万本电子书0元读

万本电子书0元读

顶部广告

Python金融大数据分析电子书 租阅

      金融行业已经以惊人的速度采用Python,一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助发人员和量化分析人员门Python,并指导他们掌握Python在计量金融学上的重要应用。   本书通过大量的实用示例并以一个大型的真实案例研究为基础,讲解如何为基于蒙特卡洛模拟的衍生品和风险分析发一个成熟的框架。本书大部分内容使用了交互式的IPython Notebooks,并包含了如下主题。

售       价:¥

纸质售价:¥78.20购买纸书

1099人正在读 | 8人评论 6.6

作       者:[德]伊夫·希尔皮斯科(Yves Hilpisch)

出  版  社:人民邮电出版社

出版时间:2015-12-01

字       数:18.8万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(8条)
  • 读书简介
  • 目录
  • 累计评论(8条)
Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区,在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用,并且成为该行业发核心应用的编程语言。《Python金融大数据分析》提供了使用Python行数据分析,以及发相关应用程序的技巧和工具。 《Python金融大数据分析》总计分为3部分,共19章,第1部分介绍了Python在金融学中的应用,其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具,以及Python在计量金融学中的一些具体门实例;第2部分介绍了金融分析和应用程序发中重要的Python库、技术和方法,其内容涵盖了Python的数据类型和结构、用matplotlib行数据可视化、金融时间序列数据处理、高性能输/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、*数生成和*过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的发、Python与Web技术的集成,以及基于Web应用和Web服务的发;第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的发工作,其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。 《Python金融大数据分析》适合对使用Python行大数据分析、处理感兴趣的金融行业发人员阅读。        Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区,在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用,并且成为该行业发核心应用的编程语言。《Python金融大数据分析》提供了使用Python行数据分析,以及发相关应用程序的技巧和工具。       《Python金融大数据分析》总计分为3部分,共19章,第1部分介绍了Python在金融学中的应用,其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具,以及Python在计量金融学中的一些具体门实例;第2部分介绍了金融分析和应用程序发中重要的Python库、技术和方法,其内容涵盖了Python的数据类型和结构、用matplotlib行数据可视化、金融时间序列数据处理、高性能输/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、*数生成和*过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的发、Python与Web技术的集成,以及基于Web应用和Web服务的发;第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的发工作,其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。       《Python金融大数据分析》适合对使用Python行大数据分析、处理感兴趣的金融行业发人员阅读。
【作者】
Yves Hilpsch是Python Quants(德国)股份有限公司的创始人和任事股东,也是Python Quants(纽约)有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件(参见http://pythonquants.com,http://quant-platfrom.com和http://dx-analytics.com),以及和Python及金融相关的咨询、发和培训服务。 Yves还是Derivatives Analytics with Python(Wiley Finance,2015)的作者。作为获得数理金融学博士学位的商业管理专业研究生,他在萨尔州大学讲授计算金融学中的数值化方法课程。
目录展开

内容提要

作者介绍

O’Reilly Media,Inc.介绍

前言

本书的惯例

代码示例的使用

联系方式

Safari® 在线图书

致谢

第1部分 Python与金融

第1章 为什么将Python用于金融

1.1 Python 是什么

1.1.1 Python简史

1.1.2 Python生态系统

1.1.3 Python用户谱系

1.1.4 科学栈

1.2 金融中的科技

1.2.1 科技开销

1.2.2 作为业务引擎的科技

1.2.3 作为进入门槛的科技和人才

1.2.4 不断提高的速度、频率、数据量

1.2.5 实时分析的兴起

1.3 用于金融的Python

1.3.1 金融和Python语法

1.3.2 Python的效率和生产率

1.3.3 从原型化到生产

1.4 结语

1.5 延伸阅读

第2章 基础架构和工具

2.1 Python部署

2.1.1 Anaconda

2.1.2 Python Quant Platform

2.1.3 工具

2.1.4 Python

2.1.5 IPython

2.1.6 Spyder

2.2 结语

2.3 延伸阅读

第3章 入门示例

3.1 隐含波动率

3.2 蒙特卡洛模拟

3.2.1 纯Python

3.2.2 用NumPy向量化

3.2.3 利用对数欧拉方法实现全向量化

3.2.4 图形化分析

3.2.5 技术分析

3.3 结语

3.4 延伸阅读

第2部分 金融分析和开发

第4章 数据类型和结构

4.1 基本数据类型

4.1.1 整数

4.1.2 浮点数

4.1.3 字符串

4.2 基本数据结构

4.2.1 元组

4.2.2 列表

4.2.3 离题:控制结构

4.2.4 离题:函数式编程

4.2.5 字典

4.2.6 集合

4.3 NumPy数据结构

4.3.1 用Python列表形成数组

4.3.2 常规NumPy数组

4.3.3 结构数组

4.4 代码向量化

4.4.1 基本向量化

4.5 内存布局

4.6 结语

4.7 延伸阅读

第5章 数据可视化

5.1 二维绘图

5.1.1 一维数据集

5.1.2 二维数据集

5.1.3 其他绘图样式

5.2 金融学图表

5.3 3D绘图

5.4 结语

5.5 延伸阅读

第6章 金融时间序列

6.1 pandas基础

6.1.1 使用DataFrame类的第一步

6.1.2 使用DataFrame类的第二步

6.1.3 基本分析

6.1.4 Series类

6.1.5 GroupBy操作

6.2 金融数据

6.3 回归分析

6.4 高频数据

6.5 结语

6.6 延伸阅读

第7章 输入/输出操作

7.1 Python基本I/O

7.1.1 将对象写入磁盘

7.1.2 读写文本文件

7.1.3 SQL数据库

7.1.4 读写NumPy数组

7.2 Pandas的I/O

7.2.1 SQL数据库

7.2.2 从SQL到pandas

7.2.3 CSV文件数据

7.2.4 Excel文件数据

7.3 PyTables的快速I/O

7.3.1 使用表

7.3.2 使用压缩表

7.3.3 使用数组

7.3.4 内存外计算

7.4 结语

7.5 延伸阅读

第8章 高性能的Python

8.1 Python范型与性能

8.2 内存布局与性能

8.3 并行计算

8.3.1 蒙特卡洛算法

8.3.2 顺序化计算

8.3.3 并行计算

8.3.4 性能比较

8.4 多处理

8.5 动态编译

8.5.1 介绍性示例

8.5.2 二项式期权定价方法

8.6 用Cython进行静态编译

8.7 在GPU上生成随机数

8.8 结语

8.9 延伸阅读

第9章 数学工具

9.1 逼近法

9.1.1 回归

9.1.2 插值

9.2 凸优化

9.2.1 全局优化

9.2.2 局部优化

9.2.3 有约束优化

9.3 积分

9.3.1 数值积分

9.3.2 通过模拟求取积分

9.4 符号计算

9.4.1 基本知识

9.4.2 方程式

9.4.3 积分

9.4.4 微分

9.5 结语

9.6 延伸阅读

第10章 推断统计学

10.1 随机数

10.2 模拟

10.2.1 随机变量

10.2.2 随机过程

10.2.3 方差缩减

10.3 估值

10.3.1 欧式期权

10.3.2 美式期权

10.4 风险测度

10.4.1 风险价值

10.4.2 信用价值调整

10.5 结语

10.6 延伸阅读

第11章 统计学

11.1 正态性检验

11.1.1 基准案例

11.1.2 现实世界的数据

11.2 投资组合优化

11.2.1 数据

11.2.2 基本理论

11.2.3 投资组合优化

11.2.4 有效边界

11.2.5 资本市场线

11.3 主成分分析

11.3.1 DAX指数和30种成分股

11.3.2 应用PCA

11.3.3 构造PCA指数

11.4 贝叶斯回归

11.4.1 贝叶斯公式

11.4.2 PyMC3

11.4.3 介绍性示例

11.4.4 真实数据

11.5 结语

11.6 延伸阅读

第12章 Excel集成

12.1 基本电子表格交互

12.1.1 生成工作簿(.xls)

12.1.2 生成工作簿(.xslx)

12.1.3 从工作簿中读取

12.1.4 使用OpenPyxl

12.1.5 使用pandas读写

12.2 用Python编写Excel脚本

12.2.1 安装DataNitro

12.2.2 使用DataNitro

12.3 xlwings

12.4 结语

12.5 延伸阅读

第13章 面向对象和图形用户界面

13.1 面向对象

13.1.1 Python类基础知识

13.1.2 简单的短期利率类

13.1.3 现金流序列类

13.2 图形用户界面

13.2.1 带GUI的短期利率类

13.2.2 值的更新

13.2.3 带GUI的现金流序列类

13.3 结语

13.4 延伸阅读

第14章 Web集成

14.1 Web基础知识

14.1.1 ftplib

14.1.2 httplib

14.1.3 urllib

14.2 Web图表绘制

14.2.1 静态图表绘制

14.2.2 交互式图表绘制

14.2.3 实时图表绘制

14.3 快速Web应用

14.3.1 交易者的聊天室

14.3.2 数据建模

14.3.3 Python代码

14.3.4 模板

14.3.5 样式化

14.4 Web服务

14.4.1 金融模型

14.4.2 实现

14.5 结语

14.6 延伸阅读

第3部分 衍生品分析库

第15章 估值框架

15.1 资产定价基本定理

15.1.1 简单示例

15.1.2 一般结果

15.2 风险中立折现

15.2.1 日期建模和处理

15.2.2 固定短期利率

15.3 市场环境

15.4 结语

15.5 延伸阅读

第16章 金融模型的模拟

16.1 随机数生成

16.2 泛型模拟类

16.3 几何布朗运动

16.3.1 模拟类

16.3.2 用例

16.4 跳跃扩散

16.4.1 模拟类

16.4.2 用例

16.5 平方根扩散

16.5.1 模拟类

16.5.2 用例

16.6 结语

16.7 延伸阅读

第17章 衍生品估值

17.1 泛型估值类

17.2 欧式行权

17.3 估值类

17.3.1 用例

17.4 美式行权

17.4.1 最小二乘蒙特卡洛方法

17.4.2 估值类

17.4.3 用例

17.5 结语

17.6 延伸阅读

第18章 投资组合估值

18.1 衍生品头寸

18.1.1 类

18.1.2 用例

18.2 衍生品投资组合

18.2.1 类

18.2.2 用例

18.3 结语

18.4 延伸阅读

第19章 波动率期权

19.1 VSTOXX数据

19.1.1 VSTOXX指数数据

19.1.2 VSTOXX期货数据

19.1.3 VSTOXX期权数据

19.2 模型检验

19.2.1 相关市场数据

19.2.2 期权建模

19.2.3 检验过程

19.3 基于VSTOXX的美式期权

19.3.1 期权头寸建模

19.3.2 期权投资组合

19.4 结语

19.5 延伸阅读

附录A 精选的最佳实践

A.1 Python语法

A.2 文档

A.3 单元测试

附录B 看涨期权类

附录C 日期和时间

C.1 Python

C.2 NumPy

C.3 pandas

累计评论(8条) 9个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部