股票發大財：用Python預測玩轉股市高手精解


	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