0%

Python金融大数据分析PDF下载

《Python金融大数据分析》

链接: https://pan.baidu.com/s/1Y2X95od-ZdAywfRV8_-ZdQ 提取码: rpqw

Python已成为数据驱动AI、金融优先选择的编程语言。现在,一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中,作者向开发人员和量化分析人员介绍了使用Python程序库与工具,完成金融数据科学、算法交易和计算金融任务的方法。

Python与金融:Python交互式金融分析与程序开发入门。

基本知识:学习Python数据类型与结构、NumPy、pandas及其DataFrame类、面向对象编程。

金融数据科学:探索用于金融时间序列数据、I/O操作、推断统计学和机器学习的Python技术与程序库。

算法交易:使用Python来验证和部署自动算法交易策略。

衍生品分析:开发灵活、强大的Python期权、衍生品定价和风险管理程序库。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697

目录

第 1部分 Python与金融

第 1章 为什么将Python用于金融 3

1.1 Python编程语言 3

1.1.1 Python简史 5

1.1.2 Python生态系统 6

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 科技投入 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 10

1.2.4 不断提高的速度、频率和数据量 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 16

1.3.3 从原型化到生产 20

1.4 数据驱动和人工智能优先的金融学 21

1.4.1 数据驱动金融学 21

1.4.2 人工智能优先金融学 24

1.5 结语 26

1.6 延伸阅读 27

第 2章 Python基础架构 29

2.1 作为包管理器使用的conda 31

2.1.1 安装Miniconda 31

2.1.2 conda基本操作 33

2.2 作为虚拟环境管理器的conda 37

2.3 使用Docker容器 41

2.3.1 Docker镜像和容器 41

2.3.2 构建Ubuntu和Python Docker镜像 42

2.4 使用云实例 46

2.4.1 RSA公钥和私钥 47

2.4.2 Jupyter Notebook配置文件 48

2.4.3 Python和Jupyter Notebook安装脚本 49

2.4.4 协调Droplet设置的脚本 51

2.5 结语 52

2.6 延伸阅读 53

第 2部分 掌握基础知识

第3章 数据类型与结构 57

3.1 基本数据类型 58

3.1.1 整数 58

3.1.2 浮点数 59

3.1.3 布尔值 61

3.1.4 字符串 65

3.1.5 题外话:打印和字符串替换 66

3.1.6 题外话:正则表达式 69

3.2 基本数据结构 71

3.2.1 元组 71

3.2.2 列表 72

3.2.3 题外话:控制结构 74

3.2.4 题外话:函数式编程 75

3.2.5 字典 76

3.2.6 集合 78

3.3 结语 79

3.4 延伸阅读 79

第4章 用NumPy进行数值计算 81

4.1 数据数组 82

4.1.1 用Python列表形成数组 82

4.1.2 Python array类 84

4.2 常规NumPy数组 86

4.2.1 基础知识 86

4.2.2 多维数组 89

4.2.3 元信息 93

4.2.4 改变组成与大小 93

4.2.5 布尔数组 97

4.2.6 速度对比 99

4.3 NumPy结构数组 100

4.4 代码向量化 102

4.4.1 基本向量化 102

4.4.2 内存布局 105

4.5 结语 107

4.6 延伸阅读 108

第5章 pandas数据分析 109

5.1 DataFrame类 110

5.1.1 使用DataFrame类的第 一步 110

5.1.2 使用DataFrame类的第二步 114

5.2 基本分析 118

5.3 基本可视化 122

5.4 Series类 124

5.5 GroupBy操作 126

5.6 复杂选择 128

5.7 联接、连接和合并 131

5.7.1 联接 132

5.7.2 连接 133

5.7.3 合并 135

5.8 性能特征 137

5.9 结语 139

5.10 延伸阅读 140

第6章 面向对象编程 141

6.1 Python对象简介 145

6.1.1 int 145

6.1.2 list 146

6.1.3 ndarray 146

6.1.4 DataFrame 148

6.2 Python类基础知识 149

6.3 Python数据模型 154

6.4 Vector类 158

6.5 结语 159

6.6 延伸阅读 159

第3部分 金融数据科学

第7章 数据可视化 163

7.1 静态2D绘图 164

7.1.1 一维数据集 164

7.1.2 二维数据集 170

7.1.3 其他绘图样式 177

7.2 静态3D绘图 184

7.3 交互式2D绘图 188

7.3.1 基本图表 188

7.3.2 金融图表 192

7.4 结语 196

7.5 延伸阅读 196

第8章 金融时间序列 197

8.1 金融数据 198

8.1.1 数据导入 198

8.1.2 汇总统计 201

8.1.3 随时间推移的变化 203

8.1.4 重新采样 207

8.2 滚动统计 209

8.2.1 概述 209

8.2.2 技术分析示例 211

8.3 相关分析 213

8.3.1 数据 213

8.3.2 对数回报率 214

8.3.3 OLS回归 216

8.3.4 相关 217

8.4 高频数据 218

8.5 结语 220

8.6 延伸阅读 220

第9章 输入/输出操作 221

9.1 Python基本I/O 222

9.1.1 将对象写入磁盘 222

9.1.2 读取和写入文本文件 225

9.1.3 使用SQL数据库 229

9.1.4 读写NumPy数组 232

9.2 pandas的I/O 234

9.2.1 使用SQL数据库 235

9.2.2 从SQL到pandas 237

9.2.3 使用CSV文件 239

9.2.4 使用Excel文件 240

9.3 PyTables的I/O 242

9.3.1 使用表 242

9.3.2 使用压缩表 250

9.3.3 使用数组 252

9.3.4 内存外计算 253

9.4 TsTables的I/O 256

9.4.1 样板数据 257

9.4.2 数据存储 258

9.4.3 数据检索 259

9.5 结语 261

9.6 延伸阅读 262

第 10章 高性能的Python 265

10.1 循环 266

10.1.1 Python 266

10.1.2 NumPy 267

10.1.3 Numba 268

10.1.4 Cython 269

10.2 算法 271

10.2.1 质数 271

10.2.2 斐波那契数 275

10.2.3 π 279

10.3 二叉树 283

10.3.1 Python 283

10.3.2 NumPy 285

10.3.3 Numba 286

10.3.4 Cython 287

10.4 蒙特卡洛模拟 288

10.4.1 Python 289

10.4.2 NumPy 291

10.4.3 Numba 291

10.4.4 Cython 292

10.4.5 多进程 293

10.5 pandas递归算法 294

10.5.1 Python 294

10.5.2 Numba 296

10.5.3 Cython 296

10.6 结语 297

10.7 延伸阅读 298

第 11章 数学工具 299

11.1 逼近法 299

11.1.1 回归 301

11.1.2 插值 310

11.2 凸优化 314

11.2.1 全局优化 315

11.2.2 局部优化 317

11.2.3 有约束优化 318

11.3 积分 320

11.3.1 数值积分 321

11.3.2 通过模拟求取积分 322

11.4 符号计算 323

11.4.1 基础知识 323

11.4.2 方程式 325

11.4.3 积分与微分 325

11.4.4 微分 326

11.5 结语 328

11.6 延伸阅读 328

第 12章 推断统计学 331

12.1 随机数 332

12.2 模拟 338

12.2.1 随机变量 338

12.2.2 随机过程 341

12.2.3 方差缩减 356

12.3 估值 359

12.3.1 欧式期权 359

12.3.2 美式期权 364

12.4 风险测度 367

12.4.1 风险价值 367

12.4.2 信用价值调整 371

12.5 Python脚本 374

12.6 结语 377

12.7 延伸阅读 377

第 13章 统计学 379

13.1 正态性检验 380

13.1.1 基准案例 381

13.1.2 真实数据 390

13.2 投资组合优化 396

13.2.1 数据 396

13.2.2 基本理论 398

13.2.3 最优投资组合 401

13.2.4 有效边界 404

13.2.5 资本市场线 405

13.3 贝叶斯统计 408

13.3.1 贝叶斯公式 409

13.3.2 贝叶斯回归 410

13.3.3 两种金融工具 414

13.3.4 随时更新估算值 418

13.4 机器学习 423

13.4.1 无监督学习 423

13.4.2 有监督学习 426

13.5 结语 441

13.6 延伸阅读 441

第4部分 算法交易

第 14章 FXCM交易平台 445

14.1 入门 446

14.2 读取数据 447

14.2.1 读取分笔交易数据 447

14.2.2 读取K线(蜡烛图)数据 449

14.3 使用API 451

14.3.1 读取历史数据 452

14.3.2 读取流数据 454

14.3.3 下单 455

14.3.4 账户信息 457

14.4 结语 457

14.5 延伸阅读 458

第 15章 交易策略 459

15.1 简单移动平均数 460

15.1.1 数据导入 460

15.1.2 交易策略 461

15.1.3 向量化事后检验 463

15.1.4 优化 465

15.2 随机游走假设 467

15.3 线性OLS回归 469

15.3.1 数据 470

15.3.2 回归 472

15.4 聚类 474

15.5 频率方法 476

15.6 分类 479

15.6.1 两个二元特征 479

15.6.2 5个二元特征 480

15.6.3 5个数字化特征 482

15.6.4 顺序训练-测试分离 484

15.6.5 随机训练-测试分离 485

15.7 深度神经网络 486

15.7.1 用scikit-learn实现DNN 486

15.7.2 用TensorFlow实现DNN 489

15.8 结语 492

15.9 延伸阅读 493

第 16章 自动化交易 495

16.1 资本管理 496

16.1.1 二项设定中的凯利标准 496

16.1.2 用于股票及指数的凯利标准 500

16.2 基于ML的交易策略 505

16.2.1 向量化事后检验 505

16.2.2 最优杠杆 510

16.2.3 风险分析 512

16.2.4 持久化模型对象 515

16.3 在线算法 516

16.4 基础设施与部署 518

16.5 日志与监控 519

16.6 结语 521

16.7 Python脚本 522

16.7.1 自动化交易策略 522

16.7.2 策略监控 525

16.8 延伸阅读 525

第5部分 衍生品分析

第 17章 估值框架 529

17.1 资产定价基本定理 529

17.1.1 简单示例 530

17.1.2 一般结果 530

17.2 风险中立折现 532

17.2.1 日期建模与处理 532

17.2.2 恒定短期利率 534

17.3 市场环境 536

17.4 结语 539

17.5 延伸阅读 540

第 18章 金融模型的模拟 541

18.1 随机数生成 542

18.2 通用模拟类 544

18.3 几何布朗运动 548

18.3.1 模拟类 548

18.3.2 用例 550

18.4 跳跃扩散 553

18.4.1 模拟类 553

18.4.2 用例 556

18.5 平方根扩散 557

18.5.1 模拟类 558

18.5.2 用例 560

18.6 结语 561

18.7 延伸阅读 563

第 19章 衍生品估值 565

19.1 通用估值类 566

19.2 欧式行权 570

19.2.1 估值类 570

19.2.2 用例 572

19.3 美式行权 577

19.3.1 最小二乘蒙特卡洛方法 577

19.3.2 估值类 578

19.3.3 用例 580

19.4 结语 583

19.5 延伸阅读 585

第 20章 投资组合估值 587

20.1 衍生品头寸 588

20.1.1 类 588

20.1.2 用例 590

20.2 衍生品投资组合 592

20.2.1 类 592

20.2.2 用例 597

20.3 结语 604

20.4 延伸阅读 605

第 21章 基于市场的估值 607

21.1 期权数据 608

21.2 模型检验 610

21.2.1 相关市场数据 611

21.2.2 期权建模 612

21.2.3 检验过程 615

21.3 投资组合估值 620

21.3.1 建立期权头寸模型 621

21.3.2 期权投资组合 622

21.4 Python代码 623

21.5 结语 625

21.6 延伸阅读 626

附录A 日期与时间 627

A.1 Python 627

A.2 NumPy 633

A.3 pandas 636

附录B BSM期权类 641

B.1 类定义 641

B.2 类的使用 643


最后,这里为大家准备了几百本的互联网电子书,有需要的过来取吧。点击获取

本页书籍均来自网络,如有侵权,请联系我立即删除。我的邮箱:yaojianguolq@163.com

------ 全文结束------