第1章 はじめに
1.1 なぜPythonなのか？
1.2 本書の構成
1.3 初版と改訂版の違い
1.4 注意
1.5 改訂版を支援してくれた人びと
第2章 さあ、Jupyter Notebookをはじめよう
2.1 Jupyter Notebookのインストール
2.2 ライブラリ
2.3 プログラミングの前にMarkdownの使い方を学ぶ
2.4 プログラミングとその実行
2.5 本書で用いるデータソース
第3章 まずはPythonから
3.1 やりたいことは何だ？
3.2 Pythonでプログラミングをはじめよう
3.3 いよいよPython標準ライブラリについて学ぼう
3.4 リストについてさらに学ぶ
3.5 出力を見やすくするためのフォーマット
3.6 とりあえず標準ライブラリからインポートして使うのはdatetimeだけ！
3.7 本書でインポートして使うライブラリ群
3.8 基本的なグラフ表示の設定
第4章 pandasをはじめよう（データの処理と管理、可視化入門）
4.1 pandas入門
4.2 データの選択
4.3 時系列データの結合と削除
4.4 再サンプリング、サンプリング期間の変更
4.5 データの加工、分析
4.6 繰り返し処理
4.7 ピボットテーブル
4.8 seaborn
第5章 トレンドを理解する
5.1 トレンドとその発生要因
5.2 日本経済と日経平均株価
5.3 トレンド判定に必要なデータの前処理
5.4 日経平均株価の長期トレンドの把握
第6章 トレンドをモデル化しよう
6.1 日経平均株価の確定的トレンド
6.2 線形回帰モデル
6.3 推測統計による日経225の分析
第7章 statsmodelsを使ってみよう
7.1 確率過程
7.2 ブラウン運動
7.3 ランダムウォーク
7.4 確率的トレンドとドリフト
7.5 ランダムウォークの判定と単位根
7.6 米国市場における確定的トレンドと確率的トレンド
第8章 さらにグラフィカルに調べよう
8.1 ARモデル
8.2 自己相関と偏自己相関
8.3 日経平均株価のAR（1）モデル
8.4 最小二乗法と結果の解釈
第9章 3Dサーフェスで見える世界
9.1 3Dサーフェスの活用
9.2 ヒストグラムの利用
9.3 散布図の利用
9.4 変化率の最大値、最小値の期間構造
第10章 モンテカルロで見える世界
10.1 モンテカルロシミュレーションの利用
10.2 幾何ブラウン運動
第11章 季節性とマクロ変数を加える
11.1 季節性の分析
11.2 平均値の検定
11.3 季節性の具体例
11.4 マクロ変数との関係（単回帰と重回帰分析）
11.5 経済の構造変化
11.6 ドル円と日米金利差
11.7 ついに、スタートラインに立った！
第12章 トレーディングの世界へようこそ
12.1 拘束された人びと
12.2 投資家の分類と役割
12.3 情報
12.4 取引戦略の条件
12.5 取引戦略
12.6 長期戦略の基本
第13章 取引戦略の第一歩
13.1 原点の確認
13.2 一定の方式を確立する
13.3 視点を変える
13.4 よい制度の利用
13.付録A 日経225miniのデータ処理（CQG）
13.付録B 日経225miniの立会4本値の作成
第14章 あゆみ値から学べ
14.1 価格形成のメカニズムを深く理解する
14.2 需給のバランスか？ 約定数か？
14.付録A 2015年以降の市場
14.付録B 正味の約定取引の数と立会内価格差の関係
14.付録C 正味の約定取引高と立会内価格差の関係
14.付録D プログラムコード
第15章 奇跡のゲーム
15.1 基本に立ち返る
15.2 マーケットメイクのトイモデル
15.付録A 2016年以降の市場
15.付録B コードの解説
第16章 叡智のかたまり
16.1 バックテスト
16.2 情報トレーダーの役割
16.付録A 長期のバックテストの結果（パッシブプレイヤーの戦略）
16.付録B 長期のバックテストの結果（情報トレーダーの戦略）
16.付録C コードの解説（パッシブプレイヤーの戦略）
16.付録D コードの解説（情報トレーダーの戦略）
第17章 as simple as possible, but not more so（適度に単純に、過度は禁物）
17.1 微視的状態と多重度
17.2 微視的状態の分析手法
17.3 大偏差原理
17.4 大偏差原理の金融市場での役割
17.5 学際的アプローチ
参考文献／参考サイト
