Python金融大数据分析 PDF 全书超清版

Python凭着其简易、易读、扩展性及其有着极大而活跃性的科学计算小区，在必须分析、解决很多统计数据的金融业获得了普遍而快速的运用，而且变成该制造行业开发设计关键运用的计算机语言。《Python金融大数据分析》出示了应用Python开展数据统计分析，及其开发设计有关手机应用程序的方法和小工具。

《Python金融大数据分析》累计分成3一部分，共19章，第1一部分详细介绍了Python在金融学中的运用，其内容包括了Python用以金融业的缘故、Python的系统架构和小工具，及其Python在计量检定金融学中的某些实际新手入门案例；第2一部分详细介绍了金融业分析和应用开发中关键的Python库、技术性和方式，其内容包括了Python的数据类型和构造、用matplotlib开展大数据可视化、金融业时间序列数据处理方法、性能键入/輸出实际操作、性能的Python技术性和库、金融学中必须的多种多样数学工具、*数转化成和*全过程仿真模拟、Python生物学运用、Python和Excel的集成化、Python面向对象编程和GUI的开发设计、Python与Web技术性的集成化，及其应用场景Web运用和Web服务项目的开发设计；第3一部分关心的是蒙特卡洛模拟股指期货与衍生产品标价具体运用的开发设计工作中，其内容包括了公司估值架构的详细介绍、金融业实体模型的仿真模拟、衍生产品的公司估值、资产配置的公司估值、波动率股指期货等专业知识。

《Python金融大数据分析》合适对应用Python开展数据分析、解决喜欢的金融业开发者阅读文章。

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是什么        3
• 1.1.1 Python简史         5
• 1.1.2 Python生态系统         5
• 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 科技开销    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    9
• 1.2.4 不断提高的速度、频率、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    15
• 1.3.3 从原型化到生产         19
• 1.4  结语        20
• 1.5  延伸阅读        20
• 第2章  基础架构和工具     21
• 2.1 Python部署   22
• 2.1.1 Anaconda    22
• 2.1.2 Python Quant Platform        27
• 2.1.3 工具    30
• 2.1.4 Python 30
• 2.1.5 IPython         30
• 2.1.6 Spyder 40
• 2.2  结语        42
• 2.3  延伸阅读        43
• 第3章  入门示例 45
• 3.1  隐含波动率   46
• 3.2  蒙特卡洛模拟        54
• 3.2.1 纯Python    56
• 3.2.2 用NumPy向量化        57
• 3.2.3 利用对数欧拉方法实现全向量化    59
• 3.2.4 图形化分析         60
• 3.2.5 技术分析    62
• 3.3  结语        67
• 3.4  延伸阅读        68
• 第2部分  金融分析和开发
• 第4章  数据类型和结构     71
• 4.1  基本数据类型        72
• 4.1.1 整数    72
• 4.1.2 浮点数         73
• 4.1.3 字符串         75
• 4.2  基本数据结构        77
• 4.2.1 元组    77
• 4.2.2 列表    78
• 4.2.3 离题：控制结构         80
• 4.2.4 离题：函数式编程    81
• 4.2.5 字典    82
• 4.2.6 集合    84
• 4.3 NumPy数据结构   85
• 4.3.1 用Python列表形成数组   85
• 4.3.2 常规NumPy数组        87
• 4.3.3 结构数组    90
• 4.4  代码向量化   91
• 4.5  内存布局        93
• 4.6  结语        95
• 4.7  延伸阅读        95
• 第5章  数据可视化     97
• 5.1  二维绘图        97
• 5.1.1 一维数据集         98
• 5.1.2 二维数据集         103
• 5.1.3 其他绘图样式    109
• 5.2  金融学图表   116
• 5.3 3D绘图  119
• 5.4  结语        122
• 5.5  延伸阅读        122
• 第6章  金融时间序列 123
• 6.1 pandas基础   124
• 6.1.1 使用DataFrame类的第一步    124
• 6.1.2 使用DataFrame类的第二步    127
• 6.1.3 基本分析    131
• 6.1.4 Series类      134
• 6.1.5 GroupBy操作      135
• 6.2  金融数据        136
• 6.3  回归分析        142
• 6.4  高频数据        150
• 6.5  结语        154
• 6.6  延伸阅读        154
• 第7章  输入/输出操作        155
• 7.1 Python基本I/O      156
• 7.1.1 将对象写入磁盘         156
• 7.1.2 读写文本文件    159
• 7.1.3 SQL数据库 160
• 7.1.4 读写NumPy数组        162
• 7.2 Pandas的I/O 164
• 7.2.1 SQL数据库 165
• 7.2.2 从SQL到pandas         166
• 7.2.3 CSV文件数据     168
• 7.2.4 Excel文件数据   169
• 7.3 PyTables的快速I/O       170
• 7.3.1 使用表         170
• 7.3.2 使用压缩表         175
• 7.3.3 使用数组    176
• 7.3.4 内存外计算         177
• 7.4  结语        179
• 7.5  延伸阅读        180
• 第8章  高性能的Python     181
• 8.1 Python范型与性能        182
• 8.2  内存布局与性能   184
• 8.3  并行计算        186
• 8.3.1 蒙特卡洛算法    186
• 8.3.2 顺序化计算         187
• 8.3.3 并行计算    188
• 8.3.4 性能比较    191
• 8.4  多处理   191
• 8.5  动态编译        193
• 8.5.1 介绍性示例         193
• 8.5.2 二项式期权定价方法         195
• 8.6  用Cython进行静态编译       199
• 8.7  在GPU上生成随机数  201
• 8.8  结语        205
• 8.9  延伸阅读        205
• 第9章  数学工具 207
• 9.1  逼近法   208
• 9.1.1 回归    208
• 9.1.2 插值    218
• 9.2  凸优化   221
• 9.2.1 全局优化    222
• 9.2.2 局部优化    223
• 9.2.3 有约束优化         224
• 9.3  积分        226
• 9.3.1 数值积分    228
• 9.3.2 通过模拟求取积分    228
• 9.4  符号计算        229
• 9.4.1 基本知识    229
• 9.4.2 方程式         230
• 9.4.3 积分    231
• 9.4.4 微分    232
• 9.5  结语        233
• 9.6  延伸阅读        233
• 第10章  推断统计学   235
• 10.1 随机数 236
• 10.2 模拟      241
• 10.2.1 随机变量  241
• 10.2.2 随机过程  244
• 10.2.3 方差缩减  256
• 10.3 估值      259
• 10.3.1 欧式期权  259
• 10.3.2 美式期权  263
• 10.4 风险测度      266
• 10.4.1 风险价值  266
• 10.4.2 信用价值调整  270
• 10.5 结语      272
• 10.6 延伸阅读      273
• 第11章  统计学   275
• 11.1 正态性检验 276
• 11.1.1 基准案例  277
• 11.1.2 现实世界的数据       284
• 11.2 投资组合优化      289
• 11.2.1 数据  290
• 11.2.2 基本理论  291
• 11.2.3 投资组合优化  294
• 11.2.4 有效边界  296
• 11.2.5 资本市场线       297
• 11.3 主成分分析 300
• 11.3.1 DAX指数和30种成分股 301
• 11.3.2 应用PCA   301
• 11.3.3 构造PCA指数  302
• 11.4 贝叶斯回归 305
• 11.4.1 贝叶斯公式       305
• 11.4.2 PyMC3       306
• 11.4.3 介绍性示例       307
• 11.4.4 真实数据  310
• 11.5 结语      318
• 11.6 延伸阅读      318
• 第12章  Excel集成      321
• 12.1 基本电子表格交互      322
• 12.1.1 生成工作簿（.xls） 323
• 12.1.2 生成工作簿（.xslx）        324
• 12.1.3 从工作簿中读取       326
• 12.1.4 使用OpenPyxl  328
• 12.1.5 使用pandas读写     329
• 12.2 用Python编写Excel脚本  332
•  
• 12.2.1 安装DataNitro 333
• 12.2.2 使用DataNitro 333
• 12.3 xlwings 342
• 12.4 结语      342
• 12.5 延伸阅读      343
• 第13章  面向对象和图形用户界面   345
• 13.1 面向对象      345
• 13.1.1 Python类基础知识  346
• 13.1.2 简单的短期利率类  350
• 13.1.3 现金流序列类  354
• 13.2 图形用户界面      356
• 13.2.1 带GUI的短期利率类       356
• 13.2.2 值的更新  358
• 13.2.3 带GUI的现金流序列类  360
• 13.3 结语      362
• 13.4 延伸阅读      362
• 第14章  Web集成       365
• 14.1 Web基础知识      366
• 14.1.1 ftplib  366
• 14.1.2 httplib        368
• 14.1.3 urllib  369
• 14.2 Web图表绘制      372
• 14.2.1 静态图表绘制  372
• 14.2.2 交互式图表绘制       374
• 14.2.3 实时图表绘制  375
• 14.3 快速Web应用     383
• 14.3.1 交易者的聊天室       384
• 14.3.2 数据建模  384
• 14.3.3 Python代码       385
• 14.3.4 模板  391
• 14.3.5 样式化       396
• 14.4 Web服务      397
• 14.4.1 金融模型  399
• 14.4.2 实现  400
• 14.5 结语      406
• 14.6 延伸阅读      406
• 第3部分  衍生品分析库
• 第15章  估值框架       409
• 15.1 资产定价基本定理      409
• 15.1.1 简单示例  409
• 15.1.2 一般结果  410
• 15.2 风险中立折现      412
• 15.2.1 日期建模和处理       412
• 15.2.2 固定短期利率  413
• 15.3 市场环境      415
• 15.4 结语      418
• 15.5 延伸阅读      419
• 第16章  金融模型的模拟   421
• 16.1 随机数生成 422
• 16.2 泛型模拟类 423
• 16.3 几何布朗运动      427
• 16.3.1 模拟类       427
• 16.3.2 用例  429
• 16.4 跳跃扩散      431
• 16.4.1 模拟类       431
• 16.4.2 用例  434
• 16.5 平方根扩散 435
• 16.5.1 模拟类       435
• 16.5.2 用例  437
• 16.6 结语      438
• 16.7 延伸阅读      440
• 第17章  衍生品估值   441
• 17.1 泛型估值类 441
• 17.2 欧式行权      445
• 17.3 估值类 445
• 17.4 美式行权      451
• 17.4.1 最小二乘蒙特卡洛方法  451
• 17.4.2 估值类       453
• 17.4.3 用例  454
• 17.5 结语      457
• 17.6 延伸阅读      458
• 第18章  投资组合估值       459
• 18.1 衍生品头寸 460
• 18.1.1 类       460
• 18.1.2 用例  462
• 18.2 衍生品投资组合 463
• 18.2.1 类       463
• 18.2.2 用例  467
• 18.3 结语      472
• 18.4 延伸阅读      474
• 第19章  波动率期权   475
• 19.1 VSTOXX数据         476
• 19.1.1 VSTOXX指数数据     476
• 19.1.2 VSTOXX期货数据     477
• 19.1.3 VSTOXX期权数据     479
• 19.2 模型检验      480
• 19.2.1 相关市场数据  480
• 19.2.2 期权建模  481
• 19.2.3 检验过程  483
• 19.3 基于VSTOXX的美式期权   487
• 19.3.1 期权头寸建模  487
• 19.3.2 期权投资组合  488
• 19.4 结语      489
• 19.5 延伸阅读      490
• 附录A  精选的最佳实践      491
• 附录B  看涨期权类      499
• 附录C  日期和时间      503