩阵编码:线性代数在计算机科学中的应用

  • 线性代数应用-戴维森学院

  • 可汗学院公开课:统计学

  • 加利福尼亚大学伯克利分校公开课:统计学

  • 浙江大学公开课:概率论与数理统计

  • 可汗学院公开课:概率

  • 概率论与数理统计-重庆大学公开课

  • 概率论与数理统计-北京大学公开课

  • 概率论与数理统计》浙大版(第四版)

  • 概率论与数理统计-中科大公开课

  • 商务与经济统计-北师大公开课

  • 哈佛大学统计学110讲稿

  • 概率论和统计学-Khan Academy

  • 麻省理工学院公开课:微积分重点

  • 清华大学微积分主讲-刘坤林

  • 微积分-浙江大学

  • 麻省理工学院公开课:多变量微积分

  • 可汗学院公开课:微积分预备

  • 麻省理工学院公开课:单变量微积分

  • HACC公开课:微积分1

  • HACC公开课:微积分II

  • 微积分—多元函数与重积分-清华大学

  • 数学分析讲义 - 南京大学数学系

  • 7天搞定微积分

  • 托马斯微积分



五、机器学习及深度学习资源


  • AI Learning 机器学习实战 中文(GitHub 15000星)

  • data-science-ipython-notebooks

  • Kaggle 机器学习基础学习

  • 动手学深度学习

  • scikit-learn 英文文档

  • scikit-learn 中文文档

  • xgboost 中文文档

  • pytorch中文网

  • machine learning mastery 博客(英文)

  • 机器学习笔记 英文

  • 面向机器学习的特征工程

  • keras英文文档

  • keras中文文档

  • TensorFlow Examples

  • 面试-机器学习算法试题及讲解(中文)

  • 机器学习100天练习(英文)

  • 机器学习100天练习(中文)

  • 吴恩达-机器学习 视频(b站)

  • 机器学习算法基础 视频(b站)

  • 吴恩达-神经网络和深度学习 视频(b站)

  • 李飞飞-深度学习与计算机视觉 视频(b站)

  • kaggle等数据比赛TOP解决方案集合

  • 机器学习·深度学习·NLP 面试基础知识







Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/115289
 
385 次点击