Python金融大数据分析
2020-04-07 14:09:19 0 举报AI智能生成
Python金融大数据分析
作者其他创作
大纲/内容
第2部分 金融分析和开发
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
作者介绍
O’Reilly Media，Inc.介绍
本书的惯例
代码示例的使用
联系方式
Safari® 在线图书
第1部分 Python与金融
1 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
2 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
3 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
0 条评论
下一页
