图书介绍

Python金融数据分析PDF|Epub|txt|kindle电子书版本网盘下载

Python金融数据分析
  • （新加坡）马伟明著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111589983
  • 出版时间：2018
  • 标注页数：230页
  • 文件大小：93MB
  • 文件页数：246页
  • 主题词：软件工具－程序设计－应用－金融－分析

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：7b32b4b9f8ebb8dca2ab2f08f969bcbd

下载说明

Python金融数据分析PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章Python在金融中的应用1

1.1 Python适合我吗2

1.1.1免费＋开源2

1.1.2高级、强大、灵活的编程语言2

1.1.3丰富的标准库3

1.2面向对象编程与函数式编程3

1.2.1面向对象式方法3

1.2.2函数式方法4

1.2.3我该使用哪种方法4

1.3我该使用哪个版本的Python5

1.4 IPython简介5

1.4.1安装IPython5

1.4.2使用pip6

1.4.3 IPython Notebook6

1.4.4 Notebook单元格8

1.4.5 IPython Notebook简单的练习9

1.4.6 Notebook与金融14

1.5总结15

第2章 金融中的线性问题16

2.1资本资产定价模型与证券市场线17

2.2套利定价模型20

2.3因子模型的多元线性回归20

2.4线性最优化21

2.4.1安装PuLP22

2.4.2一个简单的线性优化问题22

2.4.3线性规划的结果24

2.4.4整数规划24

2.5使用矩阵解线性方程组27

2.6 LU分解29

2.7 Cholesky分解30

2.8 QR分解31

2.9总结36

第3章 非线性与金融37

3.1非线性建模37

3.2非线性模型举例38

3.2.1隐含波动率模型38

3.2.2马尔可夫机制转换模型39

3.2.3门限自回归模型40

3.2.4平滑转换模型41

3.3非线性模型求根算法概述41

3.4增量法42

3.5二分法44

3.6牛顿迭代法46

3.7割线法47

3.8求根法的结合使用49

3.9利用SciPy求解49

3.9.1 SciPy求根标量函数49

3.9.2通用非线性求解器50

3.10总结52

第4章 利用数值方法为衍生品定价53

4.1什么是期权54

4.2二叉树期权定价模型54

4.2.1欧式期权定价54

4.2.2编写StockOption类56

4.2.3编写BinomialEuropean-Option类57

4.2.4利用Binomial TreeOption类给美式期权定价59

4.2.5 Cox-Ross-Rubinstein模型61

4.2.6 Leisen-Reimer模型62

4.3希腊值64

4.4三叉树期权定价模型67

4.5期权定价中的Lattice方法70

4.5.1二叉树网格70

4.5.2编写BinomialCRR-Option类70

4.5.3三叉树网格72

4.6有限差分法73

4.6.1显式方法75

4.6.2隐式方法78

4.6.3 Crank-Nicolson方法81

4.6.4奇异障碍期权定价83

4.6.5美式期权定价的有限差分85

4.7隐含波动率模型88

4.8总结91

第5章 利率及其衍生工具92

5.1固定收益证券93

5.2收益率曲线93

5.3无息债券94

5.4自助法构建收益率曲线95

5.5远期利率98

5.6计算到期收益率100

5.7计算债券定价101

5.8久期101

5.9凸度102

5.10短期利率模型103

5.10.1 Vasicek模型104

5.10.2 Cox-Ingersoll-Ross模型105

5.10.3 Rendleman and Bartter模型106

5.10.4 Brennan and Schwartz模型107

5.11债券期权108

5.11.1可赎回债券109

5.11.2可回售债券109

5.11.3可转换债券109

5.11.4优先股110

5.12可赎回债券定价110

5.12.1 Vasicek模型定价无息债券110

5.12.2提前行权定价112

5.12.3有限差分策略迭代法114

5.12.4可赎回债券定价的其他影响因素120

5.13总结121

第6章 利用Python分析欧洲斯托克50指数波动率122

6.1波动率指数衍生品123

6.1.1 STOXX与欧洲期货交易所123

6.1.2 EURO STOXX 50指数123

6.1.3 VSTOXX123

6.1.4 VIX124

6.2获取EUROX STOXX 50指数和VSTOXX数据124

6.3数据合并128

6.4 SX5 E与V2TX的财务分析129

6.5 SX5E与V2TX的相关性132

6.6计算VSTOXX子指数134

6.6.1获取OESX数据134

6.6.2计算VSTOXX子指数的公式136

6.6.3 VSTOXX子指数值的实现137

6.6.4分析结果142

6.7计算VSTOXX主指数143

6.8总结145

第7章 大数据分析147

7.1什么是大数据148

7.2 Hadoop148

7.2.1 HDFS148

7.2.2 YARN149

7.2.3 MapReduce149

7.3大数据工具对我来说实用吗149

7.4获取Apache Hadoop150

7.4.1从Cloudera获取QuickStart VM150

7.4.2获取V irtualBox150

7.4.3在VirtualBox上运行Cloudera VM150

7.5 Hadoop中的字计数程序153

7.5.1下载示例数据153

7.5.2 map程序153

7.5.3 reduce程序154

7.5.4测试脚本155

7.5.5在Hadoop上运行MapReduce156

7.5.6使用Hue浏览 HDFS158

7.6 Hadoop的金融实践158

7.6.1从Yahoo！ Finance获取IBM股票价格159

7.6.2修改map程序159

7.6.3使用IBM股票价格测试map程序160

7.6.4运行MapReduce计算日内价格变化160

7.6.5分析MapReduce结果162

7.7 NoSQL简介162

7.7.1获取MongoDB163

7.7.2创建数据目录并运行MongoDB163

7.7.3获取PyMongo164

7.7.4运行测试连接164

7.7.5获取数据库165

7.7.6获取集合165

7.7.7插入文档166

7.7.8获取单个文档166

7.7.9删除文档167

7.7.10批量插入文档167

7.7.11统计集合文档168

7.7.12查找文档168

7.7.13文档排序168

7.7.14结论169

7.8总结169

第8章 算法交易171

8.1什么是算法交易172

8.2带有公共API的交易平台列表173

8.3有没有最好的编程语言173

8.4系统功能173

8.5通过Interactive Brokers和IbPy进行算法交易174

8.5.1获取Interactive Brokers的Trader WorkStation174

8.5.2获取IbPy—— IB API包装器177

8.5.3指令路由机制177

8.6构建均值回归算法交易系统181

8.6.1设置主程序181

8.6.2处理事件183

8.6.3实现均值回归算法184

8.6.4跟踪头寸186

8.7使用OANDA API进行外汇交易187

8.7.1什么是REST188

8.7.2设置OANDA账户188

8.7.3 OANDA API使用方法191

8.7.4获取oandapy—— OANDAREST API包装器191

8.7.5获取并解析汇率数据191

8.7.6发送指令192

8.8构建趋势跟踪外汇交易平台193

8.8.1设置主程序193

8.8.2处理事件194

8.8.3实现趋势跟踪算法195

8.8.4跟踪头寸195

8.9风险价值模型197

8.10总结199

第9章 回溯测试201

9.1回溯测试概述201

9.1.1回溯测试的缺陷202

9.1.2事件驱动回溯测试系统202

9.2设计并实施回溯测试系统204

9.2.1 TickData类204

9.2.2 MarketData类204

9.2.3 MarketDataSource类205

9.2.4 Order类206

9.2.5 Position类206

9.2.6 Strategy类207

9.2.7 MeanReverting Strategy类207

9.2.8 Backtester类209

9.2.9运行回溯测试系统211

9.2.10改进回溯测试系统213

9.3回溯测试模型的10个注意事项213

9.3.1模型的资源限制214

9.3.2模型评价标准214

9.3.3估计回溯测试参数的质量214

9.3.4应对模型风险214

9.3.5样本数据回测214

9.3.6解决回溯测试的常见缺陷214

9.3.7常识错误215

9.3.8理解模型环境215

9.3.9数据准确性215

9.3.10数据挖掘216

9.4回溯测试中的算法选择216

9.4.1 k-均值聚类算法216

9.4.2 KNN机器学习算法216

9.4.3分类回归树分析217

9.4.4 2 k析因设计217

9.4.5遗传算法217

9.5总结217

第10章Python与Excel的融通219

10.1 COM概述220

10.2 Excel与金融220

10.3构建COM服务器220

10.3.1先决条件221

10.3.2获取pythoncom模块221

10.3.3构建Black-Scholes模型COM服务器221

10.3.4注册和注销COM服务器222

10.3.5构建Cox-Ross-Rubinstein模型COM服务器223

10.3.6构建三叉网格模型COM服务器223

10.4在Excel中构建COM客户端224

10.4.1设置VBA代码225

10.4.2设置单元格227

10.5 COM的其他功能228

10.6总结229

热门推荐