☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　金融行業已經以驚人的速度采用Python，一些大的投資銀行和對衝基金使用Python來構建核心的交易和風險管理係統。本書可以幫助開發人員和量化分析人員入門Python，並指導他們掌握Python在計量金融學上的重要應用。　　本書通過大量的實用示例並以一個大型的真實案例研究為基礎，講解如何為基於濛特卡洛模擬的衍生品和風險分析開發一個成熟的框架。本書大部分內容使用瞭交互式的IPython Notebooks，並包含瞭如下主題。　　基礎知識：Python數據結構，NumPy數組處理、用pandas進行時間序列分析，用matplotlib可視化，用PyTables進行高性能I/O操作，日期/時間信息處理和精選的實踐。　　金融主題：使用瞭NumPy、SciPy和SymPy的數學技術，例如迴歸和優化；用於濛特卡洛模擬、風險價值、風險信用價值計算的推斷統計學；用於正態性檢驗、均方差投資組閤優化、主成分分析（PCA）和貝葉斯迴歸的統計學。　　特殊主題：用於金融算法的高性能Python，如嚮量化和並行化；Python與Excel的集成；以及構建基於Web技術的金融應用程序。

內容簡介

　　Python憑藉其簡單、易讀、可擴展性以及擁有巨大而活躍的科學計算社區，在需要分析、處理大量數據的金融行業得到瞭廣泛而迅速的應用，並且成為該行業開發核心應用的編程語言。《Python金融大數據分析》提供瞭使用Python進行數據分析，以及開發相關應用程序的技巧和工具。　　《Python金融大數據分析》總計分為3部分，共19章，第1部分介紹瞭Python在金融學中的應用，其內容涵蓋瞭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部分介紹瞭金融分析和應用程序開發中重要的Python庫、技術和方法，其內容涵蓋瞭Python的數據類型和結構、用matplotlib進行數據可視化、金融時間序列數據處理、高性能輸入/輸齣操作、高性能的Python技術和庫、金融學中需要的多種數學工具、隨機數生成和隨機過程模擬、Python統計學應用、Python和Excel的集成、Python麵嚮對象編程和GUI的開發、Python與Web技術的集成，以及基於Web應用和Web服務的開發；第3部分關注的是濛特卡洛模擬期權與衍生品定價實際應用的開發工作，其內容涵蓋瞭估值框架的介紹、金融模型的模擬、衍生品的估值、投資組閤的估值、波動率期權等知識。　　《Python金融大數據分析》適閤對使用Python進行大數據分析、處理感興趣的金融行業開發人員閱讀。

作者簡介

　　Yves Hilpsch，是Python Quants（德國）股份有限公司的創始人和任事股東，也是Python Quants（紐約）有限責任公司的共同創辦人。該集團提供基於Python的金融和衍生品分析軟件（參見http://pythonquants.com，http://quant-platfrom.com和http://dx-analytics.com），以及和Python及金融相關的谘詢、開發和培訓服務。　　Yves還是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作為獲得數理金融學博士學位的商業管理專業研究生，他在薩爾州大學講授計算金融學中的數值化方法課程。

目錄

第1部分 Python與金融
第1章 為什麼將Python用於金融 3
1．1 Python是什麼 3
1．1．1 Python簡史 5
1．1．2 Python生態係統 5
1．1．3 Python用戶譜係 7
1．1．4 科學棧 7
1．2 金融中的科技 8
1．2．1 科技開銷 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纔 9
1．2．4 不斷提高的速度、頻率、數據量 10
1．2．5 實時分析的興起 11
1．3 用於金融的Python 12
1．3．1 金融和Python語法 12
1．3．2 Python的效率和生産率 15
1．3．3 從原型化到生産 19
1．4 結語 20
1．5 延伸閱讀 20
第2章 基礎架構和工具 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 結語 42
2．3 延伸閱讀 43
第3章 入門示例 45
3．1 隱含波動率 46
3．2 濛特卡洛模擬 54
3．2．1 純Python 56
3．2．2 用NumPy嚮量化 57
3．2．3 利用對數歐拉方法實現全嚮量化 59
3．2．4 圖形化分析 60
3．2．5 技術分析 62
3．3 結語 67
3．4 延伸閱讀 68
第2部分 金融分析和開發
第4章 數據類型和結構 71
4．1 基本數據類型 72
4．1．1 整數 72
4．1．2 浮點數 73
4．1．3 字符串 75
4．2 基本數據結構 77
4．2．1 元組 77
4．2．2 列錶 78
4．2．3 離題：控製結構 80
4．2．4 離題：函數式編程 81
4．2．5 字典 82
4．2．6 集閤 84
4．3 NumPy數據結構 85
4．3．1 用Python列錶形成數組 85
4．3．2 常規NumPy數組 87
4．3．3 結構數組 90
4．4 代碼嚮量化 91
4．5 內存布局 93
4．6 結語 95
4．7 延伸閱讀 95
第5章 數據可視化 97
5．1 二維繪圖 97
5．1．1 一維數據集 98
5．1．2 二維數據集 103
5．1．3 其他繪圖樣式 109
5．2 金融學圖錶 116
5．3 3D繪圖 119
5．4 結語 122
5．5 延伸閱讀 122
第6章 金融時間序列 123
6．1 pandas基礎 124
6．1．1 使用DataFrame類的第一步 124
6．1．2 使用DataFrame類的第二步 127
6．1．3 基本分析 131
6．1．4 Series類 134
6．1．5 GroupBy操作 135
6．2 金融數據 136
6．3 迴歸分析 142
6．4 高頻數據 150
6．5 結語 154
6．6 延伸閱讀 154
第7章 輸入/輸齣操作 155
7．1 Python基本I/O 156
7．1．1 將對象寫入磁盤 156
7．1．2 讀寫文本文件 159
7．1．3 SQL數據庫 160
7．1．4 讀寫NumPy數組 162
7．2 Pandas的I/O 164
7．2．1 SQL數據庫 165
7．2．2 從SQL到pandas 166
7．2．3 CSV文件數據 168
7．2．4 Excel文件數據 169
7．3 PyTables的快速I/O 170
7．3．1 使用錶 170
7．3．2 使用壓縮錶 175
7．3．3 使用數組 176
7．3．4 內存外計算 177
7．4 結語 179
7．5 延伸閱讀 180
第8章 高性能的Python 181
8．1 Python範型與性能 182
8．2 內存布局與性能 184
8．3 並行計算 186
8．3．1 濛特卡洛算法 186
8．3．2 順序化計算 187
8．3．3 並行計算 188
8．3．4 性能比較 191
8．4 多處理 191
8．5 動態編譯 193
8．5．1 介紹性示例 193
8．5．2 二項式期權定價方法 195
8．6 用Cython進行靜態編譯 199
8．7 在GPU上生成隨機數 201
8．8 結語 205
8．9 延伸閱讀 205
第9章 數學工具 207
9．1 逼近法 208
9．1．1 迴歸 208
9．1．2 插值 218
9．2 凸優化 221
9．2．1 全局優化 222
9．2．2 局部優化 223
9．2．3 有約束優化 224
9．3 積分 226
9．3．1 數值積分 228
9．3．2 通過模擬求取積分 228
9．4 符號計算 229
9．4．1 基本知識 229
9．4．2 方程式 230
9．4．3 積分 231
9．4．4 微分 232
9．5 結語 233
9．6 延伸閱讀 233
第10章 推斷統計學 235
10．1 隨機數 236
10．2 模擬 241
10．2．1 隨機變量 241
10．2．2 隨機過程 244
10．2．3 方差縮減 256
10．3 估值 259

10．3．1 歐式期權 259
10．3．2 美式期權 263
10．4 風險測度 266
10．4．1 風險價值 266
10．4．2 信用價值調整 270
10．5 結語 272
10．6 延伸閱讀 273
第11章 統計學 275
11．1 正態性檢驗 276
11．1．1 基準案例 277
11．1．2 現實世界的數據 284
11．2 投資組閤優化 289
11．2．1 數據 290
11．2．2 基本理論 291
11．2．3 投資組閤優化 294
11．2．4 有效邊界 296
11．2．5 資本市場綫 297
11．3 主成分分析 300
11．3．1 DAX指數和30種成分股 301
11．3．2 應用PCA 301
11．3．3 構造PCA指數 302
11．4 貝葉斯迴歸 305
11．4．1 貝葉斯公式 305
11．4．2 PyMC3 306
11．4．3 介紹性示例 307
11．4．4 真實數據 310
11．5 結語 318
11．6 延伸閱讀 318
第12章 Excel集成 321
12．1 基本電子錶格交互 322
12．1．1 生成工作簿（．xls） 323
12．1．2 生成工作簿（．xslx） 324
12．1．3 從工作簿中讀取 326
12．1．4 使用OpenPyxl 328
12．1．5 使用pandas讀寫 329
12．2 用Python編寫Excel腳本 332

12．2．1 安裝DataNitro 333
12．2．2 使用DataNitro 333
12．3 xlwings 342
12．4 結語 342
12．5 延伸閱讀 343
第13章 麵嚮對象和圖形用戶界麵 345
13．1 麵嚮對象 345
13．1．1 Python類基礎知識 346
13．1．2 簡單的短期利率類 350
13．1．3 現金流序列類 354
13．2 圖形用戶界麵 356
13．2．1 帶GUI的短期利率類 356
13．2．2 值的更新 358
13．2．3 帶GUI的現金流序列類 360
13．3 結語 362
13．4 延伸閱讀 362
第14章 Web集成 365
14．1 Web基礎知識 366
14．1．1 ftplib 366
14．1．2 httplib 368
14．1．3 urllib 369
14．2 Web圖錶繪製 372
14．2．1 靜態圖錶繪製 372
14．2．2 交互式圖錶繪製 374
14．2．3 實時圖錶繪製 375
14．3 快速Web應用 383
14．3．1 交易者的聊天室 384
14．3．2 數據建模 384
14．3．3 Python代碼 385
14．3．4 模闆 391
14．3．5 樣式化 396
14．4 Web服務 397
14．4．1 金融模型 399
14．4．2 實現 400
14．5 結語 406
14．6 延伸閱讀 406

第3部分 衍生品分析庫
第15章 估值框架 409
15．1 資産定價基本定理 409
15．1．1 簡單示例 409
15．1．2 一般結果 410
15．2 風險中立摺現 412
15．2．1 日期建模和處理 412
15．2．2 固定短期利率 413
15．3 市場環境 415
15．4 結語 418
15．5 延伸閱讀 419
第16章 金融模型的模擬 421
16．1 隨機數生成 422
16．2 泛型模擬類 423
16．3 幾何布朗運動 427
16．3．1 模擬類 427
16．3．2 用例 429
16．4 跳躍擴散 431
16．4．1 模擬類 431
16．4．2 用例 434
16．5 平方根擴散 435
16．5．1 模擬類 435
16．5．2 用例 437
16．6 結語 438
16．7 延伸閱讀 440
第17章 衍生品估值 441
17．1 泛型估值類 441
17．2 歐式行權 445
17．3 估值類 445
17．4 美式行權 451
17．4．1 最小二乘濛特卡洛方法 451
17．4．2 估值類 453
17．4．3 用例 454
17．5 結語 457
17．6 延伸閱讀 458
第18章 投資組閤估值 459
18．1 衍生品頭寸 460
18．1．1 類 460
18．1．2 用例 462
18．2 衍生品投資組閤 463
18．2．1 類 463
18．2．2 用例 467
18．3 結語 472
18．4 延伸閱讀 474
第19章 波動率期權 475
19．1 VSTOXX數據 476
19．1．1 VSTOXX指數數據 476
19．1．2 VSTOXX期貨數據 477
19．1．3 VSTOXX期權數據 479
19．2 模型檢驗 480
19．2．1 相關市場數據 480
19．2．2 期權建模 481
19．2．3 檢驗過程 483
19．3 基於VSTOXX的美式期權 487
19．3．1 期權頭寸建模 487
19．3．2 期權投資組閤 488
19．4 結語 489
19．5 延伸閱讀 490
附錄A 精選的最佳實踐 491
附錄B 看漲期權類 499
附錄C 日期和時間 503

前言/序言

Python金融大數據分析 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

物流快，熟包裝可以，書內容質量 閱後再評物流快，熟包裝可以，書內容質量 閱後再評物流快，熟包裝可以，書內容質量 閱後再評

評分☆☆☆☆☆

also very enthusiastic,and sometimes inconvenient

評分☆☆☆☆☆

　　主題包括：

評分☆☆☆☆☆

患，排除萬難。給予我們非常好的購物體驗。順頌商祺！

評分☆☆☆☆☆

給自己的新寵，書不錯，適閤我初學者

評分☆☆☆☆☆

評分☆☆☆☆☆

這本書纔是最適閤入門的，對比Python基礎教程，這本講得更詳細，更容易上手。

評分☆☆☆☆☆

可以，書是好書，而且物流也很快，一直很信賴京東

類似圖書 點擊查看全場最低價