量化金融投资及其Python应用

图书标准信息

• 作者 朱顺泉
• 出版社 清华大学出版社
• 出版时间 2018-08
• 版次 1
• ISBN 9787302500414
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 193页
• 字数 313千字

【内容简介】

《量化金融投资及其Python应用》内容包括：（1）量化金融投资的Python工作环境；（2）Python基础知识与编程基础；（3）量化金融投资程序包Python-NumPy应用；（4）量化金融投资程序包Python-SciPy应用；（5）量化金融投资程序包Python-Pandas基本数据结构；（6）量化金融投资程序包Python-Pandas在金融数据处理中的应用；（7）金融时间序列分析及其Python应用；（8）中国股市分析及其Python应用；（9）机器学习神经网络算法及其Python应用；（10）机器学习支持向量机SVM及其Python应用；（11）欧式期权定价的Python应用；（12）函数插值的Python应用；（13）期权定价二叉树算法的Python应用；（14）偏微分方程显式差分法的Python应用；（15）偏微分方程隐式差分法的Python应用；（16）Black-Scholes偏微分方程隐含差分法的Python应用；（17）优矿平台的量化金融投资初步；（18）Alpha对冲模型的Python应用；（19）Signal框架下的Alpha量化投资策略的Python应用；（20）量化金融投资组合优化的Python应用。

【目录】

目录

第1章量化金融投资平台与Python工作环境

1.1国内外量化金融投资平台概述

1.2优矿平台界面

1.3优矿平台提供的服务

1.4优矿平台的Notebook功能

1.5优矿平台支持的Python程序包

1.6Python的下载

1.7Python的安装

1.8Python的启动和退出

练习题

第2章Python的两个基本操作与编程基础

2.1Python的两个基本操作

2.2Python容器

2.3Python函数

2.4Python条件与循环

2.5Python类与对象

练习题

第3章NumPy在量化金融投资分析中的应用

3.1NumPy概述

3.2NumPy对象初步： 数组

3.3创建数组

3.4数组和矩阵的运算

3.5访问数组和矩阵元素

3.6矩阵操作

3.7缺失值

3.8一元线性回归分析的NumPy应用

练习题

第4章SciPy在量化金融投资分析中的应用

4.1SciPy概述

4.2统计知识

4.3优化知识

4.3.1无约束优化问题

4.3.2有约束优化问题

4.3.3利用CVXOPT求解二次规划问题

练习题

第5章pandas的基本数据结构

5.1pandas介绍

5.2pandas数据结构： Series

5.2.1创建Series

5.2.2Series数据的访问

5.3pandas数据结构： DataFrame

5.3.1创建DataFrame

5.3.2DataFrame数据的访问

练习题

第6章pandas在金融数据处理中的应用

6.1创建数据结构的方式

6.2数据的查看

6.3数据的访问和操作

6.3.1再谈数据的访问

6.3.2处理缺失数据

6.3.3数据操作

6.4数据可视化

练习题

第7章金融时间序列分析及其Python应用

7.1时间序列分析的基础知识

7.1.1时间序列的概念及其特征

7.1.2平稳性

7.1.3相关系数和自相关函数

7.1.4白噪声序列和线性时间序列

7.2自回归模型

7.2.1AR(p)模型的特征根及平稳性检验

7.2.2AR(p)模型的定阶

7.2.3模型的检验

7.2.4拟合优度及预测

7.3移动平均模型及预测

7.3.1MA（q）模型的性质

7.3.2MA(q)模型的阶次判定

7.3.3建模和预测

7.4自回归移动平均模型及预测

7.4.1确定ARMA（p,q）模型的阶次

7.4.2ARMA模型的建立及预测

7.5ARIMA模型及预测

7.5.1单位根检验

7.5.2ARIMA(p,d,q)模型阶次确定

7.5.3ARIMA模型的建立及预测

7.6自回归条件异方差模型ARCH及预测

7.6.1波动率的特征

7.6.2ARCH模型的基本原理

7.6.3ARCH模型的建立及预测

7.7广义自回归条件异方差模型GARCH及波动率预测

7.7.1GARCH模型的建立

7.7.2波动率预测

练习题

第8章中国股市分析及其Python应用

8.1股票的基本信息

8.2股票收益风险分析

8.3基于风险价值的蒙特卡洛方法

练习题

第9章机器学习神经网络算法及其Python应用

9.1BP神经网络的拓扑结构

9.2BP神经网络的学习算法

9.3BP神经网络的学习程序

9.4BP神经网络算法股票预测的Python应用

练习题

第10章机器学习支持向量机及其Python应用

10.1机器学习支持向量机原理

10.2机器学习支持向量机的应用

练习题

第11章欧式期权定价的Python应用

11.1期权定价公式的Python函数

11.2使用NumPy加速批量计算

11.2.1使用循环的方式

11.2.2使用NumPy向量计算

11.3使用SciPy做仿真计算

11.4计算隐含波动率

练习题

第12章函数插值的Python应用

12.1如何使用SciPy做函数插值

12.2函数插值应用——期权波动率曲面构造

练习题

第13章期权定价二叉树算法的Python应用

13.1二叉树算法的Python描述

13.2用面向对象的方法实现二叉树算法

13.2.1二叉树框架

13.2.2二叉树类型描述

13.2.3偿付函数

13.2.4组装

13.3美式期权定价的二叉树算法

练习题

第14章偏微分方程显式差分法的Python应用

14.1热传导方程

14.2显式差分格式

14.3模块组装

14.4显式格式的条件稳定性

练习题

第15章偏微分方程隐式差分法的Python应用

15.1隐式差分格式

15.1.1矩阵求解

15.1.2隐式格式求解

15.2模块组装

15.3使用SciPy加速

练习题

第16章Black?Scholes?Merton偏微分方程隐式差分法的Python应用

16.1Black?Scholes?Merton偏微分方差初边值问题的提出

16.2偏微分方程隐式差分法

16.3Python应用实现

16.4收敛性测试

练习题

第17章优矿平台的量化金融投资初步

17.1量化金融投资基础

17.2量化金融投资及其策略

17.3设置初始数据

17.4选取股票池

17.5初始化回测账户

17.6设置买卖条件

17.7组合成完整的量化策略

练习题

第18章Alpha对冲模型的Python应用

18.1Alpha对冲模型

18.2优矿平台的“三剑客”

18.3优矿平台对冲模型实例

练习题

第19章Signal框架下的Alpha量化金融投资策略的Python应用

19.1为什么选择Alpha对冲模型

19.2在优矿平台上构建Alpha对冲模型的神器——Signal框架

19.3典型公募基金团队如何构建自己的Alpha对冲模型

19.4如何在优矿平台上一人超越一个公募基金团队

练习题

第20章量化金融投资组合优化的Python应用

20.1马科维茨投资组合优化基本理论

20.2投资组合优化的Python应用实例

20.3投资组合优化实际数据的Python应用

练习题

参考文献