第 1部分 入門篇
第 1章 Python概覽 2
1．1 Python的定義與比較優勢 3
1．1．1 Python簡介 3
1．1．2 Python的比較優勢 4
1．2 Python之父—吉多·範羅蘇姆 5
1．3 Python的演進曆史和常用版本 7
1．4 Python的安裝 8
1．4．1 單獨安裝 8
1．4．2 集成安裝 8
1．4．3 安裝並啓動Anaconda 9
1．4．4 Spyder的界麵 12
1．5 學習Python的方法論 13
1．5．1 學習的態度 13
1．5．2 學習的原則 13
1．5．3 學習的方法 14
1．6 金融數據的獲取 15
1．6．1 萬得（Wind） 15
1．6．2 同花順 15
1．6．3 CCER經濟金融數據庫 15
1．6．4 國泰安經濟金融研究數據庫 16
1．7 小結 16
1．8 拓展閱讀 16
第 2章 結閤金融演示Python的基本
操作 17
2．1 金融變量在Python中的賦值 18
2．2 Python的數據類型 18
2．2．1 整型 19
2．2．2 浮點型 19
2．2．3 復數 20
2．2．4 字符串 20
2．3 Python的數據結構 23
2．3．1 元組 23
2．3．2 列錶 25
2．3．3 集閤 28
2．3．4 字典 30
2．4 Python的運算符號 33
2．4．1 基本算術運算符號 33
2．4．2 關係運算符號 36
2．4．3 賦值運算符號 37
2．4．4 成員運算符號 38
2．5 Python的主要內置函數 39
2．6 自定義函數 43
2．6．1 運用def語法 43
2．6．2 運用lambda函數 44
2．7 Python的語句 44
2．7．1 條件語句 44
2．7．2 循環語句 46
2．7．3 條件語句和循環語句結閤 48
2．8 模塊的導入與math模塊 49
2．8．1 模塊導入的若乾種方法 50
2．8．2 math模塊 51
2．9 小結 53
2．10 拓展閱讀 53
第 2部分 基礎篇
第3章 結閤金融場景演示NumPy
模塊的操作 56
3．1 從一個投資案例講起 57
3．2 N維數組 58
3．2．1 數組的結構 58
3．2．2 數組的便捷生成 60
3．3 數組的索引、切片和排序 63
3．3．1 索引 63
3．3．2 切片 64
3．3．3 排序 64
3．4 數組的相關運算 65
3．4．1 數組內的運算 65
3．4．2 數組間的運算 69
3．4．3 矩陣的操作 72
3．5 通過NumPy生成隨機數 74
3．5．1 主要的統計分布 74
3．5．2 主要函數 80
3．5．3 相關示例 82
3．6 小結 85
3．7 拓展閱讀 86
第4章 結閤金融時間序列演示Pandas
模塊的操作 87
4．1 Pandas的數據結構 88
4．1．1 序列 88
4．1．2 數據框 90
4．1．3 外部數據導入並直接生成
數據框 91
4．2 數組框的可視化 93
4．2．1 中文字體的可視化 93
4．2．2 數據框可視化的函數與參數 94
4．2．3 一個示例 95
4．3 數據框內部的操作 96
4．3．1 描述數據框的基本性質 96
4．3．2 數據框的索引與截取 98
4．3．3 數據框的排序 100
4．3．4 數據框的更改 102
4．4 數據框之間的操作 105
4．4．1 生成兩個新的數據框 105
4．4．2 函數concat的運用 106
4．4．3 函數merge的運用 108
4．4．4 函數join的運用 109
4．5 數組框的主要統計函數 109
4．5．1 靜態的統計函數 110
4．5．2 移動窗口與動態統計函數 114
4．6 小結 117
4．7 拓展閱讀 117
第5章 結閤金融場景演示Matplotlib
模塊的操作 118
5．1 基本函數 119
5．2 麯綫圖 122
5．2．1 單一麯綫圖 123
5．2．2 多圖繪製 124
5．3 直方圖 126
5．3．1 單一樣本的直方圖 126
5．3．2 多個樣本的直方圖 128
5．4 條形圖 129
5．4．1 垂直條形圖 130
5．4．2 水平條形圖 132
5．5 散點圖 133
5．6 餅圖 136
5．7 小結 138
5．8 拓展閱讀 138
第6章 結閤金融場景演示SciPy等
模塊的操作 139
6．1 SciPy模塊 140
6．1．1 求積分 141
6．1．2 插值法 142
6．1．3 求解方程組 144
6．1．4 最優化求解 146
6．1．5 統計功能 150
6．2 StatsModels模塊 156
6．3 波動率模型與arch模塊 159
6．3．1 估計波動率 159
6．3．2 ARCH模型 160
6．3．3 GARCH模型 161
6．3．4 arch模塊 163
6．4 datetime模塊 167
6．4．1 創建時間的對象 168
6．4．2 訪問時間對象的屬性 169
6．4．3 時間對象的運算 169
6．5 小結 171
6．6 拓展閱讀 171
第3部分 提高篇
第7章 運用Python分析利率與債券 174
7．1 利率體係 175
7．1．1 中央銀行利率 175
7．1．2 金融機構利率 177
7．1．3 金融市場利率 179
7．2 債券市場 182
7．2．1 債券交易場所 183
7．2．2 債券品種 185
7．3 利率的度量 188
7．3．1 利率的復利頻次 189
7．3．2 連續復利 192
7．3．3 零息利率 194
7．4 債券定價與債券收益率 195
7．4．1 債券的核心要素 195
7．4．2 基於單一貼現率的債券定價 195
7．4．3 債券到期收益率 196
7．4．4 基於不同期限貼現率的債券
定價 197
7．4．5 通過票息剝離法計算零息
利率 198
7．4．6 運用零息利率對債券定價 203
7．5 遠期利率與遠期利率協議 204
7．5．1 遠期利率 204
7．5．2 遠期利率協議 207
7．6 衡量債券利率風險的綫性指標—
久期 211
7．6．1 麥考利久期 212
7．6．2 修正久期 214
7．6．3 美元久期 217
7．7 衡量債券利率風險的非綫性
指標—凸性 218
7．7．1 凸性的錶達式 219
7．7．2 案例 219
7．7．3 重要關係式 220
7．8 小結 221
7．9 拓展閱讀 221
第8章 運用Python分析股票投資 222
8．1 股票市場簡介 223
8．1．1 多層次股票市場 223
8．1．2 主要的股票指數 225
8．2 股票投資組閤 228
8．2．1 投資組閤的主要變量 229
8．2．2 投資組閤的有效前沿 235
8．2．3 資本市場綫 239
8．3 資本資産定價模型 241
8．3．1 係統風險與非係統風險 241
8．3．2 模型數學錶達式及運用 245
8．4 股價服從的隨機過程 249
8．4．1 馬爾可夫過程與有效市場假說 249
8．4．2 維納過程與廣義維納過程 251
8．4．3 幾何布朗運動 253
8．5 投資組閤的績效評估 259
8．5．1 夏普比率 259
8．5．2 索提諾比率 262
8．5．3 特雷諾比率 264
8．5．4 信息比率 266
8．6 小結 268
8．7 拓展閱讀 269
第9章 運用Python分析期貨套期
保值 270
9．1 期貨市場的簡介 271
9．1．1 期貨交易所及閤約品種 271
9．1．2 股指期貨閤約的介紹 275
9．1．3 國債期貨閤約的介紹 277
9．1．4 參與期貨交易的動機 279
9．2 股指期貨的套期保值 280
9．2．1 套期保值的類型 280
9．2．2 追加保證金的風險 282
9．2．3 基差風險 285
9．2．4 交叉套期保值 289
9．3 國債期貨閤約的套期保值 297
9．3．1 計息天數規則 298
9．3．2 國債的報價 300
9．3．3 國債期貨最終價格 301
9．3．4 國債期貨的最廉價交割 304
9．3．5 基於久期的套期保值策略 307
9．4 小結 310
9．5 拓展閱讀 310
第 10章 運用Python分析期權的
定價與風險 311
10．1 A股股票期權市場簡介 312
10．1．1 權證市場 312
10．1．2 股指期權閤約 313
10．2 期權類型和到期時的盈虧 315
10．2．1 期權的類型和要素 315
10．2．2 看漲期權到期時的盈虧 316
10．2．3 看跌期權到期時的盈虧 318
10．2．4 看跌-看漲平價關係式 320
10．3 布萊剋-斯科爾斯-默頓模型 323
10．4 期權價格與相關變量的關係 325
10．4．1 期權價格與基礎資産價格的
關係 325
10．4．2 期權價格與執行價格的關係 326
10．4．3 期權價格與波動率的關係 327
10．4．4 期權價格與無風險收益率的
關係 328
10．4．5 期權價格與期權期限的關係 330
10．5 衡量期權的風險—希臘字母 331
10．5．1 期權的Delta 331
10．5．2 期權的Gamma 335
10．5．3 期權的Theta 339
10．5．4 期權的Vega 343
10．5．5 期權的Rho 347
10．6 期權的隱含波動率 351
10．6．1 運用牛頓迭代法計算隱含
波動率 351
10．6．2 運用二分查找法計算隱含
波動率 353
10．7 波動率微笑與斜偏 355
10．7．1 波動率微笑 355
10．7．2 波動率斜偏 358
10．8 小結 362
10．9 拓展閱讀 362
第 11章 運用Python分析期權交易
策略 363
11．1 保本票據 364
11．1．1 一個虛擬的案例 364
11．1．2 一個真實市場的案例 366
11．2 單一期權與單一基礎資産的策略 368
11．2．1 買入備兌看漲期權 369
11．2．2 賣齣備兌看漲期權 371
11．2．3 買入保護看跌期權 373
11．2．4 賣齣保護看跌期權 375
11．2．5 策略的期間收益 377
11．3 價差交易策略 381
11．3．1 牛市價差策略 381
11．3．2 熊市價差策略 385
11．3．3 盒式價差策略 389
11．3．4 蝶式價差策略 392
11．4 組閤策略 397
11．4．1 跨式組閤策略 397
11．4．2 序列組閤策略與帶式組閤
策略 401
11．4．3 寬跨式組閤策略 404
11．5 小結 412
11．6 拓展閱讀 412
第 12章 運用Python測度風險價值 413
12．1 風險價值的概述 414
12．1．1 風險價值的定義 414
12．1．2 運用Python對風險價值
可視化 415
12．1．3 風險價值的優點與局限性 417
12．2 風險價值的方差-協方差法 418
12．2．1 方差-協方差法的簡介 418
12．2．2 案例 420
12．3 風險價值的曆史模擬法 423
12．3．1 曆史模擬法的簡介 423
12．3．2 案例 425
12．4 濛特卡羅模擬法 428
12．4．1 濛特卡羅模擬的簡介 428
12．4．2 案例 430
12．5 迴溯檢驗、壓力測試與壓力風險
價值 434
12．5．1 迴溯檢驗 434
12．5．2 壓力測試 437
12．5．3 壓力風險價值 439
12．5．4 比較不同方法計算的風險
價值 443
12．6 小結 443
12．7 擴展閱讀 443
後記 445
· · · · · · (收起)
第 1章 Python概覽 2
1．1 Python的定義與比較優勢 3
1．1．1 Python簡介 3
1．1．2 Python的比較優勢 4
1．2 Python之父—吉多·範羅蘇姆 5
1．3 Python的演進曆史和常用版本 7
1．4 Python的安裝 8
1．4．1 單獨安裝 8
1．4．2 集成安裝 8
1．4．3 安裝並啓動Anaconda 9
1．4．4 Spyder的界麵 12
1．5 學習Python的方法論 13
1．5．1 學習的態度 13
1．5．2 學習的原則 13
1．5．3 學習的方法 14
1．6 金融數據的獲取 15
1．6．1 萬得（Wind） 15
1．6．2 同花順 15
1．6．3 CCER經濟金融數據庫 15
1．6．4 國泰安經濟金融研究數據庫 16
1．7 小結 16
1．8 拓展閱讀 16
第 2章 結閤金融演示Python的基本
操作 17
2．1 金融變量在Python中的賦值 18
2．2 Python的數據類型 18
2．2．1 整型 19
2．2．2 浮點型 19
2．2．3 復數 20
2．2．4 字符串 20
2．3 Python的數據結構 23
2．3．1 元組 23
2．3．2 列錶 25
2．3．3 集閤 28
2．3．4 字典 30
2．4 Python的運算符號 33
2．4．1 基本算術運算符號 33
2．4．2 關係運算符號 36
2．4．3 賦值運算符號 37
2．4．4 成員運算符號 38
2．5 Python的主要內置函數 39
2．6 自定義函數 43
2．6．1 運用def語法 43
2．6．2 運用lambda函數 44
2．7 Python的語句 44
2．7．1 條件語句 44
2．7．2 循環語句 46
2．7．3 條件語句和循環語句結閤 48
2．8 模塊的導入與math模塊 49
2．8．1 模塊導入的若乾種方法 50
2．8．2 math模塊 51
2．9 小結 53
2．10 拓展閱讀 53
第 2部分 基礎篇
第3章 結閤金融場景演示NumPy
模塊的操作 56
3．1 從一個投資案例講起 57
3．2 N維數組 58
3．2．1 數組的結構 58
3．2．2 數組的便捷生成 60
3．3 數組的索引、切片和排序 63
3．3．1 索引 63
3．3．2 切片 64
3．3．3 排序 64
3．4 數組的相關運算 65
3．4．1 數組內的運算 65
3．4．2 數組間的運算 69
3．4．3 矩陣的操作 72
3．5 通過NumPy生成隨機數 74
3．5．1 主要的統計分布 74
3．5．2 主要函數 80
3．5．3 相關示例 82
3．6 小結 85
3．7 拓展閱讀 86
第4章 結閤金融時間序列演示Pandas
模塊的操作 87
4．1 Pandas的數據結構 88
4．1．1 序列 88
4．1．2 數據框 90
4．1．3 外部數據導入並直接生成
數據框 91
4．2 數組框的可視化 93
4．2．1 中文字體的可視化 93
4．2．2 數據框可視化的函數與參數 94
4．2．3 一個示例 95
4．3 數據框內部的操作 96
4．3．1 描述數據框的基本性質 96
4．3．2 數據框的索引與截取 98
4．3．3 數據框的排序 100
4．3．4 數據框的更改 102
4．4 數據框之間的操作 105
4．4．1 生成兩個新的數據框 105
4．4．2 函數concat的運用 106
4．4．3 函數merge的運用 108
4．4．4 函數join的運用 109
4．5 數組框的主要統計函數 109
4．5．1 靜態的統計函數 110
4．5．2 移動窗口與動態統計函數 114
4．6 小結 117
4．7 拓展閱讀 117
第5章 結閤金融場景演示Matplotlib
模塊的操作 118
5．1 基本函數 119
5．2 麯綫圖 122
5．2．1 單一麯綫圖 123
5．2．2 多圖繪製 124
5．3 直方圖 126
5．3．1 單一樣本的直方圖 126
5．3．2 多個樣本的直方圖 128
5．4 條形圖 129
5．4．1 垂直條形圖 130
5．4．2 水平條形圖 132
5．5 散點圖 133
5．6 餅圖 136
5．7 小結 138
5．8 拓展閱讀 138
第6章 結閤金融場景演示SciPy等
模塊的操作 139
6．1 SciPy模塊 140
6．1．1 求積分 141
6．1．2 插值法 142
6．1．3 求解方程組 144
6．1．4 最優化求解 146
6．1．5 統計功能 150
6．2 StatsModels模塊 156
6．3 波動率模型與arch模塊 159
6．3．1 估計波動率 159
6．3．2 ARCH模型 160
6．3．3 GARCH模型 161
6．3．4 arch模塊 163
6．4 datetime模塊 167
6．4．1 創建時間的對象 168
6．4．2 訪問時間對象的屬性 169
6．4．3 時間對象的運算 169
6．5 小結 171
6．6 拓展閱讀 171
第3部分 提高篇
第7章 運用Python分析利率與債券 174
7．1 利率體係 175
7．1．1 中央銀行利率 175
7．1．2 金融機構利率 177
7．1．3 金融市場利率 179
7．2 債券市場 182
7．2．1 債券交易場所 183
7．2．2 債券品種 185
7．3 利率的度量 188
7．3．1 利率的復利頻次 189
7．3．2 連續復利 192
7．3．3 零息利率 194
7．4 債券定價與債券收益率 195
7．4．1 債券的核心要素 195
7．4．2 基於單一貼現率的債券定價 195
7．4．3 債券到期收益率 196
7．4．4 基於不同期限貼現率的債券
定價 197
7．4．5 通過票息剝離法計算零息
利率 198
7．4．6 運用零息利率對債券定價 203
7．5 遠期利率與遠期利率協議 204
7．5．1 遠期利率 204
7．5．2 遠期利率協議 207
7．6 衡量債券利率風險的綫性指標—
久期 211
7．6．1 麥考利久期 212
7．6．2 修正久期 214
7．6．3 美元久期 217
7．7 衡量債券利率風險的非綫性
指標—凸性 218
7．7．1 凸性的錶達式 219
7．7．2 案例 219
7．7．3 重要關係式 220
7．8 小結 221
7．9 拓展閱讀 221
第8章 運用Python分析股票投資 222
8．1 股票市場簡介 223
8．1．1 多層次股票市場 223
8．1．2 主要的股票指數 225
8．2 股票投資組閤 228
8．2．1 投資組閤的主要變量 229
8．2．2 投資組閤的有效前沿 235
8．2．3 資本市場綫 239
8．3 資本資産定價模型 241
8．3．1 係統風險與非係統風險 241
8．3．2 模型數學錶達式及運用 245
8．4 股價服從的隨機過程 249
8．4．1 馬爾可夫過程與有效市場假說 249
8．4．2 維納過程與廣義維納過程 251
8．4．3 幾何布朗運動 253
8．5 投資組閤的績效評估 259
8．5．1 夏普比率 259
8．5．2 索提諾比率 262
8．5．3 特雷諾比率 264
8．5．4 信息比率 266
8．6 小結 268
8．7 拓展閱讀 269
第9章 運用Python分析期貨套期
保值 270
9．1 期貨市場的簡介 271
9．1．1 期貨交易所及閤約品種 271
9．1．2 股指期貨閤約的介紹 275
9．1．3 國債期貨閤約的介紹 277
9．1．4 參與期貨交易的動機 279
9．2 股指期貨的套期保值 280
9．2．1 套期保值的類型 280
9．2．2 追加保證金的風險 282
9．2．3 基差風險 285
9．2．4 交叉套期保值 289
9．3 國債期貨閤約的套期保值 297
9．3．1 計息天數規則 298
9．3．2 國債的報價 300
9．3．3 國債期貨最終價格 301
9．3．4 國債期貨的最廉價交割 304
9．3．5 基於久期的套期保值策略 307
9．4 小結 310
9．5 拓展閱讀 310
第 10章 運用Python分析期權的
定價與風險 311
10．1 A股股票期權市場簡介 312
10．1．1 權證市場 312
10．1．2 股指期權閤約 313
10．2 期權類型和到期時的盈虧 315
10．2．1 期權的類型和要素 315
10．2．2 看漲期權到期時的盈虧 316
10．2．3 看跌期權到期時的盈虧 318
10．2．4 看跌-看漲平價關係式 320
10．3 布萊剋-斯科爾斯-默頓模型 323
10．4 期權價格與相關變量的關係 325
10．4．1 期權價格與基礎資産價格的
關係 325
10．4．2 期權價格與執行價格的關係 326
10．4．3 期權價格與波動率的關係 327
10．4．4 期權價格與無風險收益率的
關係 328
10．4．5 期權價格與期權期限的關係 330
10．5 衡量期權的風險—希臘字母 331
10．5．1 期權的Delta 331
10．5．2 期權的Gamma 335
10．5．3 期權的Theta 339
10．5．4 期權的Vega 343
10．5．5 期權的Rho 347
10．6 期權的隱含波動率 351
10．6．1 運用牛頓迭代法計算隱含
波動率 351
10．6．2 運用二分查找法計算隱含
波動率 353
10．7 波動率微笑與斜偏 355
10．7．1 波動率微笑 355
10．7．2 波動率斜偏 358
10．8 小結 362
10．9 拓展閱讀 362
第 11章 運用Python分析期權交易
策略 363
11．1 保本票據 364
11．1．1 一個虛擬的案例 364
11．1．2 一個真實市場的案例 366
11．2 單一期權與單一基礎資産的策略 368
11．2．1 買入備兌看漲期權 369
11．2．2 賣齣備兌看漲期權 371
11．2．3 買入保護看跌期權 373
11．2．4 賣齣保護看跌期權 375
11．2．5 策略的期間收益 377
11．3 價差交易策略 381
11．3．1 牛市價差策略 381
11．3．2 熊市價差策略 385
11．3．3 盒式價差策略 389
11．3．4 蝶式價差策略 392
11．4 組閤策略 397
11．4．1 跨式組閤策略 397
11．4．2 序列組閤策略與帶式組閤
策略 401
11．4．3 寬跨式組閤策略 404
11．5 小結 412
11．6 拓展閱讀 412
第 12章 運用Python測度風險價值 413
12．1 風險價值的概述 414
12．1．1 風險價值的定義 414
12．1．2 運用Python對風險價值
可視化 415
12．1．3 風險價值的優點與局限性 417
12．2 風險價值的方差-協方差法 418
12．2．1 方差-協方差法的簡介 418
12．2．2 案例 420
12．3 風險價值的曆史模擬法 423
12．3．1 曆史模擬法的簡介 423
12．3．2 案例 425
12．4 濛特卡羅模擬法 428
12．4．1 濛特卡羅模擬的簡介 428
12．4．2 案例 430
12．5 迴溯檢驗、壓力測試與壓力風險
價值 434
12．5．1 迴溯檢驗 434
12．5．2 壓力測試 437
12．5．3 壓力風險價值 439
12．5．4 比較不同方法計算的風險
價值 443
12．6 小結 443
12．7 擴展閱讀 443
後記 445
· · · · · · (收起)
具體描述
金融科技時代已經到來，善於將金融理論與IT技術進行深度融閤的人，將成為新時代獨具競爭力的金融科技類人纔。無論是打算在金融領域求職的新人，還是希望進一步提升個人能力的“職場老手”，本書都值得一看。
1.內容前沿，將Python編程與金融分析、風險管理巧妙結閤，引領金融科技新時代。
2.源於實踐，完美整閤瞭作者20餘年的金融從業經驗和Python編程實踐。
3.實例豐富，提供244個金融實戰案例，彰顯Python在金融領域運用的簡潔與高效。
4.注重效率，清晰的編程步驟和詳盡的代碼注釋，幫你輕鬆理解並掌握Python編程。
5.覆蓋麵廣，案例涵蓋貨幣市場、債券市場、股票市場、期貨市場和期權市場。
6.聚焦風控，深度剖析各類金融産品的風險，討論風險管理的重要工具和量化模型。
Python是一門開源的編程語言，憑藉其易學和靈活的特點，得到瞭越來越多人的認可和青睞。它在金融領域也有著非常好的應用現狀和前景。
本書聚焦於Python在金融分析與風險管理的應用，全書分為入門篇、基礎篇和提高篇，共12章。入門篇對Python做瞭介紹並結閤金融場景演示瞭Python的基本操作；基礎篇結閤金融場景，講解NumPy、Pandas、Matplotlib、SciPy等Python模塊的具體運用；提高篇詳細討論運用Python分析利率、債券、股票、期貨、期權以及風險價值等內容。
本書是專注於Python在金融領域運用的普及性讀物，作者斯文博士在金融與風險管理方麵有著深厚的積纍，同時也有著豐富的編程經驗，一直緻力於倡導和推廣Python在金融領域的運用。
本書適閤想要掌握Python應用的金融學習者、金融從業者閱讀，也適閤想要轉行到金融領域的程序員以及對Python在金融領域的實踐應用感興趣的人士閱讀，並且不要求讀者有Python編程基礎。
用戶評價
評分
##基礎編程與基礎金融知識相結閤，是入門材料。想要尋找特定領域的實踐運用，還要看看其他書。
評分##已買，有用性很有限
評分##還行吧
評分##一本用python實操market risk的書。
評分##還行吧
評分##菜狗入門讀物
評分看瞭股票的部分，挺適閤入門的，要講的東西基本都講清楚瞭
評分##一本用python實操market risk的書。
評分##比較基礎，適閤本科生入門。國內寫這類書的人無論是文字還是代碼都很隨意，這本書還是比較認真的寫的，有著作者自己的思考。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.teaonline.club All Rights Reserved. 圖書大百科 版權所有