类似推荐
编辑推荐
本书系统阐述Python在金融领域的应用，不仅涵盖核心的金融理论及相关数学概念，还详细讲解行业使用的先进金融模型及Python解决方案。
内容简介
本书首先介绍Jupyter Notebook的设置，随后讲解一系列金融分析中广泛应用的库（如TensorFlow、Keras、NumPy、SciPy、scikit-learn等），这些库可以帮助分析师做出基于数据分析的高效投资决策。
书中结合常见的金融概念（如股票、期权、利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析。之后，你将学习如何对时间序列数据进行统计分析，了解如何搭建算法交易平台以利用高频数据设计交易策略，以及如何构建事件驱动的回溯测试系统来检验交易策略，评价不同策略的业绩表现。最后，你将探索金融前沿领域正在运用的机器学习和深度学习技术。
本书适合对Python定量研究感兴趣的金融从业者、数据分析师和软件开发人员阅读。此外，本书对那些想使用机器学习技术扩展现有金融应用程序功能的读者也有一定的参考价值。
作者简介
章节目录
版权信息
前言
审校者简介
第一部分 开始学习Python
第1章 Python金融分析概述
1.1 安装Python
1.2 Quandl简介
1.3 绘制时间序列图
1.4 对时间序列数据进行金融分析
1.5 总结
第二部分 金融概念
第2章 金融中的线性问题
2.1 资本资产定价模型与证券市场线
2.2 套利定价理论模型
2.3 因子模型的多元线性回归
2.4 线性最优化
2.5 使用矩阵解线性方程组
2.6 LU分解
2.7 Cholesky分解
2.8 QR分解
2.9 使用其他矩阵代数方法求解
2.10 总结
第3章 金融中的非线性问题
3.1 非线性建模
3.2 非线性模型求根算法
3.3 利用SciPy求根
3.4 总结
第4章 期权定价的数值方法
4.1 什么是期权
4.2 二叉树期权定价模型
4.3 欧式期权定价
4.4 编写StockOption基类
4.5 希腊值
4.6 三叉树期权定价模型
4.7 期权定价中的Lattice方法
4.8 期权定价中的有限差分法
4.9 隐含波动率模型
4.10 总结
第5章 利率及其衍生工具的建模
5.1 固定收益证券
5.2 收益率曲线
5.3 无息债券
5.4 自助法构建收益率曲线
5.5 远期利率
5.6 计算到期收益率
5.7 计算债券定价
5.8 债券久期
5.9 债券凸度
5.10 短期利率模型
5.11 债券期权
5.12 可赎回债券期权定价
5.13 总结
第6章 时间序列数据的统计分析
6.1 道琼斯工业平均指数及其30种成分
6.2 PCA分析
6.3 平稳和非平稳时间序列
6.4 扩展Dickey-Fuller检验
6.5 用趋势分析时间序列
6.6 如何使时间序列平稳
6.7 预测和预报时间序列
6.8 总结
第三部分 实践操作
第7章 对VIX的交互式金融分析
7.1 波动率指数衍生品
7.2 S&P 500指数和VIX指数的金融分析
7.3 计算VIX指数
7.4 总结
第8章 构建算法交易平台
8.1 什么是算法交易
8.2 建立算法交易平台
8.3 建立均值回归算法交易系统
8.4 建立趋势跟踪交易平台
8.5 用VaR技术实现风险管理
8.6 总结
第9章 回溯测试系统的实现
9.1 回溯测试概述
9.2 设计并实施回溯测试系统
9.3 回溯测试模型的10个注意事项
9.4 回溯测试中的算法选择
9.5 总结
第10章 金融中的机器学习
10.1 机器学习简介
10.2 用单资产回归模型预测价格
10.3 用跨资产动量模型预测收益
10.4 基于分类的机器学习预测趋势
10.5 机器学习算法的应用结论
10.6 总结
第11章 金融中的深度学习
11.1 浅谈深度学习
11.2 基于TensorFlow的深度学习价格预测模型
11.3 基于Keras的信用卡支付违约预测
11.4 总结
Python金融数据分析（原书第2版）是2021年由机械工业出版社华章分社出版,作者[新加坡] 马伟明。
得书感谢您对《Python金融数据分析（原书第2版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
