发表于2024-11-05
第1部分 Python与金融
第1章 为什么将Python用于金融 3
1.1 Python是什么 3
1.1.1 Python简史 5
1.1.2 Python生态系统 5
1.1.3 Python用户谱系 7
1.1.4 科学栈 7
1.2 金融中的科技 8
1.2.1 科技开销 9
1.2.2 作为业务引擎的科技 9
1.2.3 作为进入门槛的科技和人才 9
1.2.4 不断提高的速度、频率、数据量 10
1.2.5 实时分析的兴起 11
1.3 用于金融的Python 12
1.3.1 金融和Python语法 12
1.3.2 Python的效率和生产率 15
1.3.3 从原型化到生产 19
1.4 结语 20
1.5 延伸阅读 20
第2章 基础架构和工具 21
2.1 Python部署 22
2.1.1 Anaconda 22
2.1.2 Python Quant Platform 27
2.1.3 工具 30
2.1.4 Python 30
2.1.5 IPython 30
2.1.6 Spyder 40
2.2 结语 42
2.3 延伸阅读 43
第3章 入门示例 45
3.1 隐含波动率 46
3.2 蒙特卡洛模拟 54
3.2.1 纯Python 56
3.2.2 用NumPy向量化 57
3.2.3 利用对数欧拉方法实现全向量化 59
3.2.4 图形化分析 60
3.2.5 技术分析 62
3.3 结语 67
3.4 延伸阅读 68
第2部分 金融分析和开发
第4章 数据类型和结构 71
4.1 基本数据类型 72
4.1.1 整数 72
4.1.2 浮点数 73
4.1.3 字符串 75
4.2 基本数据结构 77
4.2.1 元组 77
4.2.2 列表 78
4.2.3 离题:控制结构 80
4.2.4 离题:函数式编程 81
4.2.5 字典 82
4.2.6 集合 84
4.3 NumPy数据结构 85
4.3.1 用Python列表形成数组 85
4.3.2 常规NumPy数组 87
4.3.3 结构数组 90
4.4 代码向量化 91
4.5 内存布局 93
4.6 结语 95
4.7 延伸阅读 95
第5章 数据可视化 97
5.1 二维绘图 97
5.1.1 一维数据集 98
5.1.2 二维数据集 103
5.1.3 其他绘图样式 109
5.2 金融学图表 116
5.3 3D绘图 119
5.4 结语 122
5.5 延伸阅读 122
第6章 金融时间序列 123
6.1 pandas基础 124
6.1.1 使用DataFrame类的第一步 124
6.1.2 使用DataFrame类的第二步 127
6.1.3 基本分析 131
6.1.4 Series类 134
6.1.5 GroupBy操作 135
6.2 金融数据 136
6.3 回归分析 142
6.4 高频数据 150
6.5 结语 154
6.6 延伸阅读 154
第7章 输入/输出操作 155
7.1 Python基本I/O 156
7.1.1 将对象写入磁盘 156
7.1.2 读写文本文件 159
7.1.3 SQL数据库 160
7.1.4 读写NumPy数组 162
7.2 Pandas的I/O 164
7.2.1 SQL数据库 165
7.2.2 从SQL到pandas 166
7.2.3 CSV文件数据 168
7.2.4 Excel文件数据 169
7.3 PyTables的快速I/O 170
7.3.1 使用表 170
7.3.2 使用压缩表 175
7.3.3 使用数组 176
7.3.4 内存外计算 177
7.4 结语 179
7.5 延伸阅读 180
第8章 高性能的Python 181
8.1 Python范型与性能 182
8.2 内存布局与性能 184
8.3 并行计算 186
8.3.1 蒙特卡洛算法 186
8.3.2 顺序化计算 187
8.3.3 并行计算 188
8.3.4 性能比较 191
8.4 多处理 191
8.5 动态编译 193
8.5.1 介绍性示例 193
8.5.2 二项式期权定价方法 195
8.6 用Cython进行静态编译 199
8.7 在GPU上生成随机数 201
8.8 结语 205
8.9 延伸阅读 205
第9章 数学工具 207
9.1 逼近法 208
9.1.1 回归 208
9.1.2 插值 218
9.2 凸优化 221
9.2.1 全局优化 222
9.2.2 局部优化 223
9.2.3 有约束优化 224
9.3 积分 226
9.3.1 数值积分 228
9.3.2 通过模拟求取积分 228
9.4 符号计算 229
9.4.1 基本知识 229
9.4.2 方程式 230
9.4.3 积分 231
9.4.4 微分 232
9.5 结语 233
9.6 延伸阅读 233
第10章 推断统计学 235
10.1 随机数 236
10.2 模拟 241
10.2.1 随机变量 241
10.2.2 随机过程 244
10.2.3 方差缩减 256
10.3 估值 259
10.3.1 欧式期权 259
10.3.2 美式期权 263
10.4 风险测度 266
10.4.1 风险价值 266
10.4.2 信用价值调整 270
10.5 结语 272
10.6 延伸阅读 273
第11章 统计学 275
11.1 正态性检验 276
11.1.1 基准案例 277
11.1.2 现实世界的数据 284
11.2 投资组合优化 289
11.2.1 数据 290
11.2.2 基本理论 291
11.2.3 投资组合优化 294
11.2.4 有效边界 296
11.2.5 资本市场线 297
11.3 主成分分析 300
11.3.1 DAX指数和30种成分股 301
11.3.2 应用PCA 301
11.3.3 构造PCA指数 302
11.4 贝叶斯回归 305
11.4.1 贝叶斯公式 305
11.4.2 PyMC3 306
11.4.3 介绍性示例 307
11.4.4 真实数据 310
11.5 结语 318
11.6 延伸阅读 318
第12章 Excel集成 321
12.1 基本电子表格交互 322
12.1.1 生成工作簿(.xls) 323
12.1.2 生成工作簿(.xslx) 324
12.1.3 从工作簿中读取 326
12.1.4 使用OpenPyxl 328
12.1.5 使用pandas读写 329
12.2 用Python编写Excel脚本 332
12.2.1 安装DataNitro 333
12.2.2 使用DataNitro 333
12.3 xlwings 342
12.4 结语 342
12.5 延伸阅读 343
第13章 面向对象和图形用户界面 345
13.1 面向对象 345
13.1.1 Python类基础知识 346
13.1.2 简单的短期利率类 350
13.1.3 现金流序列类 354
13.2 图形用户界面 356
13.2.1 带GUI的短期利率类 356
13.2.2 值的更新 358
13.2.3 带GUI的现金流序列类 360
13.3 结语 362
13.4 延伸阅读 362
第14章 Web集成 365
14.1 Web基础知识 366
14.1.1 ftplib 366
14.1.2 httplib 368
14.1.3 urllib 369
14.2 Web图表绘制 372
14.2.1 静态图表绘制 372
14.2.2 交互式图表绘制 374
14.2.3 实时图表绘制 375
14.3 快速Web应用 383
14.3.1 交易者的聊天室 384
14.3.2 数据建模 384
14.3.3 Python代码 385
14.3.4 模板 391
14.3.5 样式化 396
14.4 Web服务 397
14.4.1 金融模型 399
14.4.2 实现 400
14.5 结语 406
14.6 延伸阅读 406
第3部分 衍生品分析库
第15章 估值框架 409
15.1 资产定价基本定理 409
15.1.1 简单示例 409
15.1.2 一般结果 410
15.2 风险中立折现 412
15.2.1 日期建模和处理 412
15.2.2 固定短期利率 413
15.3 市场环境 415
15.4 结语 418
15.5 延伸阅读 419
第16章 金融模型的模拟 421
16.1 随机数生成 422
16.2 泛型模拟类 423
16.3 几何布朗运动 427
16.3.1 模拟类 427
16.3.2 用例 429
16.4 跳跃扩散 431
16.4.1 模拟类 431
16.4.2 用例 434
16.5 平方根扩散 435
16.5.1 模拟类 435
16.5.2 用例 437
16.6 结语 438
16.7 延伸阅读 440
第17章 衍生品估值 441
17.1 泛型估值类 441
17.2 欧式行权 445
17.3 估值类 445
17.4 美式行权 451
17.4.1 最小二乘蒙特卡洛方法 451
17.4.2 估值类 453
17.4.3 用例 454
17.5 结语 457
17.6 延伸阅读 458
第18章 投资组合估值 459
18.1 衍生品头寸 460
18.1.1 类 460
18.1.2 用例 462
18.2 衍生品投资组合 463
18.2.1 类 463
18.2.2 用例 467
18.3 结语 472
18.4 延伸阅读 474
第19章 波动率期权 475
19.1 VSTOXX数据 476
19.1.1 VSTOXX指数数据 476
19.1.2 VSTOXX期货数据 477
19.1.3 VSTOXX期权数据 479
19.2 模型检验 480
19.2.1 相关市场数据 480
19.2.2 期权建模 481
19.2.3 检验过程 483
19.3 基于VSTOXX的美式期权 487
19.3.1 期权头寸建模 487
19.3.2 期权投资组合 488
19.4 结语 489
19.5 延伸阅读 490
附录A 精选的最佳实践 491
附录B 看涨期权类 499
附录C 日期和时间 503
Python金融大数据分析 下载 mobi pdf epub txt 电子书 格式 2024
Python金融大数据分析 下载 mobi epub pdf 电子书also very enthusiastic,and sometimes inconvenient
评分新年趁活动买的,需要好好学习啦
评分可以,书是好书,而且物流也很快,一直很信赖京东
评分可以,书是好书,而且物流也很快,一直很信赖京东
评分这本书,怎么说呢,英文版没有看过,但是就我看的中文版来说……质量不是太高,大家可以慎重考虑一下。入门感觉还可以,但是从排版到翻译,简直是错漏百出。引用的代码有很多错误,要不就是输出不对,要不就是下面的讲解不符。翻译的话质量不是太好(抱歉不是针对译者),有很多地方能够感觉到没有摆脱英语的语序和语言习惯,与汉语习惯不符,读起来很是拗口,不知所云。不知道编辑在干什么,在异步社区提交勘误之后,关于翻译语法语序的内容被拒绝了,但还是有那么些勘误通过了。这三天总共看了106页,总共提交了19个勘误(有两个问题被拒绝之后重复提交然后通过的,包括翻译的问题,不过翻译的问题提了两个没通过就没再提交过相关了)。说实话平均不到十页一个错,看起来真心累。一开始还有点兴奋看一本书送一本书,但是现在感觉如果异步都是这个水平的书,送我我都不想要……附录B部分我是真心没看懂在表达什么……
评分今购的东西,不由得精神为之一振,自觉七经八脉为之一畅,与卖家您交流,我只想说,产品实在是太好了,你的高尚情操太让人感动了,本人对此卖家之仰慕如滔滔江水连绵不绝,海枯石烂,天崩地裂,永不变心。交易成功后,我的心情是久久不能平静,自古英雄出少年,卖家年纪轻轻,就有经天纬地之才,定国安邦之智,而今,天佑我大中华,沧海桑田5000年,神州平地一声雷,飞沙走石,大雾迷天,朦胧中,只见顶天立地一金甲天神立于天地间,花见花开,人见人爱,这位英雄手持双斧,二目如电,一斧下去,混沌初开,二斧下去,女娲造人,三斧下去,小生倾倒。得此大英雄,实乃国之幸也,民之福,人之初也,怎不叫人喜极而泣……看着交易成功,我竟产生出一种无以名之的悲痛感——啊,这么好的卖家,如果将来我再也遇不到了,那我该怎么办?直到我毫不犹豫地把卖家的店收藏了,我内心的那种激动才逐渐平静下来,可是我立刻想到这 么好的卖家,倘若别人看不到,那么不是浪费心血吗?经过痛苦的思想斗争,我终于下定决心,牺牲小我,奉献大我。我要以此评价奉献给世人赏阅,我要给好评……评到所有人都看到为止!
评分一直京东买东西,积累了太多商品没有评价,就不一一写评论了,总结一下近几年的购物体验,有不满意的时候,也有满意的时候,但总体来说,比较满意。
评分常的热情,有时候不方便收件的时候,也安排时间另行配
评分Python金融大数据分析 mobi epub pdf txt 电子书 格式下载 2024