91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
Python 金融大數(shù)據(jù)分析（第2版）
Python 金融大數(shù)據(jù)分析（第2版）
Yves Hilpisch 著
姚軍 譯
出版時間：2020年04月
頁數(shù)：648
“Python因其易于理解的語法、與C/C++的輕松集成和多種數(shù)值計算工具，成為了金融分析的極佳選擇。它正在快速替代主流金融機構使用的語言與工具，并成為事實上的標準?！?br /> ——Kirat Singh
Beacon Platform公司聯(lián)合創(chuàng)始人兼CEO
Python已成為數(shù)據(jù)驅動、AI、金融優(yōu)先選擇的編程語言?，F(xiàn)在，一些大 型的投資銀行和對沖基金均使用Python及其相關技術來構建核心交易與風險管理系統(tǒng)。在本書中，作者向開發(fā)人員和量化分析人員介紹了使用 Python程序庫與工具，完成金融數(shù)據(jù)科學、算法交易和計算金融任務的方法。
本書的多數(shù)代碼已針對Python 3做了更新，為讀者提供了書中使用的幾乎所有示例的可執(zhí)行、交互版本。本書包括以下5個方面的內(nèi)容，你可以從中了解Python及其相關技術是如何為金融公司及從業(yè)者提供技術框架的。
● Python和金融：Python交互式金融分析與程序開發(fā)入門。
● 基礎知識：學習Python數(shù)據(jù)類型與結構、NumPy、pandas及其DataFrame類、面向對象編程。
● 金融數(shù)據(jù)科學：探索用于金融時間序列數(shù)據(jù)、I/O操作、推斷統(tǒng)計學和機器學習的Python技術與程序庫。
● 算法交易：使用Python來驗證和部署自動算法交易策略。
● 衍生品分析：開發(fā)靈活且強大的Python期權、衍生品定價和風險管理程序庫。
  1. 第1部分 Python與金融
  2. 第1章 為什么將Python用于金融　
  3. 1.1　Python編程語言　
  4. 1.1.1　Python簡史　
  5. 1.1.2　Python生態(tài)系統(tǒng)　
  6. 1.1.3　Python用戶譜系　
  7. 1.1.4　科學?！?
  8. 1.2　金融中的科技
  9. 1.2.1　科技投入　
  10. 1.2.2　作為業(yè)務引擎的科技　
  11. 1.2.3　作為進入門檻的科技和人才　
  12. 1.2.4　不斷提高的速度、頻率和數(shù)據(jù)量　
  13. 1.2.5　實時分析的興起　
  14. 1.3　用于金融的Python　
  15. 1.3.1　金融和Python語法　
  16. 1.3.2　Python的效率和生產(chǎn)率　
  17. 1.3.3　從原型化到生產(chǎn)　
  18. 1.4　數(shù)據(jù)驅動和人工智能優(yōu)先的金融學　
  19. 1.4.1　數(shù)據(jù)驅動金融學　
  20. 1.4.2　人工智能優(yōu)先金融學　
  21. 1.5　結語　
  22. 1.6　延伸閱讀　
  23. 第2章 Python基礎架構　
  24. 2.1　作為包管理器使用的conda　
  25. 2.1.1　安裝Miniconda　
  26. 2.1.2　conda基本操作　
  27. 2.2　作為虛擬環(huán)境管理器的conda　
  28. 2.3　使用Docker容器　
  29. 2.3.1　Docker鏡像和容器　
  30. 2.3.2　構建Ubuntu和Python Docker鏡像　
  31. 2.4　使用云實例　
  32. 2.4.1　RSA公鑰和私鑰　
  33. 2.4.2　Jupyter Notebook配置文件　
  34. 2.4.3　Python和Jupyter Notebook安裝腳本　
  35. 2.4.4　協(xié)調(diào)Droplet設置的腳本　
  36. 2.5　結語　
  37. 2.6　延伸閱讀　
  38. 第2部分 掌握基礎知識
  39. 第3章　數(shù)據(jù)類型與結構　
  40. 3.1　基本數(shù)據(jù)類型　
  41. 3.1.1　整數(shù)　
  42. 3.1.2　浮點數(shù)　
  43. 3.1.3　布爾值　
  44. 3.1.4　字符串　
  45. 3.1.5　題外話：打印和字符串替換　
  46. 3.1.6　題外話：正則表達式　
  47. 3.2　基本數(shù)據(jù)結構　
  48. 3.2.1　元組　
  49. 3.2.2　列表　
  50. 3.2.3　題外話：控制結構　
  51. 3.2.4　題外話：函數(shù)式編程　
  52. 3.2.5　字典　
  53. 3.2.6　集合　
  54. 3.3　結語　
  55. 3.4　延伸閱讀　
  56. 第4章　用NumPy進行數(shù)值計算　
  57. 4.1　數(shù)據(jù)數(shù)組　
  58. 4.1.1　用Python列表形成數(shù)組　
  59. 4.1.2　Python array類　
  60. 4.2　常規(guī)NumPy數(shù)組　
  61. 4.2.1　基礎知識　
  62. 4.2.2　多維數(shù)組　
  63. 4.2.3　元信息　
  64. 4.2.4　改變組成與大小　
  65. 4.2.5　布爾數(shù)組　
  66. 4.2.6　速度對比　
  67. 4.3　NumPy結構數(shù)組　
  68. 4.4　代碼向量化　
  69. 4.4.1　基本向量化　
  70. 4.4.2　內(nèi)存布局　
  71. 4.5　結語　
  72. 4.6　延伸閱讀　
  73. 第5章　pandas數(shù)據(jù)分析　
  74. 5.1　DataFrame類　
  75. 5.1.1　使用DataFrame類的第 一步　
  76. 5.1.2　使用DataFrame類的第二步　
  77. 5.2　基本分析　
  78. 5.3　基本可視化　
  79. 5.4　Series類　
  80. 5.5　GroupBy操作　
  81. 5.6　復雜選擇　
  82. 5.7　聯(lián)接、連接和合并　
  83. 5.7.1　聯(lián)接　
  84. 5.7.2　連接　
  85. 5.7.3　合并　
  86. 5.8　性能特征　
  87. 5.9　結語　
  88. 5.10　延伸閱讀　
  89. 第6章　面向對象編程　
  90. 6.1　Python對象簡介　
  91. 6.1.1　int　
  92. 6.1.2　list　
  93. 6.1.3　ndarray　
  94. 6.1.4　DataFrame　
  95. 6.2　Python類基礎知識　
  96. 6.3　Python數(shù)據(jù)模型　
  97. 6.4　Vector類　
  98. 6.5　結語　
  99. 6.6　延伸閱讀　
  100. 第3部分　金融數(shù)據(jù)科學
  101. 第7章　數(shù)據(jù)可視化　
  102. 7.1　靜態(tài)2D繪圖　
  103. 7.1.1　一維數(shù)據(jù)集　
  104. 7.1.2　二維數(shù)據(jù)集　
  105. 7.1.3　其他繪圖樣式　
  106. 7.2　靜態(tài)3D繪圖　
  107. 7.3　交互式2D繪圖　
  108. 7.3.1　基本圖表　
  109. 7.3.2　金融圖表　
  110. 7.4　結語　
  111. 7.5　延伸閱讀　
  112. 第8章　金融時間序列　
  113. 8.1　金融數(shù)據(jù)　
  114. 8.1.1　數(shù)據(jù)導入　
  115. 8.1.2　匯總統(tǒng)計　
  116. 8.1.3　隨時間推移的變化　
  117. 8.1.4　重新采樣　
  118. 8.2　滾動統(tǒng)計　
  119. 8.2.1　概述　
  120. 8.2.2　技術分析示例　
  121. 8.3　相關分析　
  122. 8.3.1　數(shù)據(jù)　
  123. 8.3.2　對數(shù)回報率　
  124. 8.3.3　OLS回歸　
  125. 8.3.4　相關　
  126. 8.4　高頻數(shù)據(jù)　
  127. 8.5　結語　
  128. 8.6　延伸閱讀　
  129. 第9章　輸入/輸出操作　
  130. 9.1　Python基本I/O　
  131. 9.1.1　將對象寫入磁盤　
  132. 9.1.2　讀取和寫入文本文件　
  133. 9.1.3　使用SQL數(shù)據(jù)庫　
  134. 9.1.4　讀寫NumPy數(shù)組　
  135. 9.2　pandas的I/O　
  136. 9.2.1　使用SQL數(shù)據(jù)庫　
  137. 9.2.2　從SQL到pandas　
  138. 9.2.3　使用CSV文件　
  139. 9.2.4　使用Excel文件　
  140. 9.3　PyTables的I/O　
  141. 9.3.1　使用表　
  142. 9.3.2　使用壓縮表　
  143. 9.3.3　使用數(shù)組　
  144. 9.3.4　內(nèi)存外計算　
  145. 9.4　TsTables的I/O　
  146. 9.4.1　樣板數(shù)據(jù)　
  147. 9.4.2　數(shù)據(jù)存儲　
  148. 9.4.3　數(shù)據(jù)檢索　
  149. 9.5　結語　
  150. 9.6　延伸閱讀　
  151. 第10章 高性能的Python　
  152. 10.1　循環(huán)　
  153. 10.1.1　Python　
  154. 10.1.2　NumPy　
  155. 10.1.3　Numba　
  156. 10.1.4　Cython　
  157. 10.2　算法　
  158. 10.2.1　質(zhì)數(shù)　
  159. 10.2.2　斐波那契數(shù)　
  160. 10.2.3　π　
  161. 10.3　二叉樹　
  162. 10.3.1　Python　
  163. 10.3.2　NumPy　
  164. 10.3.3　Numba　
  165. 10.3.4　Cython　
  166. 10.4　蒙特卡洛模擬　
  167. 10.4.1　Python　
  168. 10.4.2　NumPy　
  169. 10.4.3　Numba　
  170. 10.4.4　Cython　
  171. 10.4.5　多進程　
  172. 10.5　pandas遞歸算法　
  173. 10.5.1　Python　
  174. 10.5.2　Numba　
  175. 10.5.3　Cython　
  176. 10.6　結語　
  177. 10.7　延伸閱讀　
  178. 第11章 數(shù)學工具　
  179. 11.1　逼近法　
  180. 11.1.1　回歸　
  181. 11.1.2　插值　
  182. 11.2　凸優(yōu)化　
  183. 11.2.1　全局優(yōu)化　
  184. 11.2.2　局部優(yōu)化　
  185. 11.2.3　有約束優(yōu)化　
  186. 11.3　積分　
  187. 11.3.1　數(shù)值積分　
  188. 11.3.2　通過模擬求取積分　
  189. 11.4　符號計算　
  190. 11.4.1　基礎知識　
  191. 11.4.2　方程式　
  192. 11.4.3　積分與微分　
  193. 11.4.4　微分　
  194. 11.5　結語　
  195. 11.6　延伸閱讀　
  196. 第12章 推斷統(tǒng)計學　
  197. 12.1　隨機數(shù)　
  198. 12.2　模擬　
  199. 12.2.1　隨機變量　
  200. 12.2.2　隨機過程　
  201. 12.2.3　方差縮減　
  202. 12.3　估值　
  203. 12.3.1　歐式期權　
  204. 12.3.2　美式期權　
  205. 12.4　風險測度　
  206. 12.4.1　風險價值　
  207. 12.4.2　信用價值調(diào)整　
  208. 12.5　Python腳本　
  209. 12.6　結語　
  210. 12.7　延伸閱讀　
  211. 第13章 統(tǒng)計學　
  212. 13.1　正態(tài)性檢驗　
  213. 13.1.1　基準案例　
  214. 13.1.2　真實數(shù)據(jù)　
  215. 13.2　投資組合優(yōu)化　
  216. 13.2.1　數(shù)據(jù)　
  217. 13.2.2　基本理論　
  218. 13.2.3　最優(yōu)投資組合　
  219. 13.2.4　有效邊界　
  220. 13.2.5　資本市場線　
  221. 13.3　貝葉斯統(tǒng)計　
  222. 13.3.1　貝葉斯公式　
  223. 13.3.2　貝葉斯回歸　
  224. 13.3.3　兩種金融工具　
  225. 13.3.4　隨時更新估算值　
  226. 13.4　機器學習　
  227. 13.4.1　無監(jiān)督學習　
  228. 13.4.2　有監(jiān)督學習　
  229. 13.5　結語　
  230. 13.6　延伸閱讀　
  231. 第4部分　算法交易
  232. 第14章 FXCM交易平臺　
  233. 14.1　入門　
  234. 14.2　讀取數(shù)據(jù)　
  235. 14.2.1　讀取分筆交易數(shù)據(jù)　
  236. 14.2.2　讀取K線（蠟燭圖）數(shù)據(jù)　
  237. 14.3　使用API　
  238. 14.3.1　讀取歷史數(shù)據(jù)　
  239. 14.3.2　讀取流數(shù)據(jù)　
  240. 14.3.3　下單　
  241. 14.3.4　賬戶信息　
  242. 14.4　結語　
  243. 14.5　延伸閱讀　
  244. 第15章 交易策略　
  245. 15.1　簡單移動平均數(shù)　
  246. 15.1.1　數(shù)據(jù)導入　
  247. 15.1.2　交易策略　
  248. 15.1.3　向量化事后檢驗　
  249. 15.1.4　優(yōu)化　
  250. 15.2　隨機游走假設　
  251. 15.3　線性OLS回歸　
  252. 15.3.1　數(shù)據(jù)　
  253. 15.3.2　回歸　
  254. 15.4　聚類　
  255. 15.5　頻率方法　
  256. 15.6　分類　
  257. 15.6.1　兩個二元特征　
  258. 15.6.2　5個二元特征　
  259. 15.6.3　5個數(shù)字化特征　
  260. 15.6.4　順序訓練-測試分離　
  261. 15.6.5　隨機訓練-測試分離　
  262. 15.7　深度神經(jīng)網(wǎng)絡　
  263. 15.7.1　用scikit-learn實現(xiàn)DNN　
  264. 15.7.2　用TensorFlow實現(xiàn)DNN　
  265. 15.8　結語　
  266. 15.9　延伸閱讀　
  267. 第16章 自動化交易　
  268. 16.1　資本管理　
  269. 16.1.1　二項設定中的凱利標準　
  270. 16.1.2　用于股票及指數(shù)的凱利標準　
  271. 16.2　基于ML的交易策略　
  272. 16.2.1　向量化事后檢驗　
  273. 16.2.2　最優(yōu)杠桿　
  274. 16.2.3　風險分析　
  275. 16.2.4　持久化模型對象　
  276. 16.3　在線算法　
  277. 16.4　基礎設施與部署　
  278. 16.5　日志與監(jiān)控　
  279. 16.6　結語　
  280. 16.7　Python腳本　
  281. 16.7.1　自動化交易策略　
  282. 16.7.2　策略監(jiān)控　
  283. 16.8　延伸閱讀　
  284. 第5部分　衍生品分析
  285. 第17章 估值框架　
  286. 17.1　資產(chǎn)定價基本定理　
  287. 17.1.1　簡單示例　
  288. 17.1.2　一般結果　
  289. 17.2　風險中立折現(xiàn)　
  290. 17.2.1　日期建模與處理　
  291. 17.2.2　恒定短期利率　
  292. 17.3　市場環(huán)境　
  293. 17.4　結語　
  294. 17.5　延伸閱讀　
  295. 第18章 金融模型的模擬　
  296. 18.1　隨機數(shù)生成　
  297. 18.2　通用模擬類　
  298. 18.3　幾何布朗運動　
  299. 18.3.1　模擬類　
  300. 18.3.2　用例　
  301. 18.4　跳躍擴散　
  302. 18.4.1　模擬類　
  303. 18.4.2　用例　
  304. 18.5　平方根擴散　
  305. 18.5.1　模擬類　
  306. 18.5.2　用例　
  307. 18.6　結語　
  308. 18.7　延伸閱讀　
  309. 第19章 衍生品估值　
  310. 19.1　通用估值類　
  311. 19.2　歐式行權　
  312. 19.2.1　估值類　
  313. 19.2.2　用例　
  314. 19.3　美式行權　
  315. 19.3.1　最小二乘蒙特卡洛方法　
  316. 19.3.2　估值類　
  317. 19.3.3　用例　
  318. 19.4　結語　
  319. 19.5　延伸閱讀　
  320. 第20章 投資組合估值　
  321. 20.1　衍生品頭寸　
  322. 20.1.1　類　
  323. 20.1.2　用例　
  324. 20.2　衍生品投資組合　
  325. 20.2.1　類　
  326. 20.2.2　用例　
  327. 20.3　結語　
  328. 20.4　延伸閱讀　
  329. 第21章 基于市場的估值　
  330. 21.1　期權數(shù)據(jù)　
  331. 21.2　模型檢驗　
  332. 21.2.1　相關市場數(shù)據(jù)　
  333. 21.2.2　期權建模　
  334. 21.2.3　檢驗過程　
  335. 21.3　投資組合估值　
  336. 21.3.1　建立期權頭寸模型　
  337. 21.3.2　期權投資組合　
  338. 21.4　Python代碼　
  339. 21.5　結語　
  340. 21.6　延伸閱讀　
  341. 附錄A　日期與時間　
  342. A.1　Python　
  343. A.2　NumPy　
  344. A.3　pandas　
  345. 附錄B　BSM期權類　
  346. B.1　類定義　
  347. B.2　類的使用　
書名：Python 金融大數(shù)據(jù)分析（第2版）
作者：Yves Hilpisch 著
譯者：姚軍 譯
國內(nèi)出版社：人民郵電出版社
出版時間：2020年04月
頁數(shù)：648
書號：978-7-115-52133-0
原版書書名：Python for Finance, Second Edition
原版書出版商：O'Reilly Media
Yves Hilpisch
 
Yves Hilpisch博士是Python Quants集團的創(chuàng)始人和管理合伙人。該集團致 力于應用開源技術來解決金融數(shù)據(jù)科學、人工智能、算法交易和計算金融 學等問題。他還是AI Machine公司的創(chuàng)始人和CEO，該公司的主營業(yè)務是通 過專屬策略執(zhí)行平臺來發(fā)揮人工智能的威力。他還是Python算法交易大學 認證的在線培訓項目的主管。
 
 
購買選項
定價：139.00元
書號：978-7-115-52133-0
出版社：人民郵電出版社