Python量化金融与人工智能

图书标准信息

• 作者 朱顺泉 著
• 出版社 清华大学出版社
• 出版时间 2021-07
• 版次 1
• ISBN 9787302581536
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 337页
• 字数 529.000千字

【内容简介】

python量化金融与人工智能内容包括：量化金融投资基础及python下载、安装与启动，python编程基础，python金融数据存取，python工具库numpy数组与矩阵计算，python工具库cipy优化与统计分析，python工具库panda数据对象及数据分析，python描述统计，python参数估计及其应用，python参数设检验，python相关分析与回归分析，python多重共线处理，python异方差处理，python自相关处理，python金融时间序列分析的期处理，python金融时间序列的自相关与稳，python金融时间序列分析的arima模型，python金融时间序列分析的arch与garch模型，python资产组合的收益率与风险，pythonoptimize工具优化资产组合均值方差模型，python在有无风险资产的均值方差模型中的应用，python在资本资产定价模型中的应用，贝塔对冲策略，量化选股策略分析，量化择时策略分析，量化选股与量化择时组合策略分析，金融大数据量化投资统计套利的协整配对交易策略，基于python环境的配对交易策略，人工智能机器学量化金融策略等。
python量化金融与人工智能内容新颖、全面，实用强，融理论、方法、应用于一体，是一部供金融学、金融工程、投资学、保险学、经济学、学、统计学、应用统计、数量经济学、管理科学与工程、计算机应用技术、应用数学、计算数学、概率统计、财务管理、学、工商管理等专业的本科高年级与使用的参书。

【作者简介】

‘朱顺泉，广东财经大学金融学院教授，长期从事本科生与的投资学、金融工程、公司金融、金融市场、金融计量学、经济博弈论、数据模型与决策等课程的和科研工作，一直致力于财经与科技相结合的交应用研究。在、科学、清华、北大等出版社出版著作四十余部，。主持完成社会科学项目、社会科学项目等项目共十余项。主要研究方向：投资学、金融工程、金融市场、公司金融财务等。
‘

【目录】

篇  量化金融投资基础与python技术

章  量化金融投资基础及python 
下载、安装与启动3
1.1  量化金融投资基础3
1.1.1  量化金融投资的概念3
1.1.2  量化金融投资的优势4
1.1.3  量化金融投资的历史和未来4
1.1.4  量化金融投资的应用与流程5
1.2  python工具概述7
1.3  python工具的下载9
1.4  python的安装10
1.5  python的启动和退出11
练题12
第2章  python编程基础13
2.1  python的两个基本作13
2.2  python数据结构13
2.3  python函数17
2.4  python条件与循环18
2.5  python类与对象19
练题20
第3章  python金融数据存取21
3.1  python-numpy数据存取21
3.2  python-scipy数据存取22
3.3  python-pandas的csv格式数据
文件存取22
3.4  python-pandas的excel格式数据
文件存取23
3.5  读取并查看数据表列23
3.6  读取挖地兔财经的数据24
3.7  挖地兔tushare财经数据的
保存25
3.8  使用opendatatools工具获取数据27
3.9  python-quandl财经数据接28
3.10  下载yahoo财经数据29
3.11  存取yahoo财经数据29
练题31
第4章  python工具库numpy数组与
矩阵计算32
4.1  numpy概述32
4.2  numpy数组对象32
4.3  创建数组33
4.4  数组作34
4.5  数组元素访问37
4.6  矩阵作38
4.7  缺失值处理40
练题40
第5章  python工具库scipy优化与
统计分析41
5.1  scipy概述41
5.2  scipy.optimize优化方法分析41
5.3  利用copt求解二次规划问题42
5.4  scipy.stats的统计方法分析46
练题49
第6章  python工具库pandas数据
对象及数据分析50
6.1  pandas基础知识50
6.1.1  数据对象50
6.1.2  增删查改51
6.1.3  pandas常用函数57
6.1.4  绘图59
6.1.5  数据读写59
6.2  pandas基本金融数据分析60
6.3  pandas横向合并金融数据分析63
6.4  pandas纵向分类汇金融数据分析65
练题71

第2篇  python统计分析

第7章  python描述统计75
7.1  描述统计的python工具75
7.2  数据集中趋势的度量76
7.3  数据离散状况的度量79
7.4  峰度、偏度与正态检验81
7.5  异常数据处理86
练题91
第8章  python参数估计及其应用92
8.1  参数估计与置信区间的含义92
8.2  python点估计92
8.3  python单正态体均值区间估计93
8.4  python单正态体方差区间估计95
8.5  python双正态体均值差区间
估计96
8.6  python双正态体方差比区间
估计98
练题99
    
第9章  python参数设检验100
9.1  参数设检验的基本理论100
9.1.1  p-value决策100
9.1.2  设检验102
9.2  python单样本t检验107
9.3  python两个独立样本t检验108
9.4  python配对样本t检验109
9.5  python单样本方差设检验110
9.6  python双样本方差设检验111
练题113
0章  python相关分析与
回归分析114
10.1  python相关分析114
10.2  python一元线回归分析的
statsmodels应用118
10.3  python多元线回归分析121
练题125

第3篇  python基本计量经济分析

1章  python多重共线处理129
11.1  多重共线的概念129
11.2  多重共线的后果130
11.3  产生多重共线的原因130
11.4  多重共线的识别和检验131
11.5  消除多重共线的方法132
11.6  python多重共线诊断135
11.7  python多重共线消除137
练题138
2章  python异方差处理140
12.1  异方差的概念140
12.2  异方差产生的原因141
12.3  异方差的后果142
12.4  异方差的识别检验143
12.4.1  图示法143
12.4.2  统计检验方法143
12.5  消除异方差的方法145
12.6  python异方差诊断147
12.7  python异方差消除148
练题149
3章  python自相关处理151
13.1  自相关的概念151
13.2  产生自相关的原因151
13.3  自相关的后果152
13.4  自相关的识别和检验153
13.5  自相关的处理方法155
13.6  python自相关诊断与消除157
练题159

第4篇  python金融时间序列分析

4章  python金融时间序列分析的
期处理163
14.1  引言163
14.2  生成期序列168
14.3  低频数据向高频数据转换170
练题174
5章  python金融时间序列的
自相关与稳175
15.1  引言175
15.2  自相关175
15.3  稳178
15.4  白噪声和游走179
15.5  python模拟白噪声和稳
检验180
15.6  沪深300近三年来数据的稳
检验分析183
练题187
    
6章  python金融时间序列分析的
arima模型188
16.1  引言188
16.2  ar模型188
16.3  ma模型191
16.4  arma模型194
16.5  arima模型197
16.6  结语199
练题199
7章  python金融时间序列分析的      
arch与garch模型200
17.1  引言200
17.2  股票收益率时间序列特点200
17.3  arch模型202
17.4  garch模型206
17.5  结语210
练题210

第5篇  python金融投资理论

8章  python资产组合的
收益率与风险213
18.1  持有期收益率213
18.2  单项资产的期望收益率214
18.3  单项资产的风险214
18.4  单项资产的期望收益和风险的
估计215
18.5  单项资产之间的协方差与
相关系数216
18.6  python计算资产组合的期望
收益和风险218
练题221
9章  python-optimize工具优化
资产组合均值方差模型222
19.1  资产组合的可行集222
19.1.1  资产组合可行集的一部分222
19.1.2  资产组合可行集的模拟223
19.2  有效边界与有效组合225
19.3  python应用于标准均值方差模型227
19.3.1  标准均值方差模型227
19.3.2  全局小方差230
19.3.3  有效资产组合230
19.4  两分离定理231
19.5  python应用于markowitz投资
组合优化232
19.5.1  股票的选择232
19.5.2  markowitz投资组合优化
基本理论233
19.5.3  投资组合优化的python
应用234
练题239
第20章  python在有无风险资产的  
均值方差模型中的应用240
20.1  python在存在无风险资产的均值
方差模型中应用240
20.2  无风险资产对小方差组合的
影响242
20.3  python应用于存在无风险资产的
两分离定理243
20.4  预期收益率与贝塔关系式244
20.5  python应用于一个无风险资产和 
两个风险资产的组合245
    
练题248
第21章  python在资本资产定价 
模型中的应用249
21.1  资本资产定价模型设249
21.2  python应用于资本市场线249
21.3  python应用于证券市场线252
21.4  python应用于资本资产定价
模型capm实际数据254
练题256

第6篇  python量化金融投资策略

第22章  贝塔对冲策略261
22.1  贝塔对冲模型261
22.2  风险对冲策略261
练题265
第23章  量化选股策略分析266
23.1  小市值的量化选股策略266
23.2  基本面财务指标的量化选股策略268
练题271
第24章  量化择时策略分析272
24.1  talib技术分析工具库在量化
择时中的应用272
24.2  海龟量化择时策略276
24.3  金死双均线量化择时策略277
24.4  应用python分析量化择时策略280
24.4.1  获取金融数据280
24.4.2  量化择时收益计算策略281
24.4.3  量化择时双均线策略282
练题285
第25章  量化选股与量化择时组合
策略分析286
25.1  量化纯选股策略286
25.2  量化选股与量化择时组合策略288
练题290
第26章  金融大数据量化投资统计
套利的协整配对交易策略291
26.1  协整基本知识291
26.2  稳检验及其实例293
26.3  基于bigquant台统计套利的
协整配对交易策略295
练题301
第27章  基于python环境的配对
交易策略302
27.1  策略介绍302
27.2  策略相关方法302
27.3  策略的步骤303
27.4  策略的演示304
练题311
第28章  人工智能机器学量化金融
策略312
28.1  机器学算法分类312
28.2  常见的机器学算法及其python
代码312
28.2.1  线回归312
28.2.2  逻辑回归313
28.2.3  决策树314
28.2.4  支持向量机分类315
28.2.5  朴素贝叶斯分类316
28.2.6  knn分类(k-近邻算法)317
28.2.7  k-均值算法318
28.2.8  森林算法319
28.2.9  降维算法319
28.2.10  gradient boosting和
adaboost 算法320
28.3  广义线模型logistic回归多分类
及其python应用320
28.3.1  算法320
28.3.2  对象类参数介绍322
28.3.3  逻辑回归分类算法实例323
28.4  人工智能机器学算法的支持
向量机及其应用324
28.4.1  支持向量机的定义324
28.4.2  优选化间隔324
28.4.3  软间隔328
28.4.4  核330
28.4.5  支持向量机的
python应用实例336
练题337