新書推薦：
《
春日喜你
》
售價：NT$
257.0
《
我们八月见
》
售價：NT$
215.0
《
东线炼狱 : 德国反坦克兵的东线日记 : 1941—1942
》
售價：NT$
439.0
《
献给皇帝的礼物：Wedgwood瓷器王国与漫长的十八世纪
》
售價：NT$
594.0
《
东京札记
》
售價：NT$
704.0
《
大学问·明代国家权力结构及运行机制
》
售價：NT$
649.0
《
蹇蹇录：甲午战争外交秘录
》
售價：NT$
270.0
《
佛教文化十八讲
》
售價：NT$
418.0
|
| 編輯推薦： |
就跟Java在web领域无可撼动的地位一样，Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。
《从零开始学Python 大数据与量化交易》的特点如下：
轻松入门：帮助投资者快速掌握的量化交易知识及Python编程基础。
内容全面：书中系统讲解了量化交易的常用获取数据函数、量化选股技巧、量化择时的技术指标函数、量化交易策略的回测技巧、量化交易策略的因子分析技巧等。
量化交易策略实战：精心选择案例，交易反复练习，举一反三。
经验总结：本书知识体系完整，力求从零开始，通俗易懂。理论与实例结合紧密，以实例讲解理论，注重对初学者的实战技巧的培养。
|
| 內容簡介： |
《从零开始学Python 大数据与量化交易》首先讲解量化交易的基础知识，如量化交易的优势、应用、注意事项、历史、量化交易平台等；然后讲解量化交易开发语言Python，即讲解Python 语言的开发环境、基本语法及流程控制、特征数据类型、内置函数与自定义用户函数、面向对象编程；接着讲解大数据分析和可视化的3 个包，分别是Numpy 包、Pandas 包、Matplotlib 包；然后讲解量化交易策略的编写、获取数据函数、基本面量化选股、量化择时的技术指标函数、回测技巧、因子分析技巧；*后讲解Python 量化交易策略的实战案例。
在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解Python 大数据与量化交易过程中的热点问题、关键问题及种种难题。
《从零开始学Python 大数据与量化交易》适用于各种不同的投资者，如新老股民、中小散户、股票操盘手、基金操盘手和专业股票评论人士以及经济财经类专业的大学生，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者阅读。
|
| 關於作者： |
周峰从事金融衍生品市场交易及管理近20年，有着丰富的经验和体会，对量化交易、期货、大宗商品、股市、国内外贵金属、外汇等主流交易方式有着深刻的了解，擅长量化交易、期货、股票、黄金、白银、外汇的培训指导，经常活跃在各大金融讲坛，深为投资者喜爱。曾在高校任讲师，讲课深入浅出，深受学生们的爱戴。可为个人投资者及机构提供分析、投资咨询，交易指导，理财培训等多方位的专业服务。
王可群 现任青岛慧谷大数据产业发展有限公司项目开发部经理，曾担任饿了么公司技术部主管，具有6年以上Python、PHP项目开发经验。精通JS、 Java、C、C#等编程语言，熟悉多种开源技术，喜欢get新技能，曾带领团队完成过多个中、小型项目开发，对数据安全、云计算等领域进行过系统学习和培训。
|
| 目錄：
|
目 录
第1 章 量化交易快速入门1
1.1 初识量化交易 2
1.1.1 量化交易的定义2
1.1.2 量化交易与算法交易2
1.1.3 量化交易与黑匣子交易3
1.1.4 量化交易与程序化交易3
1.1.5 量化交易与技术分析3
1.2 量化交易的优势 4
1.2.1 严格的纪律性4
1.2.2 完备的系统性4
1.2.3 妥善运用套利的思想5
1.2.4 靠概率取胜 5
1.3 量化交易的应用 6
1.3.1 投资品种选择6
1.3.2 投资时机选择6
1.3.3 算法交易 7
1.3.4 各种套利交易8
1.3.5 资产配置 9
1.4 量化交易与人工交易的对比 10
1.5 量化交易的注意事项 11
1.6 量化交易的发展过程 11
1.6.1 国外量化交易的发展过程 11
1.6.2 国内量化交易的发展过程 12
1.7 量化交易的平台12
1.7.1 聚宽JoinQuant 量化交易平台的功能 12
1.7.2 账户注册、登录及策略创建 13
1.7.3 量化交易策略的选股 18
1.7.4 量化交易策略的买卖条件 24
1.7.5 量化交易策略的风险控制 27
1.7.6 量化交易策略的其他参数 28
1.7.7 编写Python 代码来创建量化交易策略 29
1.7.8 量化交易策略的回测详情 30
1.7.9 量化交易策略的模拟交易 32
1.8 量化交易的潜在风险及应对策略 38
第2 章 Python 量化交易的开发环境 39
2.1 初识Python 语言 40
2.1.1 Python 的历史由来 40
2.1.2 Python 的特点 40
2.1.3 Python 的应用 41
2.2 Python 开发环境及配置42
2.2.1 Python 的下载 42
2.2.2 Python 的安装 43
2.2.3 Python 的环境变量配置44
2.3 Python 程序的编写 48
2.3.1 利用系统自带的开发软件IDEL直接编写程序并运行48
2.3.2 创建Python 文件并运行 50
2.4 利用量化交易平台编写Python程序 52
2.4.1 初识IPython Notebook研究平台52
2.4.2 利用Python Notebook 编写Python 程序56
第3 章 Python 的基本语法及流程控制 59
3.1 Python 的基本数据类型60
3.1.1 数值类型60
3.1.2 字符串类型 62
3.2 变量及赋值 66
3.2.1 变量命名规则 66
3.2.2 变量的赋值 67
3.3 运算符68
3.3.1 算术运算符 68
3.3.2 赋值运算符 70
3.3.3 位运算符71
3.4 选择结构72
3.4.1 关系运算符 73
3.4.2 逻辑运算符 74
3.4.3 if 语句 75
3.4.4 嵌套 if 语句77
3.5 循环结构78
3.5.1 while 循环 79
3.5.2 while 循环使用else 语句 79
3.5.3 无限循环80
3.5.4 for 循环 81
3.5.5 在for 循环中使用range函数 82
3.6 其他语句83
3.6.1 break 语句 83
3.6.2 continue 语句84
3.6.3 pass 语句85
3.7 Python 的代码格式 86
3.7.1 代码缩进86
3.7.2 代码注释86
3.7.3 空行 87
3.7.4 同一行显示多条语句 87
第4 章 Python 的特征数据类型89
4.1 列表 90
4.1.1 列表的创建 90
4.1.2 3 种方法访问列表中的值 90
4.1.3 两种方法更新列表中的值91
4.1.4 del 语句删除列表中的值 92
4.1.5 列表的4 个函数93
4.1.6 列表的方法 94
4.2 元组 95
4.2.1 元组的创建 96
4.2.2 3 种方法访问元组中的值 96
4.2.3 元组的连接 97
4.2.4 整个元组的删除99
4.2.5 元组的4 个函数100
4.3 字典101
4.3.1 字典的创建101
4.3.2 访问字典中的值和键101
4.3.3 字典的修改103
4.3.4 字典中的3 个函数104
4.4 集合105
4.4.1 集合的创建105
4.4.2 集合的两个基本功能105
4.4.3 集合的运算符106
4.4.4 集合的方法108
第5 章 Python 的函数及应用技巧 111
5.1 初识函数 112
5.2 内置函数 112
5.2.1 数学函数 112
5.2.2 随机数函数113
5.2.3 三角函数 115
5.2.4 字符串函数117
5.3 用户自定义函数 120
5.3.1 函数的定义120
5.3.2 调用自定义函数121
5.3.3 函数的参数传递122
5.3.4 函数的参数类型125
5.3.5 匿名函数 128
第6 章 Python 的面向对象编程基础 129
6.1 面向对象 130
6.1.1 面向对象概念130
6.1.2 类定义与类对象131
6.1.3 类的继承 133
6.2 模块136
6.2.1 自定义模块和调用136
6.2.2 import 语句138
6.2.3 标准模块 139
6.3 包140
6.4 变量作用域及类型141
6.4.1 变量作用域142
6.4.2 全局变量和局部变量143
6.4.3 global 和nonlocal 关键字144
第7 章 Python 大数据分析的Numpy 包 147
7.1 初识Numpy 包148
7.2 ndarray 数组基础 148
7.2.1 创建Numpy 数组 148
7.2.2 Numpy 特殊数组 152
7.2.3 Numpy 序列数组 155
7.2.4 Numpy 数组索引 156
7.2.5 Numpy 数组运算 157
7.2.6 Numpy 数组复制 158
7.3 Numpy 的矩阵159
7.4 Numpy 的线性代数 160
7.4.1 两个数组的点积160
7.4.2 两个向量的点积161
7.4.3 一维数组的向量内积162
7.4.4 矩阵的行列式162
7.4.5 矩阵的逆 164
7.5 Numpy 的文件操作 164
第8 章 Python 大数据分析的Pandas 包 169
8.1 Pandas 的数据结构170
8.2 一维数组系列 170
8.2.1 创建一个空的系列170
8.2.2 从ndarray 创建一个系列 171
8.2.3 从字典创建系列172
8.2.4 从有位置的系列中访问数据173
8.2.5 使用标签检索数据174
8.3 二维数组DataFrame 174
8.3.1 创建DataFrame174
8.3.2 数据的查看175
8.3.3 数据的选择179
8.3.4 数据的处理185
8.4 三维数组Panel187
第9 章 Python 大数据可视化的Matplotlib 包 189
9.1 Matplotlib 包的优点 190
9.2 figure函数的应用190
9.2.1 figure函数的各参数意义 190
9.2.2 figure函数的示例190
9.3 plot函数的应用 192
9.3.1 plot函数的各参数意义 192
9.3.2 plot函数的实例 194
9.4 subplot函数的应用 195
9.4.1 subplot的各参数意义196
9.4.2 subplot的示例196
9.5 add_axes 方法的应用197
9.6 legend函数的应用 198
9.7 设置字体格式 200
9.8 设置线条的宽度和颜色 201
9.9 坐标轴网格 202
9.10 绘制柱状图203
9.11 绘制色图和等高线图204
9.12 绘制立体三维图形 206
第10 章 Python 量化交易策略的编写209
10.1 股票量化交易策略的组成 210
10.1.1 初始化函数211
10.1.2 开盘前运行函数 212
10.1.3 开盘时运行函数 212
10.1.4 收盘后运行函数 213
10.2 设置函数 213
10.2.1 设置基准函数 214
10.2.2 设置佣金印花税函数214
10.2.3 设置滑点函数 215
10.2.4 设置动态复权真实价格模式函数 216
10.2.5 设置成交量比例函数 216
10.2.6 设置是否开启盘口撮合模式函数 217
10.2.7 设置要操作的股票池函数217
10.3 定时函数 217
10.3.1 定时函数的定义及分类217
10.3.2 定时函数各项参数的意义 218
10.3.3 定时函数的注意事项 219
10.3.4 定时函数的实例 220
10.4 下单函数 220
10.4.1 按股数下单函数 220
10.4.2 目标股数下单函数221
10.4.3 按价值下单函数 221
10.4.4 目标价值下单函数222
10.4.5 撤单函数 222
10.4.6 获取未完成订单函数 222
10.4.7 获取订单信息函数223
10.4.8 获取成交信息函数223
10.5 日志log 224
10.5.1 设定log 的级别224
10.5.2 log.info 225
10.6 常用对象 225
10.6.1 Order 对象225
10.6.2 全局对象g225
10.6.3 Trade 对象226
10.6.4 tick 对象226
10.6.5 Context 对象227
10.6.6 Position 对象228
10.6.7 SubPortfolio 对象 229
10.6.8 Portfolio 对象229
10.6.9 SecurityUnitData 对象230
第11 章 Python 量化交易策略的获取数据函数231
11.1 获取股票数据的history函数232
11.1.1 各项参数的意义 232
11.1.2 history函数的应用实例 233
11.2 获取一只股票数据的attribute_
history函数 236
11.3 查询一个交易日股票财务数据的get_fundamentals函数 237
11.3.1 各项参数的意义 237
11.3.2 get_fundamentals 函数的应用实例 238
11.4 查询股票财务数据的get_fundamentals_continuously函数242
11.5 获取股票特别数据的get_current_data函数 243
11.6 获取指数成分股代码的get_index_stocks函数244
11.6.1 各项参数的意义 244
11.6.2 get_index_stocks函数的应用示例 245
11.7 获取行业成分股代码的get_industry_stocks函数246
11.8 获取概念成本股代码的get_concept_stocks函数247
11.9 获取所有数据信息的get_all_securities函数 249
11.9.1 各项参数的意义 249
11.9.2 get_all_securities函数的应用实例 250
11.10 获取一只股票信息的get_security_info函数252
11.11 获取龙虎榜数据的get_billboard_list函数 252
11.11.1 各项参数的意义252
11.11.2 get_billboard_list函数的应用实例253
11.12 获取限售解禁数据的get_locked_shares函数 254
第12 章 Python 基本面量化选股255
12.1 初识量化选股256
12.2 成长类因子选股 256
12.2.1 营业收入同比增长率选股 256
12.2.2 营业收入环比增长率选股 258
12.2.3 净利润同比增长率选股 259
12.2.4 净利润环比增长率选股 259
12.2.5 营业利润率选股 260
12.2.6 销售净利率选股 261
12.2.7 销售毛利率选股 262
12.3 规模类因子选股 263
12.3.1 总市值选股263
12.3.2 流通市值选股 264
12.3.3 总股本选股265
12.3.4 流通股本选股 266
12.4 价值类因子选股 267
12.4.1 市净率选股267
12.4.2 市销率选股268
12.4.3 市现率选股269
12.4.4 动态市盈率选股 270
12.4.5 静态市盈率选股 270
12.5 质量类因子选股 271
12.5.1 净资产收益率选股271
12.5.2 总资产净利率选股272
12.6 基本面多因子量化选股的注意事项 273
第13 章 Python 量化择时的技术指标函数 275
13.1 初识量化择时276
13.2 趋向指标函数276
13.2.1 MACD 指标函数 277
13.2.2 EMV 指标函数278
13.2.3 UOS 指标函数 279
13.2.4 GDX 指标函数280
13.2.5 DMA 指标函数281
13.2.6 JS 指标函数283
13.2.7 MA 指标函数 284
13.2.8 EXPMA 指标函数285
13.2.9 VMA 指标函数286
13.3 反趋向指标函数 287
13.3.1 KD 指标函数287
13.3.2 MFI 指标函数 288
13.3.3 RSI 指标函数289
13.3.4 OSC 指标函数 290
13.3.5 WR 指标函数 291
13.3.6 CCI 指标函数 293
13.4 压力支撑指标函数 293
13.4.1 BOLL 指标函数294
13.4.2 MIKE 指标函数295
13.4.3 XS 指标函数296
13.5 量价指标函数297
13.5.1 OBV 指标函数297
13.5.2 VOL 指标函数 298
13.5.3 VR 指标函数299
13.5.4 MASS 指标函数 300
第14 章 Python 量化交易策略的回测技巧 303
14.1 量化交易策略回测的流程 304
14.2 利用Python 编写MACD 指标量化策略304
14.2.1 量化交易策略的编辑页面 304
14.2.2 编写初始化函数 307
14.2.3 编写单位时间调用的函数 307
14.3 设置MACD 指标量化策略的回测参数 308
14.4 MACD 指标量化策略的回测详情 310
14.5 MACD 指标量化策略的风险指标 313
14.5.1 Alpha（阿尔法） 314
14.5.2 Beta（贝塔）314
14.5.3 Sharpe（夏普比率） 315
14.5.4 Sortino（索提诺比率） 316
14.5.5 Information Ratio（信息比率） 317
14.5.6 Volatility（策略波动率）318
14.5.7 Benchmark Volatility（基准波动率）318
14.5.8 Max Drawdown（最大回撤） 319
第15 章 Python 量化交易策略的因子分析技巧321
15.1 因子分析概述322
15.1.1 因子的类型322
15.1.2 因子分析的作用 322
15.2 因子分析的实现代码322
15.2.1 因子分析中变量的含义 322
15.2.2 因子分析中可以使用的基础因子 323
15.2.3 calc 的参数及返回值 324
15.3 因子分析的结果 324
15.3.1 新建因子 325
15.3.2 收益分析 327
15.3.3 IC 分析 330
15.3.4 换手分析 331
15.4 因子在研究和回测中的使用332
15.5 基本面因子应用实例334
第16 章 Python 量化交易策略的实战案例 337
16.1 MA 均线量化交易策略实战案例338
16.1.1 编写初始化函数 338
16.1.2 编写单位时间调用的函数 339
16.1.3 MA 均线量化交易策略的回测 340
16.2 多均线量化交易策略实战案例341
16.2.1 编写初始化函数 341
16.2.2 编写交易程序函数342
16.2.3 多均线量化交易策略的回测 343
16.3 能量型指标量化交易策略实战案例344
16.3.1 编写初始化函数 344
16.3.2 编写单位时间调用的函数 345
16.3.3 能量型指标量化交易策略的回测 346
16.4 KD 指标量化交易策略实战案例347
16.4.1 编写初始化函数 347
16.4.2 编写开盘前运行函数 348
16.4.3 编写开盘时运行函数 348
16.4.4 编写收盘后运行函数 349
16.4.5 KD 指标量化交易策略的回测 349
16.5 BOLL 指标量化交易策略实战案例350
16.5.1 编写初始化函数 350
16.5.2 编写开盘前运行函数 351
16.5.3 编写开盘时运行函数 351
16.5.4 编写收盘后运行函数 352
16.5.5 BOLL 指标量化交易策略的回测 352
16.6 多股票持仓量化交易策略实战案例353
16.6.1 编写初始化函数 353
16.6.2 编写单位时间调用的函数 354
16.6.3 多股票持仓量化交易策略的回测 354
16.7 医药股轮动量化交易策略实战案例355
16.7.1 编写初始化函数 355
16.7.2 编写选股函数 356
16.7.3 编写交易函数 356
16.7.4 医药股轮动量化交易策略的回测 357
16.8 中市值股票量化交易策略实战案例 358
16.8.1 编写初始化函数 358
16.8.2 编写选股函数 358
16.8.3 编写过滤停牌股票函数 359
16.8.4 编写交易函数 359
16.8.5 中市值股票量化交易策略的回测 360
16.9 低估价值股量化交易策略实战案例360
16.9.1 编写初始化函数 361
16.9.2 编写选股函数 361
16.9.3 编写交易函数 362
16.9.4 低估价值股量化交易策略的回测 363
|
| 內容試閱：
|
前 言
说起量化交易，你的脑海里是否会浮现这样一幅画面：一间采用高科技搭建起来的交易室，上百台计算机显示屏飞速跑着各种数学模型，投资交易以微秒计的速度高深莫测地计算着？诚然，在普通投资者眼里，量化交易可能意味着复杂模型、高频交易、专业程序，且仿佛离我们很远。这些固然是量化交易的特征，但其实离我们并不遥远，事实上，我们每天都不自觉地在使用着量化。比如当你用某个或某些条件去判断是否要买卖某只股票或者如何买卖时，就是量化思维的一种表现。
量化投资在海外的发展已有30 多年的历史，其投资业绩稳定，市场规模和份额不断扩大，得到了越来越多投资者的认可，并且量化对冲基金已经成为资管行业的翘楚。国内的量化交易起步较晚，量化交易在证券市场占比还不足5%。随着科技的进步，中国的量化交易市场正在快速发展。
当前，我国的量化交易主要应用在商品期货上。随着股指期货的上市，期货市场和证券市场实现了真正意义上的互动，投资者不仅可以在期货市场上进行交易，同时还可以在期货与股票之间进行套利交易。利用量化交易对股指期货进行操作将会是投资者（尤其是机构投资者）一个重要的发展方向。
本书特点
特 点说 明
16 章实战精讲本书体系完善，由浅入深地对Python 大数据与量化交易
进行了16章专题精讲，其内容涵盖了量化交易的
基础知识、聚宽JoinQuant 量化交易平台、
Python 开发环境及配置、
Python 的基本语法及流程控制、
Python 的特征数据类型、Python 的内置函数
与自定义用户函数、Python的面向对象编程、
数据分析的Numpy 包、数据分析的Pandas 包、
数据可视化的Matplotlib 包、
Python 量化交易策略的编写、
Python 获取数据函数、Python 基本面量化选股、
Python 量化择时的技术指标函数、
Python 量化交易策略的回测技巧、
Python 量化交易策略的因子分析技巧、
Python 量化交易策略的实战案例等
108 个知识点 本书结合Python 大数据与量化交易的实战应用，
讲解了108 个应用技巧，其内容涵盖了格式化
字符串的输出、Input（）函数、算术运算符、
赋值运算符、位运算符、关系运算符、
嵌套 If 语句、while 循环、for 循环、
列表、元组、字典、集合、内置函数、
用户自定义函数、匿名函数、类的继承、
调用自定义模块、全局变量和局部变量、
Numpy 数组、Numpy 矩阵、Numpy 线性代数、
Numpy 文件操作、一维数组系列（Series）、
二维数组DataFrame、三维数组Panel、
绘制色图和等高线图、绘制立体三维图形、
设置函数、定时函数、下单函数、
获取数据函数、成长类因子选股、
规模类因子选股、价值类因子选股、
质量类因子选股、趋向指标函数、
反趋向指标函数、压力支撑指标函数、
量价指标函数、利用Python 编写MACD
指标量化策略、设置MACD 指标量化策略的回测参数、
MACD 指标量化策略的回测详情、因子分析的实现代码、
因子分析的结果、基本面因子应用实例、
MA 均线量化交易策略、多均线量化交易策略、
能量型指标量化交易策略、KD 指标量化交易策略、
BOLL 指标量化交易策略、多股票持仓量化交易策略、
医药股轮动量化交易策略、中市值股票量化交易策略、
低估价值股量化交易策略等
100 多个实战案例 本书结合理论知识，在其讲解的过程中，
列举了100 多个案例，进行分析讲解，
让广大投资者在学习理论知识的同时，
更准确地理解其意义和实际应用
80 多个技能提示本书结合Python 大数据与量化交易中
遇到的热点问题、关键问题及种种难题，
以技能提示的方式奉送给投资者，
其中包括Python 的代码格式、
基本面量化选股、技术面量化择时等
结构特点本书讲解都从基础知识和基本操作开始，
读者无须参照其他书即可轻松入门；
另一层是充分考虑没有基础读者的实际情况，
在文字表述方面尽量避开专业的术语，
用通俗易懂的语言讲解每个知识点的应用技巧，
从而突出容易学、上手快的特点
本书结构
章节介绍内容体系作 用
第1 章首先讲解量化交易的基础知识， 从整体上认识量化交易及
然后讲解量化交易的优势、 量化交易平台，为后续章节的
应用、注意事项、历史 学习打下良好的基础
及与人工交易的区别，
最后讲解量化交易的平台和
量化交易的潜在风险及应对策略
第2~6 章 讲解量化交易开发语言Python， Python 是量化交易策略编写的
即讲解Python 语言的开发环境、 首选语言，也是最常用的编程语
基本语法及流程控制、言。为了更好地编写和理解量化交
特征数据类型、内置函数与易策略，就必须掌握该语言
自定义用户函数、面向对象编程
第7~9 章 讲解大数据分析和可视化的3 量化交易就是对海量的股票数
个包，分别是Numpy 包、据进行分析及可视化，所以投资者
Pandas包、Matplotlib 包 要掌据Python 中的3 个重要数据分
析和可视化的包
第10~15 章 讲解量化交易策略的编写、 要想编写出优秀的量化交易策
获取数据函数、基本面略，就必须熟练掌握量化选股技
量化选股、量化择时的巧、量化择时技巧、回测技巧、因
技术指标函数、回测技巧、子分析技巧等
因子分析技巧
第16 章讲解Python 量化交易策略的实 通过编写Python 量化交易策略
战案例 的实战案例，可以提高投资者对量
化交易策略的综合认识，并真正掌
握量化交易技巧，从而学以致用
本书适合的读者
本书适用于各种不同的投资者，如新老股民、中小散户、股票操盘手、基金操盘手和专业股票评论人士，以及经济财经类专业的大学生、更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者。
创作团队
本书由王可群、周峰编写，下面人员对本书的编写提出过宝贵意见并参与了部分编写工作，他们是刘志隆、王冲冲、吕雷、王高缓、梁雷超、周飞、纪欣欣、葛钰秀、张亮、周科峰、王英茏、陈税杰等。
由于作者水平有限，书中的缺点和不足之处在所难免，敬请读者批评指正。
本书赠送的图片及其他资源均以二维码形式提供，读者可以使用手机扫描右侧的二维码下载并观看。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
