【资料名称】:金融大数据分析从认知到实践（第1辑）（套装共3册） 
【资料描述】:
内容简介
本书包含《Python金融大数据分析》、《Python金融实战》、《量化金融R语言初级教程》共三册。
《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。 《Python金融大数据分析》总计分为3部分，共19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部分介绍了金融分析和应用程序开发中最重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成，以及基于Web应用和Web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作，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、波动率期权等知识。《Python金融大数据分析》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。
《Python金融实战》：本书深入浅出地介绍了如何把Python应用于金融领域，例如用Python完成与个人理财或公司财务相关的金融计算、构建最优投资组合、计算各种期权的价格以及测试交易策略等。本书提供大量的示例帮助读者掌握Python编程语言和编程技巧。通过阅读本书，读者可以了解如何编写Python程序来模拟股票价格的变化、用蒙特卡罗方法给复杂的期权合约定价、计算买卖价差等流动性指标、绘制隐含波动率的微笑曲线、估计波动率的时间序列模型等。本书涉及金融的多个领域，包括金融衍生产品定价、投资组合、金融模型和金融时间序列分析等。 本书通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法，再到一系列简单的编程示例，本书循序渐进地引导读者学习Python。同时，本书还结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型、期权定价等内容，深度揭示了Python在金融行业中的应用技巧。 本书适合金融、会计等相关专业的高校师生阅读，也适合金融领域的研究人员和从业人员参考学习。对于有一定计算机编程基础，但想要从事金融行业的读者，本书也是不错的参考用书。
《量化金融R语言初级教程》是写给想要使用R语言完成量化金融任务的读者的。学习量化金融领域强有力的工具，用R语言解决多种多样的问题。 R是用于统计分析、绘图的语言和操作环境。它是属于GNU系统的一个自由、免费、源代码开放的软件，是一个用于统计计算和统计制图的优秀工具。 本书通过9章的内容向读者详细介绍使用R语言实现量化金融的一些基础知识和方法，内容包括时间序列分析、投资组合优化、资产定价模型、固定收益证券、估计利率期限结构、衍生品定价、信用风险管理、极值理论和金融网络等。本书的目标读者是那些希望通过R语言来解决量化金融问题的读者，如果读者具备一定的金融知识，将会对本书的阅读有较大的帮助。通过阅读本书，读者将学习到有关R语言的诸多核心内容，并了解R语言在量化金融方面的各类应用。
收起全部↑
目录
版权信息
Python金融大数据分析
前言
致谢
第1部分 Python与金融
第1章 为什么将Python用于金融
1.1 Python 是什么
1.2 金融中的科技
1.3 用于金融的Python
1.4 结语
1.5 延伸阅读
第2章 基础架构和工具
2.1 Python部署
2.2 结语
2.3 延伸阅读
第3章 入门示例
3.1 隐含波动率
3.2 蒙特卡洛模拟
3.3 结语
3.4 延伸阅读
第2部分 金融分析和开发
第4章 数据类型和结构
4.1 基本数据类型
4.2 基本数据结构
4.3 NumPy数据结构
4.4 代码向量化
4.5 内存布局
4.6 结语
4.7 延伸阅读
第5章 数据可视化
5.1 二维绘图
5.2 金融学图表
5.3 3D绘图
5.4 结语
5.5 延伸阅读
第6章 金融时间序列
6.1 pandas基础
6.2 金融数据
6.3 回归分析
6.4 高频数据
6.5 结语
6.6 延伸阅读
第7章 输入/输出操作
7.1 Python基本I/O
7.2 Pandas的I/O
7.3 PyTables的快速I/O
7.4 结语
7.5 延伸阅读
第8章 高性能的Python
8.1 Python范型与性能
8.2 内存布局与性能
8.3 并行计算
8.4 多处理
8.5 动态编译
8.6 用Cython进行静态编译
8.7 在GPU上生成随机数
8.8 结语
8.9 延伸阅读
第9章 数学工具
9.1 逼近法
9.2 凸优化
9.3 积分
9.4 符号计算
9.5 结语
9.6 延伸阅读
第10章 推断统计学
10.1 随机数
10.2 模拟
10.3 估值
10.4 风险测度
10.5 结语
10.6 延伸阅读
第11章 统计学
11.1 正态性检验
11.2 投资组合优化
11.3 主成分分析
11.4 贝叶斯回归
11.5 结语
11.6 延伸阅读
第12章 Excel集成
12.1 基本电子表格交互
12.2 用Python编写Excel脚本
12.3 xlwings
12.4 结语
12.5 延伸阅读
第13章 面向对象和图形用户界面
13.1 面向对象
13.2 图形用户界面
13.3 结语
13.4 延伸阅读
第14章 Web集成
14.1 Web基础知识
14.2 Web图表绘制
14.3 快速Web应用
14.4 Web服务
14.5 结语
14.6 延伸阅读
第3部分 衍生品分析库
第15章 估值框架
15.1 资产定价基本定理
15.2 风险中立折现
15.3 市场环境
15.4 结语
15.5 延伸阅读
第16章 金融模型的模拟
16.1 随机数生成
16.2 泛型模拟类
16.3 几何布朗运动
16.4 跳跃扩散
16.5 平方根扩散
16.6 结语
16.7 延伸阅读
第17章 衍生品估值
17.1 泛型估值类
17.2 欧式行权
17.3 估值类
17.4 美式行权
17.5 结语
17.6 延伸阅读
第18章 投资组合估值
18.1 衍生品头寸
18.2 衍生品投资组合
18.3 结语
18.4 延伸阅读
第19章 波动率期权
19.1 VSTOXX数据
19.2 模型检验
19.3 基于VSTOXX的美式期权
19.4 结语
19.5 延伸阅读
量化金融R语言初级教程
译者序
前言
第1章 时间序列分析
1.1 使用时间序列数据
1.2 对英国房屋价格建模并预测
1.3 协整
1.4 波动率建模
1.5 小结
第2章 投资组合优化
2.1 均方差模型
2.2 解的概念
2.3 使用真实数据
2.4 切线组合和资本市场线
2.5 协方差矩阵中的噪声
2.6 如果方差不够用
2.7 小结
第3章 资产定价模型
3.1 资本资产定价模型
3.2 套利定价理论
3.3 贝塔估计
3.4 模型检验
3.5 小结
第4章 固定收益证券
4.1 度量固定收益证券的市场风险
4.2 固定收益投资组合的免疫
4.3 可转换债券的定价
4.4 小结
第5章 估计利率期限结构
5.1 利率期限结构与相关函数
5.2 估计问题
5.3 基于线性回归的期限结构估计
5.4 三次样条回归
5.5 R函数应用
5.6 小结
第6章 衍生品定价
6.1 Black-Scholes模型
6.2 Cox-Ross-Rubinstein模型
6.3 两种模型之间的联系
6.4 希腊字母
6.5 隐含波动率
6.6 小结
第7章 信用风险管理
7.1 信用违约模型
7.2 相关违约——投资组合方法
7.3 迁移矩阵
7.4 使用R的信用评分入门
7.5 小结
第8章 极值理论
8.1 理论概览
8.2 应用——保险理赔的建模
8.3 小结
第9章 金融网络
9.1 金融网络的表示、模拟和可视化
9.2 网络结构的分析和拓扑改变的检查
9.3 对系统风险的贡献——系统重要性金融机构的识别
9.4 小结
参考文献
Python金融实战
致谢
前言
第1章 Python简介及安装
1.1 Python简介
1.2 如何安装Python
1.3 Python的不同版本
1.4 运行Python的3种方式
1.5 如何退出Python
1.6 错误提示
1.7 Python语言是区分大小写的
1.8 变量的初始化
1.9 寻找在线帮助
1.10 查找学习手册和教程
1.11 如何找出Python的版本
1.12 小结
练习题
第2章 用Python完成普通计算器的功能
2.1 变量的赋值及显示
2.2 错误提示
2.3 不能调用没有赋值的变量
2.4 选择有意义的变量名
2.5 使用dir（）来查找变量和函数
2.6 删除或取消变量
2.7 基本数学运算：加、减、乘、除
2.8 幂函数、取整和余数函数
2.9 一个真正的幂函数
2.10 选择合适的数值精度
2.11 找出某个内置函数的详细信息
2.12 列出所有内置函数
2.13 导入数学模块
2.14 π、e、对数和指数函数
2.15 import math与from math import *的区别
2.16 一些常用的函数
2.17 元组数据类型
2.18 小结
练习题
第3章 用Python编写一个金融计算器
3.1 编写不需要保存的Python函数
3.2 函数的输入参数及它们的预设值
3.3 缩进格式在Python编程中至关重要
3.4 检查自己编写的函数是否存在
3.5 在Python编辑器里定义函数
3.6 利用import（）在Python编辑器里激活自己编写的函数
3.7 使用Python编辑器调试程序
3.8 调用pv_f（）函数的两种方法
3.9 生成自制的模块
3.10 两种注释方法
3.11 查找有关pv_f（）函数的信息
3.12 条件函数：if（）
3.13 计算年金
3.14 利率换算
3.15 连续复利利率
3.16 数据类型：列表
3.17 净现值和净现值法则
3.18 投资回收期和投资回收期法则
3.19 内部收益率和内部收益率法则
3.20 显示在某个目录下的指定文件
3.21 用Python编写一个专业金融计算器
3.22 将我们的目录加到Python的路径上
3.23 小结
练习题
第4章 编写Python程序计算看涨期权价格
4.1 用空壳法编写一个程序
4.2 用注释法编写一个程序
4.3 使用和调试他人编写的程序
4.4 小结
练习题
第5章 模块简介
5.1 什么是模块
5.2 导入模块
5.3 模块之间的相互依赖性
5.4 小结
练习题
第6章 NumPy和SciPy模块简介
6.1 安装NumPy和SciPy模块
6.2 从Anaconda启动Python
6.3 显示NumPy和SciPy包含的所有函数
6.4 关于某个函数的详细信息
6.5 理解列表数据类型
6.6 使用全一矩阵、全零矩阵和单位矩阵
6.7 执行数组操作
6.8 数组的加、减、乘、除
6.9 x.sum（）函数
6.10 遍历数组的循环语句
6.11 使用与模块相关的帮助
6.12 SciPy的一系列子函数包
6.13 累积标准正态分布
6.14 与数组相关的逻辑关系
6.15 SciPy的统计子模块（stats）
6.16 SciPy模块的插值方法
6.17 使用SciPy求解线性方程
6.18 利用种子（seed）生成可重复的随机数
6.19 在导入的模块里查找函数
6.20 优化算法简介
6.21 线性回归和资本资产定价模型（CAPM）
6.22 从文本文件（.txt）输入数据：loadtxt（）和getfromtxt（）函数
6.23 独立安装NumPy模块
6.24 数据类型简介
6.25 小结
练习题
第7章 用matplotlib模块绘制与金融相关的图形
7.1 通过ActivePython安装matplotlib模块
7.2 通过Anaconda安装matplotlib模块
7.3 matplotlib模块简介
7.4 了解简单利率和复利利率
7.5 为图形添加文字
7.6 杜邦等式的图示
7.7 净现值图示曲线
7.8 图形演示分散投资的效果
7.9 股票的数目和投资组合风险
7.10 从雅虎财经网站下载历史价格数据
7.11 了解现金的时间价值
7.12 用烛台图展示IBM的每日收盘价
7.13 用图形展示价格变化
7.14 同时展示收盘价和交易量
7.15 比较个股的表现
7.16 比较多只股票的收益率与波动率
7.17 查找学习手册、示例和有关视频
7.18 独立安装matplotlib模块
7.19 小结
练习题
第8章 时间序列的统计分析
8.1 安装pandas和statsmodels模块
8.2 Pandas和statsmodels模块简介
8.3 开源数据
8.4 用Python代码输入数据
8.5 几个重要的函数
8.6 计算回报率
8.7 按日期合并数据集
8.8 构建n只股票的投资组合
8.9 T-检验和F-检验
8.10 金融研究和实战的应用举例
8.11 构建有效组合边界
8.12 插值法简介
8.13 输出数据到外部文件
8.14 用Python分析高频数据并计算买卖价差
8.15 更多关于使用Spyder的信息
8.16 一个有用的数据集
8.17 小结
练习题
第9章 Black-Scholes-Merton期权定价模型
9.1 看涨期权和看跌期权的收益和利润/损失函数
9.2 欧式期权与美式期权
9.3 现金流、不同类型的期权、权利和责任
9.4 正态分布、标准正态分布和累积标准正态分布
9.5 不分红股票的期权定价模型
9.6 用于期权定价的p4f模块
9.7 已知分红股票的欧式期权价格
9.8 多种交易策略
9.9 期权价格和输入参数之间的关系
9.10 与期权相关的希腊字母
9.11 期权平价关系及其图形表示
9.12 二叉树法及其图形表示
9.13 套期保值策略
9.14 小结
练习题
第10章 Python的循环语句和隐含波动率的计算
10.1 隐含波动率的定义
10.2 for循环简介
10.3 用for循环计算内部收益率及多个内部收益率
10.4 while循环简介
10.5 美式看涨期权的隐含波动率
10.6 测试一个程序的运行时间
10.7 二分搜索的原理
10.8 顺序访问与随机访问
10.9 通过循环访问数组的元素
10.10 从CBOE网站下载期权数据
10.11 从雅虎财经网页下载期权数据
10.12 看跌期权和看涨期权的比率及其短期趋势
10.13 小结
练习题
第11章 蒙特卡罗模拟和期权定价
11.1 产生服从标准正态分布的随机数
11.2 利用蒙特卡罗模拟计算π的近似值
11.3 从n只股票中随机选择m只
11.4 可重复和不可重复的随机取样
11.5 年收益率的分布
11.6 模拟股价变化
11.7 图形展示期权到期日的股票价格的分布
11.8 寻找有效的投资组合和有效边界
11.9 算术平均值与几何平均值
11.10 预测长期回报率
11.11 用模拟法为看涨期权定价
11.12 奇异期权简介
11.13 障碍式期权的平价关系及其图形演示
11.14 具有浮动执行价格的回望式期权的定价
11.15 使用Sobol序列来提高效率
11.16 小结
练习题
第12章 波动率和GARCH模型
12.1 传统的风险测度-标准方差
12.2 检验正态分布
12.3 下偏标准方差
12.4 检验两个时间段的波动率是否相等
12.5 利用Breusch和Pagan（1979）方法检验异方差
12.6 从雅虎财经网页检索期权数据
12.7 波动率的微笑曲线和斜度
12.8 波动率集聚效应的图形表示
12.9 ARCH模型及ARCH（1）随机过程的模拟
12.10 GARCH（广义ARCH）模型
12.11 小结
练习题
收起全部↑
前言
前言
不久以前，在金融行业，Python作为一种编程语言和平台技术还被视为异端。相比之下，2014年有许多大型金融机构——如美国银行、美林证券的“石英”项目或者摩根大通的“雅典娜”项目——战略性地使用了Python和其他既定的技术，构建、改进和维护其核心IT系统。众多大大小小的对冲基金也大量使用Python的功能，进行高效的金融应用程序开发和金融分析工作。
同样，当今许多金融工程硕士课程（或者授予类似学位的课程）也使用Python作为核心语言之一，教授计量金融理论与可执行计算机代码之间的转换方法。针对金融专业人士的教育项目和培训也越来越多地在课程中加入Python。有些课程将它作为主要实现语言。
Python最近取得这样的成功，而且在未来似乎还会继续下去，这有许多原因。其中包括它的语法、Python开发人员可用的科学生态系统和数据分析库、易于和几乎所有其他技术集成，以及其开源地位（更多这方面的深入探讨请参见第1章）。
因此，有许多好的书籍，从不同角度和焦点传授Python。本书是最先介绍和传授Python金融应用的书籍之一，特别是将Python用于计量金融学和金融分析。书中采用的方法很实用，实现和说明先于理论细节，通常将焦点更多地放在大局上，而非某些类或者函数晦涩难懂的参数化选项。
本书的大部分是在基于浏览器的强大交互式环境IPython Notebook（在第2章中有更详细的介绍）中编写的，因此有可能为读者提供本书中几乎所有例子的可执行、交互式版本。
希望立即开始使用完备的交互式Python（以及R和Julia）金融分析环境的读者，应该前往//oreilly.quant-platform.com，尝试Python Quant平台（结合本书提供的IPython Notebook文件）。你还应该关注基于Python的金融分析库DX analytics（//dx-analytics.com）。我的另一本书《Derivatives Analytics with Python》（Wiley Finance）更详细地介绍高级衍生品分析的理论和数值方法，书中也提供了丰富而易用的Python代码。进一步的材料，特别是有关Python计量金融学应用的幻灯片及视频，可以在我的私人网站上找到（//hilpisch.com）。
如果你想参加Python 计量金融学应用社区的活动，在世界上的金融中心有各种各样的机会。例如，我自己在伦敦（//www.meetup.com/Python-for-Quant_finance-London/）和纽约（//www.meetup.com/Python-for-Quant_finance-NYC/）组织以此为焦点的讨论组。每年还有多次For Python Quants会议和研讨（//forpythonquants.com和//pythonquants.com）。
对于Python确立金融行业中重要技术地位这一事实，我确实感到很兴奋。我敢肯定，它在未来将会起到更重要的作用，例如在衍生品和风险分析或者高性能计算领域中。我希望本书能够帮助专业人士、研究人员和学生在面对这一迷人领域中的挑战时，最大限度地利用Python。
本书的惯例
提示
提示这个图标用来强调一个提示、建议或一般说明。
警告
警告这个图标用来表示一个警告或注意事项。
代码示例的使用
补充材料（特别是 IPython Notebooks 和 Python 脚本/模块）可以从//oreilly.quant-platform.com下载。
本书的目的是为了帮助读者完成工作。一般而言，你可以在你的程序和文档中使用本书中的代码，而且也没有必要取得我们的许可。但是，如果你要复制的是核心代码，则需要和我们打个招呼。例如，你可以在无需获取我们许可的情况下，在程序中使用本书中的多个代码块。但是，销售或分发O'Reilly 图书中的代码光盘则需要取得我们的许可。通过引用本书中的示例代码来回答问题时，不需要事先获得我们的许可。但是，如果你的产品文档中融合了本书中的大量示例代码，则需要取得我们的许可。
在引用本书中的代码示例时，如果能列出本书的属性信息是最好不过。一个属性信息通常包括书名、作者、出版社和 ISBN。例如：“Python for Financeby Yves Hilpisch（O'Reilly）．Copyright 2015Yves Hilpisch，978-1-491-94528-5.”
在使用书中的代码时，如果不确定是否属于正常使用，或是否超出了我们的许可，请通过
permissions@oreilly.com与我们联系。
联系方式
如果你想就本书发表评论或有任何疑问，敬请联系出版社：
美国：
O'Reilly Media Inc.
1005 Gravenstein Highway North
Sebastopol，CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
我们还为本书建立了一个网页，其中包含了勘误表、示例和其他额外的信息。你可以通过如下地址访问该网页：
//bit.ly/python-finance
关于本书的技术性问题或建议，请发邮件到：
bookquestions@oreilly.com
欢迎登录我们的网站（//www.oreilly.com），查看更多我们的书籍、课程、会议和最新动态等信息。
Facebook：//facebook.com/oreilly
Twitter：//twitter.com/oreillymedia
YouTube：//www.youtube.com/oreillymedia
Safari? 在线图书
Safari在线图书是一个按需订阅的数字图书馆。它有不少于7500本技术和创意相关的书籍和视频供你参考和搜索。
通过订阅，你可以在线阅读任何页面或任何视频，甚至可以从手机或移动设备上在线阅读。你可以在书籍出版前访问到它们，并给读者发送反馈。其他功能还包括：复制和粘贴代码、组织收藏夹、下载和标记章节、做笔记、打印等。
O'Reilly Media 已经将本书英文版上传到Safari在线图书服务。在//my.safaribooksonline.com上免费注册，你就可以访问本书所有章节以及类似主题的书籍。
查看全部↓
精彩书摘
本部分介绍Python的金融学应用，包括3章。
第1章简短地讨论Python的总体情况，证明Python确实适合于处理金融行业和财务（数据）分析中遇到的技术难题。
第2章介绍Python基础架构和工具，目的是简洁地概述用Python开始交互式分析和应用程序开发所需要了解的最重要知识；相关的附录A纵览一些精选的Python开发最佳方法。
第3章立即进入3个具体的金融实例：说明如何用Python计算期权的隐含波动率、如何用Python和数组库Numpy模拟金融模型，以及如何实现基于趋势投资策略的事后检验。本章为读者提供使用Python进行金融分析的感性认识——在这一阶段，细节并不重要，在第2部分会对所有细节进行解释。
银行本质上是技术公司。
——Hugo Banziger
Python 是一种高级的多用途编程语言，广泛用于各种非技术和技术领域。在 Python 网站上，你可以找到如下行动纲领（https：//www.python.org/doc/essays/blurb）：
Python是一种具备动态语义、面向对象的解释型高级编程语言。它的高级内建数据结构和动态类型及动态绑定相结合，使其在快速应用开发上极具吸引力，也适合于作为脚本或者“粘合剂”语言，将现有组件连接起来。Python 简单、易学的语法强调可读性，因此可以降低程序维护成本。Python 支持模块和软件包，鼓励模块化和代码重用。Python 解释程序和大量标准库可以源代码或者二进制形式免费取得，用于所有主要平台，并且可以随意分发。
上述纲领很好地描述了 Python 成为当今主要编程语言之一的原因。当前，在学校、Web 公司、大型企业和金融机构以及任何科学领域，都有初学者和熟练的专业开发人员在使用 Python。
Python有如下特征。
开放源码
Python和大部分可用的支持库及工具都是开源的，通常使用相当灵活和开放的许可证。
解释型
Cpython参考实现是该语言的一个解释程序，在运行时将Python代码翻译为可执行字节代码。
多重范型
Python支持不同的编程和实现范型，例如面向对象和命令式、函数式或者过程式编程。
多用途
Python可以用于快速、交互式代码开发，也可以用于构建大型应用程序；它可以用于低级系统操作，也可以承担高级分析任务。
跨平台
Python可用于大部分重要的操作系统，如Windows、Linux和Mac OS；它用于构建桌面应用和Web应用；可以在最大的群集和最强大的服务器上使用，也可以在树莓派（//www.raspberrypi.org）这样的小设备上运行。
动态类型
Python中的类型通常在运行时推知，而不像大部分编译语言那样静态声明。
缩进感知
和大部分其他编程语言不同，Python使用缩进标记代码块，代替圆括号、方括号或者分号。
垃圾收集
Python具有自动垃圾收集机制，避免程序员管理内存。
关于Python语法及其意义，Python增强提案20——即所谓的“Python之禅”——提供了重要的指导方针。每个交互shell都可以用命令import this访问它：
金融大数据分析从认知到实践 PDF
金融大数据分析从认知到实践 EPUB
金融大数据分析从认知到实践 AZW3
金融大数据分析从认知到实践 MOBI
【下载地址隐藏】： 点：回复可见地址
