本书是马丁•弗里德森对100年间美国股市10次大牛市的考察。和很多分析师一样，弗里德森相信研究市场过去的表现可以找到市场未来走向的线索。作为华尔街最有思想和洞察力的分析师之一，他的方法独特而简单：研究1900年以后的100年间，年均回报超过35%的10次大牛市。这些大牛市有什么共同点？我们怎么样才能预知下一次牛市的到来？书中呈现了当时的经济金融数据、官方政策，还收录了《巴伦周刊》《文学文摘》等著名刊物当时对市场的评论。而且他把当时各色著名人物的市场言论和表现也写进去了。本书发现了促生

这是一本读起来很轻松的书，作者的写作重点没有放在和投资相关的专业知识上，而是借世界知名大侦探成功破案的经历告诉人们：一名优秀的投资者需要具备的做事风格和心理品质，和伟大侦探有异曲同工之妙。
这是一本写给投资者的书，同样也是写给侦探迷的书，作者希望表达的观点是：投资和探案一样，是有关认真解谜的冒险，而不是随意猜谜的游戏。
投资和侦探这两个职业，表面看上去毫无关系，作者却发现了底层的相通之处：伟大侦探在千丝万缕的线索之中，找到破局的关键支点，投资者在瞬息万变的局势里，

本书是作者多年期权投资经验的总结，注重从体系化角度思考不同期权策略之间的关系，引导读者形成“先整体、后局部”的投资思考习惯。 全书分为入门篇、进阶篇、升华篇三个部分，由浅入深、层层递进。基础篇尽量通俗易懂，包括趋势策略、非趋势策略等在内的基础期权交易策略。进阶篇讲究实践务实，包括中性卖方策略、波动率交易策略等在内的高阶期权交易策略。升华篇追求逻辑体系，包括期权反脆弱策略、期权指增策略等在内的体系化期权投资框架。本书在介绍期权策略时，除了结合案例讲述外，还尽可能运用历史数据回测，让读者从整体上

本书共分为七个章节，第一章简单介绍了研究背景及意义；第二章梳理了当前国内外关于股票市场分歧的研究进展，并提出了本书的研究问题；第三章和第四章提出了股票市场结构性分歧概念，并探讨了市场结构性分歧对市场收益及趋势预测的影响；第五章、第六章提出了市场结构性分歧视角下的择股策略；最后一章对全书进行了总结，并对未来的研究进行了展望。

本书是作者对自己20多年投资经验的深刻总结，结合本杰明，格雷厄姆、沃伦·巴菲特、查理·芒格等投资大师的价值投资理念，揭示了价值投资的底层逻辑，梳理了价值投资的选股重点、财务报表的分析要点以及投资者需要掌握的投资原则，提出价值投资逆向思维与反“羊群效应”的操作模式。

本书为中粮期货公司的资深交易专家，在业内有“黄铜铝”之称的黄圣根老师时隔十年的新著作。自从上一版图书出版后十年，黄老师又经历了几次大宗商品市场交易的洗礼，对市场形成了全新的认识。相较于上一本书的重市场分析，重趋势的研判策略，本次的这本书更注重交易策略，注重资金管理，注重交易心理。黄老师认为期货交易的成功是有一定概率性的，与其押注在小概率的大胜事件上，不如押注于大概率的小胜。而将筹码资金进行细分，就能为自己赢取更多的交易机会，从而积小胜，维持稳定的年化收益率，从而成为交易人生的赢家。

本书着重从多个方面为读者讲解期货市场中价格波动时的各种规律性变化，从而让读者拥有掌握价格波动规律、看透当下行情演变的分析能力。价格波动规律是历史大数据的结晶，当某一种现象经常在历史上重复，而当下又再度形成该规律性变化时，投资者必须引起重视，这将很可能会带来一次较大的操作机会。
首先为读者朋友介入的是行情演变时的规律性变化，学会了这些内容，读者朋友再面对价格行情的变化时，便可以做出准确的定性，从而结合行情演变的性质制定出现符合实际走势的操作策略。其次，为读者朋友讲解量能形态的种种规

本书较全面和系统地阐述了互联网金融理财产品收益与风险度量及控制方法，研究对象包括P2P网络借贷、互联网众筹、互联网活期保险理财及结构性理财产品等，研究方法包括复杂网络、深度学习、大数据分析、随机分析、人工智能技术等，研究成果既有理论模型和方法的创新，又有中国互联网金融市场的实际应用结果，丰富了互联网金融理论与实践。

本书内容分为五部分：第一部分，基金基础知识。主要介绍基金的基本概念、分类、运作流程等基础知识。第二部分，基金投资策略。主要介绍选择基金考察的主要指标，购买基金的步骤，以及货币型、债券型、股票型和混合型等不同类型基金的投资技巧。第三部分，基金作为配置工具的运用。主要介绍基金组合的构建，为什么要构建基金组合、组合的分类、如何构建组合，以及基金组合的优化等内容。第四部分，基金风险和绩效评估。这部分主要介绍如何评估基金的风险和收益，通过定量和定性分析，帮助读者了解基金的风险水平、盈利能力等信息

本书内容包括：（1）经济金融数据分析及其环境；（2）Python数据分析程序包应用基础；（3）Python数据分析的存取；（4）Python图形的绘制和可视化；（5）概率统计分布的Python应用；（6）描述性统计的Python应用；（7）参数估计的Python应用；（8）假设检验的Python应用；（9）一元回归数据分析Python应用；（10）多元回归数据分析的Python应用；（11）机器学习数据分析的Python应用；（12）时间序列数据分析的Python应用；（13）量化金融数据