Python金融大数据分析(第2版)9787115521330
正版二手图书，可开发票，请放心购买。
￥ 25.08 1.8折 ￥ 139 九品
仅1件
作者[德]伊夫·希尔皮斯科（Yves Hilpisch）
出版社人民邮电出版社
ISBN9787115521330
出版时间2018-01
装帧平装
开本16开
定价139元
货号1245231091175512418
上书时间2025-01-03
- 最新上架
商品详情
- 品相描述：九品
- 商品描述
-
商品简介
《Python金融大数据分析 第2版》分为5部分，共21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入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，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、投资组合的估值等知识。 《Python金融大数据分析 第2版》本书适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。
作者简介
Yves Hilpisch博士是Python Quants集团的创始人和管理合伙人。该集团致力于应用开源技术来解决金融数据科学、人工智能、算法交易和计算金融学等问题。他还是AI Machine公司的创始人和CEO。这个公司的主营业务是通过专属策略执行平台来发挥人工智能的威力。他还是Python算法交易大学认证的在线培训项目的主管。
目录
目录第 1部分 Python与金融第 1章 为什么将Python用于金融 31.1 Python编程语言 31.1.1 Python简史 51.1.2 Python生态系统 61.1.3 Python用户谱系 71.1.4 科学栈 71.2 金融中的科技 81.2.1 科技投入 91.2.2 作为业务引擎的科技 91.2.3 作为进入门槛的科技和人才 101.2.4 不断提高的速度、频率和数据量 101.2.5 实时分析的兴起 111.3 用于金融的Python 121.3.1 金融和Python语法 121.3.2 Python的效率和生产率 161.3.3 从原型化到生产 201.4 数据驱动和人工智能优先的金融学 211.4.1 数据驱动金融学 211.4.2 人工智能优先金融学 241.5 结语 261.6 延伸阅读 27第 2章 Python基础架构 292.1 作为包管理器使用的conda 312.1.1 安装Miniconda 312.1.2 conda基本操作 332.2 作为虚拟环境管理器的conda 372.3 使用Docker容器 412.3.1 Docker镜像和容器 412.3.2 构建Ubuntu和Python Docker镜像 422.4 使用云实例 462.4.1 RSA公钥和私钥 472.4.2 Jupyter Notebook配置文件 482.4.3 Python和Jupyter Notebook安装脚本 492.4.4 协调Droplet设置的脚本 512.5 结语 522.6 延伸阅读 53第 2部分 掌握基础知识第3章 数据类型与结构 573.1 基本数据类型 583.1.1 整数 583.1.2 浮点数 593.1.3 布尔值 613.1.4 字符串 653.1.5 题外话：打印和字符串替换 663.1.6 题外话：正则表达式 693.2 基本数据结构 713.2.1 元组 713.2.2 列表 723.2.3 题外话：控制结构 743.2.4 题外话：函数式编程 753.2.5 字典 763.2.6 集合 783.3 结语 793.4 延伸阅读 79第4章 用NumPy进行数值计算 814.1 数据数组 824.1.1 用Python列表形成数组 824.1.2 Python array类 844.2 常规NumPy数组 864.2.1 基础知识 864.2.2 多维数组 894.2.3 元信息 934.2.4 改变组成与大小 934.2.5 布尔数组 974.2.6 速度对比 994.3 NumPy结构数组 1004.4 代码向量化 1024.4.1 基本向量化 1024.4.2 内存布局 1054.5 结语 1074.6 延伸阅读 108第5章 pandas数据分析 1095.1 DataFrame类 1105.1.1 使用DataFrame类的第 一步 1105.1.2 使用DataFrame类的第二步 1145.2 基本分析 1185.3 基本可视化 1225.4 Series类 1245.5 GroupBy操作 1265.6 复杂选择 1285.7 联接、连接和合并 1315.7.1 联接 1325.7.2 连接 1335.7.3 合并 1355.8 性能特征 1375.9 结语 1395.10 延伸阅读 140第6章 面向对象编程 1416.1 Python对象简介 1456.1.1 int 1456.1.2 list 1466.1.3 ndarray 1466.1.4 DataFrame 1486.2 Python类基础知识 1496.3 Python数据模型 1546.4 Vector类 1586.5 结语 1596.6 延伸阅读 159第3部分 金融数据科学第7章 数据可视化 1637.1 静态2D绘图 1647.1.1 一维数据集 1647.1.2 二维数据集 1707.1.3 其他绘图样式 1777.2 静态3D绘图 1847.3 交互式2D绘图 1887.3.1 基本图表 1887.3.2 金融图表 1927.4 结语 1967.5 延伸阅读 196第8章 金融时间序列 1978.1 金融数据 1988.1.1 数据导入 1988.1.2 汇总统计 2018.1.3 随时间推移的变化 2038.1.4 重新采样 2078.2 滚动统计 2098.2.1 概述 2098.2.2 技术分析示例 2118.3 相关分析 2138.3.1 数据 2138.3.2 对数回报率 2148.3.3 OLS回归 2168.3.4 相关 2178.4 高频数据 2188.5 结语 2208.6 延伸阅读 220第9章 输入/输出操作 2219.1 Python基本I/O 2229.1.1 将对象写入磁盘 2229.1.2 读取和写入文本文件 2259.1.3 使用SQL数据库 2299.1.4 读写NumPy数组 2329.2 pandas的I/O 2349.2.1 使用SQL数据库 2359.2.2 从SQL到pandas 2379.2.3 使用CSV文件 2399.2.4 使用Excel文件 2409.3 PyTables的I/O 2429.3.1 使用表 2429.3.2 使用压缩表 2509.3.3 使用数组 2529.3.4 内存外计算 2539.4 TsTables的I/O 2569.4.1 样板数据 2579.4.2 数据存储 2589.4.3 数据检索 2599.5 结语 2619.6 延伸阅读 262第 10章 高性能的Python 26510.1 循环 26610.1.1 Python 26610.1.2 NumPy 26710.1.3 Numba 26810.1.4 Cython 26910.2 算法 27110.2.1 质数 27110.2.2 斐波那契数 27510.2.3 π 27910.3 二叉树 28310.3.1 Python 28310.3.2 NumPy 28510.3.3 Numba 28610.3.4 Cython 28710.4 蒙特卡洛模拟 28810.4.1 Python 28910.4.2 NumPy 29110.4.3 Numba 29110.4.4 Cython 29210.4.5 多进程 29310.5 pandas递归算法 29410.5.1 Python 29410.5.2 Numba 29610.5.3 Cython 29610.6 结语 29710.7 延伸阅读 298第 11章 数学工具 29911.1 逼近法 29911.1.1 回归 30111.1.2 插值 31011.2 凸优化 31411.2.1 全局优化 31511.2.2 局部优化 31711.2.3 有约束优化 31811.3 积分 32011.3.1 数值积分 32111.3.2 通过模拟求取积分 32211.4 符号计算 32311.4.1 基础知识 32311.4.2 方程式 32511.4.3 积分与微分 32511.4.4 微分 32611.5 结语 32811.6 延伸阅读 328第 12章 推断统计学 33112.1 随机数 33212.2 模拟 33812.2.1 随机变量 33812.2.2 随机过程 34112.2.3 方差缩减 35612.3 估值 35912.3.1 欧式期权 35912.3.2 美式期权 36412.4 风险测度 36712.4.1 风险价值 36712.4.2 信用价值调整 37112.5 Python脚本 37412.6 结语 37712.7 延伸阅读 377第 13章 统计学 37913.1 正态性检验 38013.1.1 基准案例 38113.1.2 真实数据 39013.2 投资组合优化 39613.2.1 数据 39613.2.2 基本理论 39813.2.3 最优投资组合 40113.2.4 有效边界 40413.2.5 资本市场线 40513.3 贝叶斯统计 40813.3.1 贝叶斯公式 40913.3.2 贝叶斯回归 41013.3.3 两种金融工具 41413.3.4 随时更新估算值 41813.4 机器学习 42313.4.1 无监督学习 42313.4.2 有监督学习 42613.5 结语 44113.6 延伸阅读 441第4部分 算法交易第 14章 FXCM交易平台 44514.1 入门 44614.2 读取数据 44714.2.1 读取分笔交易数据 44714.2.2 读取K线（蜡烛图）数据 44914.3 使用API 45114.3.1 读取历史数据 45214.3.2 读取流数据 45414.3.3 下单 45514.3.4 账户信息 45714.4 结语 45714.5 延伸阅读 458第 15章 交易策略 45915.1 简单移动平均数 46015.1.1 数据导入 46015.1.2 交易策略 46115.1.3 向量化事后检验 46315.1.4 优化 46515.2 随机游走假设 46715.3 线性OLS回归 46915.3.1 数据 47015.3.2 回归 47215.4&n
— 没有更多了 —
以下为对购买帮助不大的评价