Python金融大數據分析檢視原始碼討論檢視歷史

來自 孔夫子網 的圖片

《Python金融大數據分析》，[德] 伊夫·希爾皮斯科（YvesHilpisch） 著，出版社： 人民郵電出版社。

人民郵電出版社是全國優秀出版社、全國百佳圖書出版單位。人民郵電出版社出版領域涵蓋科技出版、教育出版、大眾出版，涉及信息技術、通信、工業技術、科普、經濟管理、攝影、藝術、運動與休閒、心理學、少兒、大中專教材等10餘個出版門類，年出版圖書近萬種。

內容簡介

《Python金融大數據分析 第2版》分為5部分，共21章。第1部分介紹了Python在金融學中的應用，其內容涵蓋了Python用於金融行業的原因、Python的基礎架構和工具，以及Python在計量金融學中的一些具體入門實例；第2部分介紹了Python的基礎知識以及Python中非常有名的庫NumPy和pandas工具集，還介紹了面向對象編程；第3部分介紹金融數據科學的相關基本技術和方法，包括數據可視化、輸入/輸出操作和數學中與金融相關的知識等；第4部分介紹Python在算法交易上的應用，重點介紹常見算法，包括機器學習、深度神經網絡等人工智能相關算法；第5部分講解基於蒙特卡洛模擬開發期權及衍生品定價的應用，其內容涵蓋了估值框架的介紹、金融模型的模擬、衍生品的估值、投資組合的估值等知識。《Python金融大數據分析 第2版》本書適合對使用Python進行大數據分析、處理感興趣的金融行業開發等

目錄

第1部分Python與金融

第1章為什麼將Python用於金融3

1.1Python編程語言3

1.1.1Python簡史5

1.1.2Python生態系統6

1.1.3Python用戶譜系7

1.1.4科學棧7

1.2金融中的科技8

1.2.1科技投入9

1.2.2作為業務引擎的科技9

1.2.3作為進入門檻的科技和人才10

1.2.4不斷提高的速度、頻率和數據量10

1.2.5實時分析的興起11

1.3用於金融的Python12

1.3.1金融和Python語法12

1.3.2Python的效率和生產率16

1.3.3從原型化到生產20

1.4數據驅動和人工智能優先的金融學21

1.4.1數據驅動金融學21

1.4.2人工智能優先金融學24

1.5結語26

1.6延伸閱讀27

第2章Python基礎架構29

2.1作為包管理器使用的conda31

2.1.1安裝Miniconda31

2.1.2conda基本操作33

2.2作為虛擬環境管理器的conda37

2.3使用Docker容器41

2.3.1Docker鏡像和容器41

2.3.2構建Ubuntu和PythonDocker鏡像42

2.4使用雲實例46

2.4.1RSA公鑰和私鑰47

2.4.2JupyterNotebook配置文件48

2.4.3Python和JupyterNotebook安裝腳本49

2.4.4協調Droplet設置的腳本51

2.5結語52

2.6延伸閱讀53

第2部分掌握基礎知識

第3章數據類型與結構57

3.1基本數據類型58

3.1.1整數58

3.1.2浮點數59

3.1.3布爾值61

3.1.4字符串65

3.1.5題外話：打印和字符串替換66

3.1.6題外話：正則表達式69

3.2基本數據結構71

3.2.1元組71

3.2.2列表72

3.2.3題外話：控制結構74

3.2.4題外話：函數式編程75

3.2.5字典76

3.2.6集合78

3.3結語79

3.4延伸閱讀79

第4章用NumPy進行數值計算81

4.1數據數組82

4.1.1用Python列表形成數組82

4.1.2Pythonarray類84

4.2常規NumPy數組86

4.2.1基礎知識86

4.2.2多維數組89

4.2.3元信息93

4.2.4改變組成與大小93

4.2.5布爾數組97

4.2.6速度對比99

4.3NumPy結構數組100

4.4代碼向量化102

4.4.1基本向量化102

4.4.2內存布局105

4.5結語107

4.6延伸閱讀108

第5章pandas數據分析109

5.1DataFrame類110

5.1.1使用DataFrame類的第一步110

5.1.2使用DataFrame類的第二步114

5.2基本分析118

5.3基本可視化122

5.4Series類124

5.5GroupBy操作126

5.6複雜選擇128

5.7聯接、連接和合併131

5.7.1聯接132

5.7.2連接133

5.7.3合併135

5.8性能特徵137

5.9結語139

5.10延伸閱讀140

第6章面向對象編程141

6.1Python對象簡介145

6.1.1int145

6.1.2list146

6.1.3ndarray146

6.1.4DataFrame148

6.2Python類基礎知識149

6.3Python數據模型154

6.4Vector類158

6.5結語159

6.6延伸閱讀159

第3部分金融數據科學

第7章數據可視化163

7.1靜態2D繪圖164

7.1.1一維數據集164

7.1.2二維數據集170

7.1.3其他繪圖樣式177

7.2靜態3D繪圖184

7.3交互式2D繪圖188

7.3.1基本圖表188

7.3.2金融圖表192

7.4結語196

7.5延伸閱讀196

第8章金融時間序列197

8.1金融數據198

8.1.1數據導入198

8.1.2匯總統計201

8.1.3隨時間推移的變化203

8.1.4重新採樣207

8.2滾動統計209

8.2.1概述209

8.2.2技術分析示例211

8.3相關分析213

8.3.1數據213

8.3.2對數回報率214

8.3.3OLS回歸216

8.3.4相關217

8.4高頻數據218

8.5結語220

8.6延伸閱讀220

第9章輸入/輸出操作221

9.1Python基本I/O222

9.1.1將對象寫入磁盤222

9.1.2讀取和寫入文本文件225

9.1.3使用SQL數據庫229

9.1.4讀寫NumPy數組232

9.2pandas的I/O234

9.2.1使用SQL數據庫235

9.2.2從SQL到pandas237

9.2.3使用CSV文件239

9.2.4使用Excel文件240

9.3PyTables的I/O242

9.3.1使用表242

9.3.2使用壓縮表250

9.3.3使用數組252

9.3.4內存外計算253

9.4TsTables的I/O256

9.4.1樣板數據257

9.4.2數據存儲258

9.4.3數據檢索259

9.5結語261

9.6延伸閱讀262

第10章高性能的Python265

10.1循環266

10.1.1Python266

10.1.2NumPy267

10.1.3Numba268

10.1.4Cython269

10.2算法271

10.2.1質數271

10.2.2斐波那契數275

10.2.3π279

10.3二叉樹283

10.3.1Python283

10.3.2NumPy285

10.3.3Numba286

10.3.4Cython287

10.4蒙特卡洛模擬288

10.4.1Python289

10.4.2NumPy291

10.4.3Numba291

10.4.4Cython292

10.4.5多進程293

10.5pandas遞歸算法294

10.5.1Python294

10.5.2Numba296

10.5.3Cython296

10.6結語297

10.7延伸閱讀298

第11章數學工具299

11.1逼近法299

11.1.1回歸301

11.1.2插值310

11.2凸優化314

11.2.1全局優化315

11.2.2局部優化317

11.2.3有約束優化318

11.3積分320

11.3.1數值積分321

11.3.2通過模擬求取積分322

11.4符號計算323

11.4.1基礎知識323

11.4.2方程式325

11.4.3積分與微分325

11.4.4微分326

11.5結語328

11.6延伸閱讀328

第12章推斷統計學331

12.1隨機數332

12.2模擬338

12.2.1隨機變量338

12.2.2隨機過程341

12.2.3方差縮減356

12.3估值359

12.3.1歐式期權359

12.3.2美式期權364

12.4風險測度367

12.4.1風險價值367

12.4.2信用價值調整371

12.5Python腳本374

12.6結語377

12.7延伸閱讀377

第13章統計學379

13.1正態性檢驗380

13.1.1基準案例381

13.1.2真實數據390

13.2投資組合優化396

13.2.1數據396

13.2.2基本理論398

13.2.3很優投資組合401

13.2.4有效邊界404

13.2.5資本市場線405

13.3貝葉斯統計408

13.3.1貝葉斯公式409

13.3.2貝葉斯回歸410

13.3.3兩種金融工具414

13.3.4隨時更新估算值418

13.4機器學習423

13.4.1無監督學習423

13.4.2有監督學習426

13.5結語441

13.6延伸閱讀441

第4部分算法交易

第14章FXCM交易平台445

14.1入門446

14.2讀取數據447

14.2.1讀取分筆交易數據447

14.2.2讀取K線（蠟燭圖）數據449

14.3使用API451

14.3.1讀取歷史數據452

14.3.2讀取流數據454

14.3.3下單455

14.3.4賬戶信息457

14.4結語457

14.5延伸閱讀458

第15章交易策略459

15.1簡單移動平均數460

15.1.1數據導入460

15.1.2交易策略461

15.1.3向量化事後檢驗463

15.1.4優化465

15.2隨機遊走假設467

15.3線性OLS回歸469

15.3.1數據470

15.3.2回歸472

15.4聚類474

15.5頻率方法476

15.6分類479

15.6.1兩個二元特徵479

15.6.25個二元特徵480

15.6.35個數字化特徵482

15.6.4順序訓練-測試分離484

15.6.5隨機訓練-測試分離485

15.7深度神經網絡486

15.7.1用scikit-learn實現DNN486

15.7.2用TensorFlow實現DNN489

15.8結語492

15.9延伸閱讀493

第16章自動化交易495

16.1資本管理496

16.1.1二項設定中的凱利標準496

16.1.2用於股票及指數的凱利標準500

16.2基於ML的交易策略505

16.2.1向量化事後檢驗505

16.2.2很優槓桿510

16.2.3風險分析512

16.2.4持久化模型對象515

16.3在線算法516

16.4基礎設施與部署518

16.5日誌與監控519

16.6結語521

16.7Python腳本522

16.7.1自動化交易策略522

16.7.2策略監控525

16.8延伸閱讀525

第5部分衍生品分析

第17章估值框架529

17.1資產定價基本定理529

17.1.1簡單示例530

17.1.2一般結果530

17.2風險中立折現532

17.2.1日期建模與處理532

17.2.2恆定短期利率534

17.3市場環境536

17.4結語539

17.5延伸閱讀540

第18章金融模型的模擬541

18.1隨機數生成542

18.2通用模擬類544

18.3幾何布朗運動548

18.3.1模擬類548

18.3.2用例550

18.4跳躍擴散553

18.4.1模擬類553

18.4.2用例556

18.5平方根擴散557

18.5.1模擬類558

18.5.2用例560

18.6結語561

18.7延伸閱讀563

第19章衍生品估值565

19.1通用估值類566

19.2歐式行權570

19.2.1估值類570

19.2.2用例572

19.3美式行權577

19.3.1最小二乘蒙特卡洛方法577

19.3.2估值類578

19.3.3用例580

19.4結語583

19.5延伸閱讀585

第20章投資組合估值587

20.1衍生品頭寸588

20.1.1類588

20.1.2用例590

20.2衍生品投資組合592

20.2.1類592

20.2.2用例597

20.3結語604

20.4延伸閱讀605

第21章基於市場的估值607

21.1期權數據608

21.2模型檢驗610

21.2.1相關市場數據611

21.2.2期權建模612

21.2.3檢驗過程615

21.3投資組合估值620

21.3.1建立期權頭寸模型621

21.3.2期權投資組合622

21.4Python代碼623

21.5結語625

21.6延伸閱讀626

附錄A日期與時間627

A.1Python627

A.2NumPy633

A.3pandas636

附錄BBSM期權類641

B.1類定義641

B.2類的使用643