python金融大數(shù)據(jù)分析 伊夫·希爾皮斯科pdf掃描版

python金融大數(shù)據(jù)分析是一本Python編程入門(mén)基礎(chǔ)教程書(shū)籍，也可以作為利用python實(shí)現(xiàn)數(shù)據(jù)密集型應(yīng)用的科學(xué)計(jì)算實(shí)踐指南，由德國(guó)程序員伊夫·希爾皮斯科（Yves Hilpisch）編著。本書(shū)通過(guò)大量的實(shí)用示例并以一個(gè)大型的真實(shí)案例研究為基礎(chǔ)，講解如何為基于蒙特卡洛模擬的衍生品和風(fēng)險(xiǎn)分析開(kāi)發(fā)一個(gè)成熟的框架。全書(shū)內(nèi)容包括：學(xué)習(xí)numpy（numericalpython）的基礎(chǔ)和高級(jí)知識(shí)；從pandas庫(kù)的數(shù)據(jù)分析工具開(kāi)始；利用高性能工具對(duì)數(shù)據(jù)進(jìn)行加載、清理、轉(zhuǎn)換、合并以及重塑；利用matpiotlib創(chuàng)建散點(diǎn)圖以及靜態(tài)或交互式的可視化結(jié)果；利用pandas的groupby功能對(duì)數(shù)據(jù)集進(jìn)行切片、切塊和匯總操作；通過(guò)詳細(xì)的案例學(xué)習(xí)如何解決web分析、社會(huì)科學(xué)、金融學(xué)以及經(jīng)濟(jì)學(xué)等領(lǐng)域的問(wèn)題等等，能夠適合剛剛接觸python的分析人員以及剛剛接觸科學(xué)計(jì)算的python程序員。

內(nèi)容介紹

Python憑借其簡(jiǎn)單、易讀、可擴(kuò)展性以及擁有巨大而活躍的科學(xué)計(jì)算社區(qū)，在需要分析、處理大量數(shù)據(jù)的金融行業(yè)得到了廣泛而迅速的應(yīng)用，并且成為該行業(yè)開(kāi)發(fā)核心應(yīng)用的編程語(yǔ)言。全書(shū)提供了使用Python進(jìn)行數(shù)據(jù)分析，以及開(kāi)發(fā)相關(guān)應(yīng)用程序的技巧和工具。

《python金融大數(shù)據(jù)分析》總計(jì)分為3部分，共19章，第1部分介紹了Python在金融學(xué)中的應(yīng)用，其內(nèi)容涵蓋了Python用于金融行業(yè)的原因、Python的基礎(chǔ)架構(gòu)和工具，以及Python在計(jì)量金融學(xué)中的一些具體入門(mén)實(shí)例；第2部分介紹了金融分析和應(yīng)用程序開(kāi)發(fā)中重要的Python庫(kù)、技術(shù)和方法，其內(nèi)容涵蓋了Python的數(shù)據(jù)類型和結(jié)構(gòu)、用matplotlib進(jìn)行數(shù)據(jù)可視化、金融時(shí)間序列數(shù)據(jù)處理、高性能輸入/輸出操作、高性能的Python技術(shù)和庫(kù)、金融學(xué)中需要的多種數(shù)學(xué)工具、隨機(jī)數(shù)生成和隨機(jī)過(guò)程模擬、Python統(tǒng)計(jì)學(xué)應(yīng)用、Python和Excel的集成、Python面向?qū)ο缶幊毯虶UI的開(kāi)發(fā)、Python與Web技術(shù)的集成，以及基于Web應(yīng)用和Web服務(wù)的開(kāi)發(fā)；第3部分關(guān)注的是蒙特卡洛模擬期權(quán)與衍生品定價(jià)實(shí)際應(yīng)用的開(kāi)發(fā)工作，其內(nèi)容涵蓋了估值框架的介紹、金融模型的模擬、衍生品的估值、投資組合的估值、波動(dòng)率期權(quán)等知識(shí)。

《python金融大數(shù)據(jù)分析》大部分內(nèi)容使用了交互式的IPython Notebooks，并包含了如下主題：

1、基礎(chǔ)知識(shí)：Python數(shù)據(jù)結(jié)構(gòu)，NumPy數(shù)組處理、用pandas進(jìn)行時(shí)間序列分析，用matplotlib可視化，用PyTables進(jìn)行高性能I/O操作，日期/時(shí)間信息處理和精選的實(shí)踐。

2、金融主題：使用了NumPy、SciPy和SymPy的數(shù)學(xué)技術(shù)，例如回歸和優(yōu)化；用于蒙特卡洛模擬、風(fēng)險(xiǎn)價(jià)值、風(fēng)險(xiǎn)信用價(jià)值計(jì)算的推斷統(tǒng)計(jì)學(xué)；用于正態(tài)性檢驗(yàn)、均方差投資組合優(yōu)化、主成分分析（PCA）和貝葉斯回歸的統(tǒng)計(jì)學(xué)。

3、特殊主題：用于金融算法的高性能Python，如向量化和并行化；Python與Excel的集成；以及構(gòu)建基于Web技術(shù)的金融應(yīng)用程序。

章節(jié)目錄

第1部分 Python與金融
第1章 為什么將Python用于金融 3
1．1 Python是什么 3
1．1．1 Python簡(jiǎn)史 5
1．1．2 Python生態(tài)系統(tǒng) 5
1．1．3 Python用戶譜系 7
1．1．4 科學(xué)棧 7
1．2 金融中的科技 8
1．2．1 科技開(kāi)銷 9
1．2．2 作為業(yè)務(wù)引擎的科技 9
1．2．3 作為進(jìn)入門(mén)檻的科技和人才 9
1．2．4 不斷提高的速度、頻率、數(shù)據(jù)量 10
1．2．5 實(shí)時(shí)分析的興起 11
1．3 用于金融的Python 12
1．3．1 金融和Python語(yǔ)法 12
1．3．2 Python的效率和生產(chǎn)率 15
1．3．3 從原型化到生產(chǎn) 19
1．4 結(jié)語(yǔ) 20
1．5 延伸閱讀 20
第2章 基礎(chǔ)架構(gòu)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 結(jié)語(yǔ) 42
2．3 延伸閱讀 43
第3章 入門(mén)示例 45
3．1 隱含波動(dòng)率 46
3．2 蒙特卡洛模擬 54
3．2．1 純Python 56
3．2．2 用NumPy向量化 57
3．2．3 利用對(duì)數(shù)歐拉方法實(shí)現(xiàn)全向量化 59
3．2．4 圖形化分析 60
3．2．5 技術(shù)分析 62
3．3 結(jié)語(yǔ) 67
3．4 延伸閱讀 68
第2部分 金融分析和開(kāi)發(fā)
第4章 數(shù)據(jù)類型和結(jié)構(gòu) 71
4．1 基本數(shù)據(jù)類型 72
4．1．1 整數(shù) 72
4．1．2 浮點(diǎn)數(shù) 73
4．1．3 字符串 75
4．2 基本數(shù)據(jù)結(jié)構(gòu) 77
4．2．1 元組 77
4．2．2 列表 78
4．2．3 離題：控制結(jié)構(gòu) 80
4．2．4 離題：函數(shù)式編程 81
4．2．5 字典 82
4．2．6 集合 84
4．3 NumPy數(shù)據(jù)結(jié)構(gòu) 85
4．3．1 用Python列表形成數(shù)組 85
4．3．2 常規(guī)NumPy數(shù)組 87
4．3．3 結(jié)構(gòu)數(shù)組 90
4．4 代碼向量化 91
4．5 內(nèi)存布局 93
4．6 結(jié)語(yǔ) 95
4．7 延伸閱讀 95
第5章 數(shù)據(jù)可視化 97
5．1 二維繪圖 97
5．1．1 一維數(shù)據(jù)集 98
5．1．2 二維數(shù)據(jù)集 103
5．1．3 其他繪圖樣式 109
5．2 金融學(xué)圖表 116
5．3 3D繪圖 119
5．4 結(jié)語(yǔ) 122
5．5 延伸閱讀 122
第6章 金融時(shí)間序列 123
6．1 pandas基礎(chǔ) 124
6．1．1 使用DataFrame類的第一步 124
6．1．2 使用DataFrame類的第二步 127
6．1．3 基本分析 131
6．1．4 Series類 134
6．1．5 GroupBy操作 135
6．2 金融數(shù)據(jù) 136
6．3 回歸分析 142
6．4 高頻數(shù)據(jù) 150
6．5 結(jié)語(yǔ) 154
6．6 延伸閱讀 154
第7章 輸入/輸出操作 155
7．1 Python基本I/O 156
7．1．1 將對(duì)象寫(xiě)入磁盤(pán) 156
7．1．2 讀寫(xiě)文本文件 159
7．1．3 SQL數(shù)據(jù)庫(kù) 160
7．1．4 讀寫(xiě)NumPy數(shù)組 162
7．2 Pandas的I/O 164
7．2．1 SQL數(shù)據(jù)庫(kù) 165
7．2．2 從SQL到pandas 166
7．2．3 CSV文件數(shù)據(jù) 168
7．2．4 Excel文件數(shù)據(jù) 169
7．3 PyTables的快速I/O 170
7．3．1 使用表 170
7．3．2 使用壓縮表 175
7．3．3 使用數(shù)組 176
7．3．4 內(nèi)存外計(jì)算 177
7．4 結(jié)語(yǔ) 179
7．5 延伸閱讀 180
第8章 高性能的Python 181
8．1 Python范型與性能 182
8．2 內(nèi)存布局與性能 184
8．3 并行計(jì)算 186
8．3．1 蒙特卡洛算法 186
8．3．2 順序化計(jì)算 187
8．3．3 并行計(jì)算 188
8．3．4 性能比較 191
8．4 多處理 191
8．5 動(dòng)態(tài)編譯 193
8．5．1 介紹性示例 193
8．5．2 二項(xiàng)式期權(quán)定價(jià)方法 195
8．6 用Cython進(jìn)行靜態(tài)編譯 199
8．7 在GPU上生成隨機(jī)數(shù) 201
8．8 結(jié)語(yǔ) 205
8．9 延伸閱讀 205
第9章 數(shù)學(xué)工具 207
9．1 逼近法 208
9．1．1 回歸 208
9．1．2 插值 218
9．2 凸優(yōu)化 221
9．2．1 全局優(yōu)化 222
9．2．2 局部?jī)?yōu)化 223
9．2．3 有約束優(yōu)化 224
9．3 積分 226
9．3．1 數(shù)值積分 228
9．3．2 通過(guò)模擬求取積分 228
9．4 符號(hào)計(jì)算 229
9．4．1 基本知識(shí) 229
9．4．2 方程式 230
9．4．3 積分 231
9．4．4 微分 232
9．5 結(jié)語(yǔ) 233
9．6 延伸閱讀 233
第10章 推斷統(tǒng)計(jì)學(xué) 235
10．1 隨機(jī)數(shù) 236
10．2 模擬 241
10．2．1 隨機(jī)變量 241
10．2．2 隨機(jī)過(guò)程 244
10．2．3 方差縮減 256
10．3 估值 259
10．3．1 歐式期權(quán) 259
10．3．2 美式期權(quán) 263
10．4 風(fēng)險(xiǎn)測(cè)度 266
10．4．1 風(fēng)險(xiǎn)價(jià)值 266
10．4．2 信用價(jià)值調(diào)整 270
10．5 結(jié)語(yǔ) 272
10．6 延伸閱讀 273
第11章 統(tǒng)計(jì)學(xué) 275
11．1 正態(tài)性檢驗(yàn) 276
11．1．1 基準(zhǔn)案例 277
11．1．2 現(xiàn)實(shí)世界的數(shù)據(jù) 284
11．2 投資組合優(yōu)化 289
11．2．1 數(shù)據(jù) 290
11．2．2 基本理論 291
11．2．3 投資組合優(yōu)化 294
11．2．4 有效邊界 296
11．2．5 資本市場(chǎng)線 297
11．3 主成分分析 300
11．3．1 DAX指數(shù)和30種成分股 301
11．3．2 應(yīng)用PCA 301
11．3．3 構(gòu)造PCA指數(shù) 302
11．4 貝葉斯回歸 305
11．4．1 貝葉斯公式 305
11．4．2 PyMC3 306
11．4．3 介紹性示例 307
11．4．4 真實(shí)數(shù)據(jù) 310
11．5 結(jié)語(yǔ) 318
11．6 延伸閱讀 318
第12章 Excel集成 321
12．1 基本電子表格交互 322
12．1．1 生成工作簿（．xls） 323
12．1．2 生成工作簿（．xslx） 324
12．1．3 從工作簿中讀取 326
12．1．4 使用OpenPyxl 328
12．1．5 使用pandas讀寫(xiě) 329
12．2 用Python編寫(xiě)Excel腳本 332
12．2．1 安裝DataNitro 333
12．2．2 使用DataNitro 333
12．3 xlwings 342
12．4 結(jié)語(yǔ) 342
12．5 延伸閱讀 343
第13章 面向?qū)ο蠛蛨D形用戶界面 345
13．1 面向?qū)ο?345
13．1．1 Python類基礎(chǔ)知識(shí) 346
13．1．2 簡(jiǎn)單的短期利率類 350
13．1．3 現(xiàn)金流序列類 354
13．2 圖形用戶界面 356
13．2．1 帶GUI的短期利率類 356
13．2．2 值的更新 358
13．2．3 帶GUI的現(xiàn)金流序列類 360
13．3 結(jié)語(yǔ) 362
13．4 延伸閱讀 362
第14章 Web集成 365
14．1 Web基礎(chǔ)知識(shí) 366
14．1．1 ftplib 366
14．1．2 httplib 368
14．1．3 urllib 369
14．2 Web圖表繪制 372
14．2．1 靜態(tài)圖表繪制 372
14．2．2 交互式圖表繪制 374
14．2．3 實(shí)時(shí)圖表繪制 375
14．3 快速Web應(yīng)用 383
14．3．1 交易者的聊天室 384
14．3．2 數(shù)據(jù)建模 384
14．3．3 Python代碼 385
14．3．4 模板 391
14．3．5 樣式化 396
14．4 Web服務(wù) 397
14．4．1 金融模型 399
14．4．2 實(shí)現(xiàn) 400
14．5 結(jié)語(yǔ) 406
14．6 延伸閱讀 406
第3部分 衍生品分析庫(kù)
第15章 估值框架 409
15．1 資產(chǎn)定價(jià)基本定理 409
15．1．1 簡(jiǎn)單示例 409
15．1．2 一般結(jié)果 410
15．2 風(fēng)險(xiǎn)中立折現(xiàn) 412
15．2．1 日期建模和處理 412
15．2．2 固定短期利率 413
15．3 市場(chǎng)環(huán)境 415
15．4 結(jié)語(yǔ) 418
15．5 延伸閱讀 419
第16章 金融模型的模擬 421
16．1 隨機(jī)數(shù)生成 422
16．2 泛型模擬類 423
16．3 幾何布朗運(yùn)動(dòng) 427
16．3．1 模擬類 427
16．3．2 用例 429
16．4 跳躍擴(kuò)散 431
16．4．1 模擬類 431
16．4．2 用例 434
16．5 平方根擴(kuò)散 435
16．5．1 模擬類 435
16．5．2 用例 437
16．6 結(jié)語(yǔ) 438
16．7 延伸閱讀 440
第17章 衍生品估值 441
17．1 泛型估值類 441
17．2 歐式行權(quán) 445
17．3 估值類 445
17．4 美式行權(quán) 451
17．4．1 最小二乘蒙特卡洛方法 451
17．4．2 估值類 453
17．4．3 用例 454
17．5 結(jié)語(yǔ) 457
17．6 延伸閱讀 458
第18章 投資組合估值 459
18．1 衍生品頭寸 460
18．1．1 類 460
18．1．2 用例 462
18．2 衍生品投資組合 463
18．2．1 類 463
18．2．2 用例 467
18．3 結(jié)語(yǔ) 472
18．4 延伸閱讀 474
第19章 波動(dòng)率期權(quán) 475
19．1 VSTOXX數(shù)據(jù) 476
19．1．1 VSTOXX指數(shù)數(shù)據(jù) 476
19．1．2 VSTOXX期貨數(shù)據(jù) 477
19．1．3 VSTOXX期權(quán)數(shù)據(jù) 479
19．2 模型檢驗(yàn) 480
19．2．1 相關(guān)市場(chǎng)數(shù)據(jù) 480
19．2．2 期權(quán)建模 481
19．2．3 檢驗(yàn)過(guò)程 483
19．3 基于VSTOXX的美式期權(quán) 487
19．3．1 期權(quán)頭寸建模 487
19．3．2 期權(quán)投資組合 488
19．4 結(jié)語(yǔ) 489
19．5 延伸閱讀 490
附錄A 精選的最佳實(shí)踐 491
附錄B 看漲期權(quán)類 499
附錄C 日期和時(shí)間 503

使用說(shuō)明

1、下載并解壓，得出pdf文件

2、如果打不開(kāi)本文件，請(qǐng)務(wù)必下載pdf閱讀器

3、安裝后，在打開(kāi)解壓得出的pdf文件

4、雙擊進(jìn)行閱讀