《Python量化投资：技术、模型与策略》基于大量真实的实践应用案例和场景，介绍了Python在量化投资各个环节的应用。作者结合自己在量化投资中的项目经验，用通俗易懂的语言和生动的案例，围绕量化投资中的概念、思路、方法与应用，帮助读者深刻领会“Python的胶水语言能力使其在量化投资生产线的各个环节几乎都能胜任”。
《Python量化投资：技术、模型与策略》共17章，第1-9章系统介绍了量化投资中的基础概念，包括数据处理、Pandas的使用、统计方法、资产定价等，同时提供Python实例代码进行解释，方便读者在厘清基本概念的同时，能上手尝试简单的Python代码，为后面更复杂的量化体系打好基础；第10-17章从实战的角度介绍了量化投资中的具体应用，包括数据来源、CTA策略、多因子策略、策略回测、资金分配等。
《Python量化投资：技术、模型与策略》从实战的角度出发，采用优秀的开源框架来完成各个功能模块，并且对各个模块背后的基本原理进行了详细讲解，相信能方便读者理解和开发。
《Python量化投资：技术、模型与策略》的主要内容和特色：
案例上手容易，使用简单的Python代码来阐释量化投资概念，读者能在厘清量化投资基本概念的同时，迅速上手并基于简单的代码模板写出自己的代码。
理论覆盖面广，包括了金融基础概念、数据预处理、衍生品定价、统计应用、回测平台等实战中都可能用到的内容，方便读者对Python量化投资全景图有一个良好的把握。
内容实战性强，详解真实业务场景中交易常用的Python工具，比如Wind数据接口、单因子分析框架alphalens、实盘交易框架vn.py等，让读者理解真实场景中如何利用Python生态迅速构建自己的量化投资生产线。
赵志强，金融量化与建模专家，目前在金融科技公司负责金融大数据产品工作，专注于研究Al在金融领域的落地应用。曾在由诺奖得主Robert Engle领导的上海纽约大学波动研究所研究全球金融风险，并和上交所、中金所合作完成多项科研项目。曾在摩根士丹利华鑫基金、明汯投资负责量化投资研究工作，内容包括股票多因子、期货CTA和高频交易等。
刘志伟，在中国银联云闪付事业部从事数据分析、数据挖掘等工作。对自然语言处理、文本分类、实体识别、关系抽取、传统机器学习，以及大数据技术栈均有实践经验。目前正在探索相关技术在金融场景内的落地应用，包括自动知识图谱、大规模文本信息抽取结构化、异常识别等领域，关注人工智能行业前沿技术发展。