Python金融數據分析 ( 簡體 字) |
| 作者：〔新加坡〕馬偉明（James Ma Weiming）著 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 48736
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：3/1/2018 |
| 頁數：225 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111589983 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：Python已廣泛應用于銀行業、投資管理、保險業、房地產行業等金融領域，用于開發金融模型、管理風險和自動完成交易。許多大型金融機構依賴Python來搭建職位管理、資產定價、風險管理和交易系統等基礎設施。
本書將介紹核心的金融理論，并給出它們的數學概念，以幫助讀者更好地理解它們在實際中的應用價值。你將了解如何應用Python求解經典的資產定價模型，解決金融中的線性和非線性問題，開發數值程序和利率模型，以及如何根據有限差分法定價來描繪含有期權的隱含波動率曲線等。
隨著高級計算技術的出現，我們必須要考慮如何存儲和處理大量數據。而Hadoop是目前處理大數據的流行工具。因此本書將介紹Hadoop的工作原理及其與Python的集成，以獲得金融數據的分析方法；以及如何利用Python實現NoSQL在存儲非結構化數據中的應用。
目前許多公司開始向客戶提供API，以使用他們定制的交易軟件進行交易。通過學習本書，你將了解如何連接到代理API，檢索市場數據，生成交易信號并向交易所發送指令，以及平均回報和趨勢跟蹤等交易策略的實施。另外，本書還將介紹風險管理、頭寸跟蹤和回溯測試技術，以幫助你管理交易策略的實施效果。
金融行業中，使用Microsoft Excel處理債券交易和后臺業務是一種普遍現象。本書將介紹如何在Python中創建數字定價組件對象模型（COM）服務器，使你的電子表格能夠即時計算和更新模型值。
本書的主要內容
第1章探討了Python在金融領域的適用性，引入IPython作為可視化數據和執行科學計算的有效工具。
第2章介紹了使用Python求解線性方程組的方法，執行整數規劃，以及將矩陣應用于投資組合分析的線性優化。
第3章討論了使用Python構建金融非線性模型以及術根方法。
第4章探討了如何使用三叉樹模型、二叉樹網格和有限差分法等進行期權估值。
第5章討論了收益率曲線的引導過程，涵蓋一些利用Python實現的衍生品利率的短期定價模型。
第6章討論了波動率指數，對歐洲斯托克50指數波動率數據進行分析，并使用子指數的期權價格復制主要指數。
第7章介紹了Hadoop在大數據分析中的應用，如何使用Python執行MapReduce操作，以及如何使用NoSQL存儲數據。
第8章探討了逐步開發均值回歸算法交易和趨勢跟蹤算法交易策略，以及交易系統風險管理等。
第9章討論如何設計并實現一個事件驅動的回溯測試系統，幫助你把握模擬交易策略的性能。
第10章介紹了如何在Python中構建一個組件對象模型服務器和客戶端界面與Excel融通，以及如何在Excel中即時計算期權價格。
學習本書的軟硬件支持
學習本書需要安裝如下軟件：
操作系統：
● 能使用Python 2杄7或更高版本的操作系統
● 第10章需要Windows XP或更高版本的操作系統
● 第7章需要有至少4GB RAM的64位主機操作系統
本書將使用以下Python包的Python、SciPy、pandas、IPython和Matplotlib模塊：
● Continuum Analytics的Anaconda 2杄1或更高版本：https://store杄continuum杄io/cshop/anaconda/
● Enthought的Canopy 1杄5或更高版本：https://store杄enthought杄com/downloads/
其他必需的Python模塊：
● Statsmodels，見http://statsmodels杄sourceforge杄net/
● PuLP（第2章），見https://github杄com/coin拟or/pulp
● lxml（第6章），見http://lxml杄de/
● PyMongo 2杄7（第7章），見https://pypi杄python杄org/pypi/pymongo/
● IbPy（第8章），見https://github杄com/blampe/IbPy
● oandapy（第8章），見https://github杄com/oanda/oandapy
● python拟requests（第8章），見https://pypi杄python杄org/pypi/requests/
● PyWin32（第10章），見http://sourceforge杄net/projects/pywin32/files/
可選Python模塊：
● 使用pip 6杄0自動安裝Python包，見https://pypi杄python杄org/pypi/pip
需要的軟件：
● Mozilla Firefox，見https://www杄mozilla杄org/en拟US/firefox/new/
● MongoDB 2杄6（第7章），見http://www杄mongodb.org/downloads
● VirtualBox 4杄3（第7章），見https://www杄virtualbox杄org/wiki/Downloads
● Cloudera QuickStart VM with CDH (Cloudera Distribution Including Apache Hadoop)（第7章），見http://www杄cloudera杄com/content/cloudera/en/downloads/quickstart_vms杄html
● Interactive Brokers (IB) Trader Workstation (TWS)（第8章），見https://www杄interactivebrokers杄com/en/ index杄php?f=1537
● 使用Oracle Java 7運行IB TWS和OANDA fxTrade平臺（第8章）
● Microsoft Office Excel 2010或更高版本，并使用宏（第10章）
本書的讀者對象
本書面向開發金融應用程序的學生和程序員，提供金融服務的顧問，金融分析師以及想要利用Python在數據可視化、交互式分析和科學計算方面的優勢進行財務分析的人員。對此，你需要掌握一定的Python基礎知識和金融概念，在學習每一章的技術內容之前，本書會為初學者介紹相關的背景資料。 |
內容簡介：本書系統闡述Python在金融領域的應用，不僅涵蓋核心的金融理論及相關數學概念，還詳細講解如何應用Python求解經典的資產定價模型、解決金融中的線性和非線性問題、開發數值程序和利率模型，以及如何根據有限差分法定價來描繪含有期權的隱含波動率曲線等。
本書還介紹了Hadoop在大數據分析中的應用以及Python和Excel的融通，包括使用Python執行MapReduce操作，用NoSQL存儲數據，在Python中構建一個組件對象模型服務器和客戶端界面與Excel融通，以及在Excel中即時計算期權價格。
此外，通過學習本書，你將了解如何連接到代理API，檢索市場數據，生成交易信號并向交易所發送訂單，以及平均回報和趨勢跟蹤等交易策略的實施。另外，本書還將介紹風險管理、頭寸跟蹤和回測技術，以幫助你管理交易策略的實施效果。
Python最初用于科學計算，它的靈活性和穩定性使其廣泛應用于數學計算和軟件開發，后來迅速在金融領域取得一席之地。
本書將介紹股票、期權、利率衍生品等金融工具定價方法，如何根據市場指數進行大數據分析，以及如何使用NoSQL存儲tick數據，從而解決建模、交易策略優化和風險管理等金融領域的復雜問題。
通過閱讀本書，你將學到：
使用IPython Notebook實現交互計算。
求解金融模型的線性方程，進行最小二乘回歸分析。
使用求根法和求解器求得非線性模型的最優解。
使用不同類型的數值程序為期權定價。
利率及衍生工具的建模分析。
使用NoSQL進行大數據管理，借助Hadoop進行分析。
用Python構建高頻算法交易平臺。
構造事件驅動的回溯測試模型，衡量策略執行效果。 |
目錄：前言
第1章Python在金融中的應用
1杄1Python適合我嗎
1杄1杄1免費+開源
1杄1杄2高級、強大、靈活的編程語言
1杄1杄3豐富的標準庫
1杄2面向對象編程與函數式編程
1杄2杄1面向對象式方法
1杄2杄2函數式方法
1杄2杄3我該使用哪種方法
1杄3我該使用哪個版本的Python
1杄4IPython簡介
1杄4杄1安裝IPython
1杄4杄2使用pip
1杄4杄3IPython Notebook
1杄4杄4Notebook單元格
1杄4杄5IPython Notebook簡單的練習
1杄4杄6Notebook與金融
1杄5總結
第2章金融中的線性問題
2杄1資本資產定價模型與證券市場線
2杄2套利定價模型
2杄3因子模型的多元線性回歸
2杄4線性最優化
2杄4杄1安裝PuLP
2杄4杄2一個簡單的線性優化問題
2杄4杄3線性規劃的結果
2杄4杄4整數規劃
2杄5使用矩陣解線性方程組
2杄6LU分解
2杄7Cholesky分解
2杄8QR分解
2杄9總結
第3章非線性與金融
3杄1非線性建模
3杄2非線性模型舉例
3杄2杄1隱含波動率模型
3杄2杄2馬爾可夫機制轉換模型
3杄2杄3門限自回歸模型
3杄2杄4平滑轉換模型
3杄3非線性模型求根算法概述
3杄4增量法
3杄5二分法
3杄6牛頓迭代法
3杄7割線法
3杄8求根法的結合使用
3杄9利用SciPy求解
3杄9杄1SciPy求根標量函數
3杄9杄2通用非線性求解器
3杄10總結
第4章利用數值方法為衍生品定價
4杄1什么是期權
4杄2二叉樹期權定價模型
4杄2杄1歐式期權定價
4杄2杄2編寫StockOption類
4杄2杄3編寫BinomialEuropean拟Option類
4杄2杄4利用BinomialTreeOption類給美式期權定價
4杄2杄5Cox拟Ross拟Rubinstein模型
4杄2杄6Leisen拟Reimer模型
4杄3希臘值
4杄4三叉樹期權定價模型
4杄5期權定價中的Lattice方法
4杄5杄1二叉樹網格
4杄5杄2編寫BinomialCRR拟Option類
4杄5杄3三叉樹網格
4杄6有限差分法
4杄6杄1顯式方法
4杄6杄2隱式方法
4杄6杄3Crank拟Nicolson方法
4杄6杄4奇異障礙期權定價
4杄6杄5美式期權定價的有限差分
4杄7隱含波動率模型
4杄8總結
第5章利率及其衍生工具
5杄1固定收益證券
5杄2收益率曲線
5杄3無息債券
5杄4自助法構建收益率曲線
5杄5遠期利率
5杄6計算到期收益率
5杄7計算債券定價
5杄8久期
5杄9凸度
5杄10短期利率模型
5杄10杄1Vasicek模型
5杄10杄2Cox拟Ingersoll拟Ross模型
5杄10杄3Rendleman and Bartter模型
5杄10杄4Brennan and Schwartz模型
5杄11債券期權
5杄11杄1可贖回債券
5杄11杄2可回售債券
5杄11杄3可轉換債券
5杄11杄4優先股
5杄12可贖回債券定價
5杄12杄1Vasicek模型定價無息債券
5杄12杄2提前行權定價
5杄12杄3有限差分策略迭代法
5杄12杄4可贖回債券定價的其他影響因素
5杄13總結
第6章利用Python分析歐洲斯托克 50指數波動率
6杄1波動率指數衍生品
6杄1杄1STOXX與歐洲期貨交易所
6杄1杄2EURO STOXX 50指數
6杄1杄3VSTOXX
6杄1杄4VIX
6杄2獲取EUROX STOXX 50指數和VSTOXX數據
6杄3數據合并
6杄4SX5E與V2TX的財務分析
6杄5SX5E與V2TX的相關性
6杄6計算VSTOXX子指數
6杄6杄1獲取OESX數據
6杄6杄2計算VSTOXX子指數的公式
6杄6杄3VSTOXX子指數值的實現
6杄6杄4分析結果
6杄7計算VSTOXX主指數
6杄8總結
第7章大數據分析
7杄1什么是大數據
7杄2Hadoop
7杄2杄1HDFS
7杄2杄2YARN
7杄2杄3MapReduce
7杄3大數據工具對我來說實用嗎
7杄4獲取Apache Hadoop
7杄4杄1從Cloudera獲取QuickStart VM
7杄4杄2獲取VirtualBox
7杄4杄3在VirtualBox上運行Cloudera VM
7杄5Hadoop中的字計數程序
7杄5杄1下載示例數據
7杄5杄2map程序
7杄5杄3reduce程序
7杄5杄4測試腳本
7杄5杄5在Hadoop上運行MapReduce
7杄5杄6使用Hue瀏覽HDFS
7杄6Hadoop的金融實踐
7杄6杄1從Yahoo! Finance獲取IBM股票價格
7杄6杄2修改map程序
7杄6杄3使用IBM股票價格測試map程序
7杄6杄4運行MapReduce計算日內價格變化
7杄6杄5分析MapReduce結果
7杄7NoSQL簡介
7杄7杄1獲取MongoDB
7杄7杄2創建數據目錄并運行MongoDB
7杄7杄3獲取PyMongo
7杄7杄4運行測試連接
7杄7杄5獲取數據庫
7杄7杄6獲取集合
7杄7杄7插入文檔
7杄7杄8獲取單個文檔
7杄7杄9刪除文檔
7杄7杄10批量插入文檔
7杄7杄11統計集合文檔
7杄7杄12查找文檔
7杄7杄13文檔排序
7杄7杄14結論
7杄8總結
第8章算法交易
8杄1什么是算法交易
8杄2帶有公共API的交易平臺列表
8杄3有沒有最好的編程語言
8杄4系統功能
8杄5通過Interactive Brokers和IbPy進行算法交易
8杄5杄1獲取Interactive Brokers的Trader WorkStation
8杄5杄2獲取IbPy——IB API包裝器
8杄5杄3指令路由機制
8杄6構建均值回歸算法交易系統
8杄6杄1設置主程序
8杄6杄2處理事件
8杄6杄3實現均值回歸算法
8杄6杄4跟蹤頭寸
8杄7使用OANDA API進行外匯交易
8杄7杄1什么是REST
8杄7杄2設置OANDA賬戶
8杄7杄3OANDA API使用方法
8杄7杄4獲取oandapy——OAND AREST API包裝器
8杄7杄5獲取并解析匯率數據
8杄7杄6發送指令
8杄8構建趨勢跟蹤外匯交易平臺
8杄8杄1設置主程序
8杄8杄2處理事件
8杄8杄3實現趨勢跟蹤算法
8杄8杄4跟蹤頭寸
8杄9風險價值模型
8杄10總結
第9章回溯測試
9杄1回溯測試概述
9杄1杄1回溯測試的缺陷
9杄1杄2事件驅動回溯測試系統
9杄2設計并實施回溯測試系統
9杄2杄1TickData類
9杄2杄2MarketData類
9杄2杄3MarketDataSource類
9杄2杄4Order類
9杄2杄5Position類
9杄2杄6Strategy類
9杄2杄7MeanReverting Strategy類
9杄2杄8Backtester類
9杄2杄9運行回溯測試系統
9杄2杄10改進回溯測試系統
9杄3回溯測試模型的10個注意事項
9杄3杄1模型的資源限制
9杄3杄2模型評價標準
9杄3杄3估計回溯測試參數的質量
9杄3杄4應對模型風險
9杄3杄5樣本數據回測
9杄3杄6解決回溯測試的常見缺陷
9杄3杄7常識錯誤
9杄3杄8理解模型環境
9杄3杄9數據準確性
9杄3杄10數據挖掘
9杄4回溯測試中的算法選擇
9杄4杄1k拟均值聚類算法
9杄4杄2KNN機器學習算法
9杄4杄3分類回歸樹分析
9杄4杄42k析因設計
9杄4杄5遺傳算法
9杄5總結
第10章Python與Excel的融通
10杄1COM概述
10杄2Excel與金融
10杄3構建COM服務器
10杄3杄1先決條件
10杄3杄2獲取pythoncom模塊
10杄3杄3構建Black拟Scholes模型COM服務器
10杄3杄4注冊和注銷COM服務器
10杄3杄5構建Cox拟Ross拟Rubinstein模型COM服務器
10杄3杄6構建三叉網格模型COM服務器
10杄4在Excel中構建COM客戶端
10杄4杄1設置VBA代碼
10杄4杄2設置單元格
10杄5COM的其他功能
10杄6總結 |
| 序： |
