互联网 类型
可以朗读 语音朗读
184千字 字数
2020-01-01 发行日期
展开全部

主编推荐语

深入浅出地为你介绍如何使用Python进行金融数据分析、挖掘和量化投资的全过程。

内容简介

本书从Python基础入门讲起，到应用Python进行科学计算、数据处理、数据可视化、挖掘建模基础训练，再到利用Python进行金融数据挖掘与量化投资实战，深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。

全书分三篇：基础篇、案例篇和实训篇。基础篇（第1～6章）主要介绍Python基本知识及应用于科学计算、数据处理、数据可视化、挖掘建模等方面的基础知识；案例篇（第7～11章）主要介绍利用Python进行金融数据挖掘分析的基础案例和综合应用案例；实训篇（第12章），由5个实训组成。本书将从Python基础知识、基本数据分析技能，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python相关知识的学习。

本书提供了丰富的数据、案例及程序代码，将理论与实践相结合，适合作为数学、计算机、经济管理专业的本科生和大专生的教材，也适合作为金融数据挖掘研究者、爱好者的参考用书。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 基础篇
  • 第1章 Python基础
  • 1.1 Python概述
  • 1.2 Python安装及启动
  • 1.2.1 Python安装
  • 1.2.2 Python启动及界面认识
  • 1.2.3 Python安装扩展包
  • 1.3 Python基本数据类型
  • 1.3.1 数值的定义
  • 1.3.2 字符串的定义
  • 1.3.3 列表的定义
  • 1.3.4 元组的定义
  • 1.3.5 集合的定义
  • 1.3.6 字典的定义
  • 1.4 Python相关的公有方法
  • 1.4.1 索引
  • 1.4.2 切片
  • 1.4.3 长度
  • 1.4.4 统计
  • 1.4.5 成员身份
  • 1.4.6 变量删除
  • 1.5 列表、元组与字符串方法
  • 1.5.1 列表方法
  • 1.5.2 元组方法
  • 1.5.3 字符串方法
  • 1.6 字典方法
  • 1.7 条件语句
  • 1.7.1 if…语句
  • 1.7.2 if…else…语句
  • 1.7.3 if…elif…else…语句
  • 1.8 循环语句
  • 1.8.1 while语句
  • 1.8.2 for循环
  • 1.9 函数
  • 1.9.1 无返回值函数的定义与调用
  • 1.9.2 有返回值函数的定义与调用
  • 1.9.3 有多返回值函数的定义与调用
  • 1.10 Python在金融大数据中的应用
  • 本章小结
  • 本章练习
  • 第2章 科学计算包Numpy
  • 2.1 Numpy简介
  • 2.2 创建数组
  • 2.2.1 利用array（）函数创建数组
  • 2.2.2 利用内置函数创建数组
  • 2.3 数组尺寸
  • 2.4 数组运算
  • 2.5 数组切片
  • 2.5.1 常见的数组切片方法
  • 2.5.2 利用ix_（）函数进行数组切片
  • 2.6 数组连接
  • 2.7 数据存取
  • 2.8 数组形态变换
  • 2.9 数组排序与搜索
  • 2.10 矩阵与线性代数运算
  • 2.10.1 创建Numpy矩阵
  • 2.10.2 矩阵的属性和基本运算
  • 2.10.3 线性代数运算
  • 本章小结
  • 本章练习
  • 第3章 数据处理包Pandas
  • 3.1 Pandas简介
  • 3.2 序列
  • 3.2.1 序列创建及访问
  • 3.2.2 序列属性
  • 3.2.3 序列方法
  • 3.2.4 序列切片
  • 3.2.5 序列聚合运算
  • 3.3 数据框
  • 3.3.1 数据框创建
  • 3.3.2 数据框属性
  • 3.3.3 数据框方法
  • 3.3.4 数据框切片
  • 3.4 外部文件读取
  • 3.4.1 Excel文件读取
  • 3.4.2 TXT文件读取
  • 3.5 滚动计算函数
  • 本章小结
  • 本章练习
  • 第4章 数据可视化包Matplotlib
  • 4.1 Matplotlib绘图基础
  • 4.1.1 Matplotlib图像构成
  • 4.1.2 Matplotlib绘图基本流程
  • 4.1.3 中文字符显示
  • 4.1.4 坐标轴字符刻度标注
  • 4.2 Matplotlib常用图形绘制
  • 4.2.1 散点图
  • 4.2.2 线性图
  • 4.2.3 柱状图
  • 4.2.4 直方图
  • 4.2.5 饼图
  • 4.2.6 箱线图
  • 4.2.7 子图
  • 本章小结
  • 本章练习
  • 第5章 机器学习包Scikit-learn
  • 5.1 Scikit-learn简介
  • 5.2 数据预处理
  • 5.2.1 缺失值处理
  • 5.2.2 数据规范化
  • 5.2.3 主成分分析
  • 5.3 线性回归
  • 5.3.1 一元线性回归
  • 5.3.2 多元线性回归
  • 5.3.3 Python线性回归应用举例
  • 5.4 逻辑回归
  • 5.4.1 逻辑回归模型
  • 5.4.2 Python逻辑回归模型应用举例
  • 5.5 神经网络
  • 5.5.1 神经网络模拟思想
  • 5.5.2 神经网络结构及数学模型
  • 5.5.3 Python神经网络分类应用举例
  • 5.5.4 Python神经网络回归应用举例
  • 5.6 支持向量机
  • 5.6.1 支持向量机原理
  • 5.6.2 Python支持向量机应用举例
  • 5.7 K-均值聚类
  • 5.7.1 K-均值聚类的基本原理
  • 5.7.2 Python K-均值聚类算法应用举例
  • 本章小结
  • 本章练习
  • 第6章 关联规则基础知识
  • 6.1 关联规则概念
  • 6.2 布尔关联规则挖掘
  • 6.2.1 一对一关联规则挖掘及Python实现
  • 6.2.2 多对一关联规则挖掘及Python实现
  • 6.3 关联规则挖掘应用：国际股票指数关联分析
  • 6.3.1 问题描述
  • 6.3.2 数据预处理
  • 6.3.3 关联规则挖掘
  • 6.3.4 问题拓展
  • 6.3.5 结果分析
  • 本章小结
  • 本章练习
  • 案例篇
  • 第7章 基础案例
  • 7.1 众包任务特征指标的计算
  • 7.1.1 案例介绍
  • 7.1.2 案例分析
  • 7.1.3 指标计算
  • 7.2 股票价格指数周收益率和月收益率的计算
  • 7.2.1 案例介绍
  • 7.2.2 周收益率计算
  • 7.2.3 月收益率计算
  • 7.3 上市公司净利润增长率的计算
  • 7.3.1 案例介绍
  • 7.3.2 指标计算
  • 7.4 股票价、量走势图的绘制
  • 7.4.1 案例介绍
  • 7.4.2 绘图数据计算
  • 7.4.3 绘图及图形保存
  • 7.5 股票价格移动平均线的绘制
  • 7.5.1 案例介绍
  • 7.5.2 图形绘制
  • 7.6 沪深300指数走势预测
  • 7.6.1 案例介绍
  • 7.6.2 指标计算
  • 7.6.3 模型求解
  • 7.7 基于主成分聚类的上市公司盈利能力分析
  • 7.7.1 案例介绍
  • 7.7.2 案例分析及计算
  • 本章小结
  • 本章练习
  • 第8章 综合案例1：上市公司综合评价
  • 8.1 案例背景
  • 8.2 案例目标及实现思路
  • 8.3 基于总体规模与投资效率指标的综合评价
  • 8.3.1 指标选择
  • 8.3.2 数据处理
  • 8.3.3 主成分分析
  • 8.3.4 综合排名
  • 8.3.5 收益率计算
  • 8.3.6 量化投资策略设计与分析
  • 8.4 基于成长与价值指标的综合评价
  • 8.4.1 指标选择
  • 8.4.2 数据处理
  • 8.4.3 主成分分析
  • 8.4.4 综合排名
  • 8.4.5 收益率计算
  • 8.4.6 量化投资策略设计与分析
  • 本章小结
  • 本章练习
  • 第9章 综合案例2：股票价格涨跌趋势预测
  • 9.1 案例背景
  • 9.2 案例目标及实现思路
  • 9.3 指标计算
  • 9.3.1 移动平均线
  • 9.3.2 指数平滑异同平均线
  • 9.3.3 随机指标
  • 9.3.4 相对强弱指标
  • 9.3.5 乖离率指标
  • 9.3.6 能量潮指标
  • 9.3.7 涨跌趋势指标
  • 9.3.8 计算举例
  • 9.4 预测模型构建
  • 9.4.1 训练集和测试集的划分
  • 9.4.2 数据标准化处理
  • 9.4.3 模型求解
  • 9.5 预测结果分析
  • 9.6 量化投资策略设计与分析
  • 9.6.1 函数定义
  • 9.6.2 量化投资策略设计
  • 本章小结
  • 本章练习
  • 第10章 综合案例3：股票价格形态聚类章与收益分析
  • 10.1 案例背景
  • 10.2 案例目标及实现思路
  • 10.3 数据获取
  • 10.4 股票价格形态特征提取
  • 10.4.1 关键价格点概念及提取算法
  • 10.4.2 基于关键价格点的形态特征表示
  • 10.4.3 基于关键价格点的形态特征提取
  • 10.5 股票价格形态聚类与收益率计算
  • 10.5.1 K-最频繁值聚类算法
  • 10.5.2 基于K-最频繁值聚类算法的股票价格形态聚类
  • 10.5.3 类平均收益率的计算
  • 10.5.4 股票形态图绘制
  • 10.6 量化投资策略设计与分析
  • 10.6.1 函数定义及使用方法
  • 10.6.2 训练样本与预测样本的构建
  • 10.6.3 量化投资策略设计
  • 本章小结
  • 本章练习
  • 第11章 综合案例4：行业联动与轮动分析
  • 11.1 案例背景
  • 11.2 案例目标及实现思路
  • 11.3 数据获取
  • 11.4 日行业联动与轮动分析
  • 11.4.1 指标计算
  • 11.4.2 行业联动关联规则挖掘
  • 11.4.3 行业轮动关联规则挖掘
  • 11.5 周行业联动与轮动分析
  • 11.5.1 指标计算
  • 11.5.2 行业联动关联规则挖掘
  • 11.5.3 行业轮动关联规则挖掘
  • 11.6 月行业联动与轮动分析
  • 11.6.1 指标计算
  • 11.6.2 行业联动关联规则挖掘
  • 11.6.3 行业轮动关联规则挖掘
  • 11.7 量化投资策略设计与分析
  • 本章小结
  • 本章练习
  • 实训篇
  • 第12章 综合实训
  • 12.1 行业盈利状况可视化分析实训
  • 12.2 上市公司透明度综合评价实训
  • 12.3 基于支持向量机的量化择时实训
  • 12.4 上市公司综合能力聚类分析实训
  • 12.5 股票联动与轮动分析实训
  • 参考文献
展开全部

评分及书评

评分不足
2个评分
  • 用户头像
    给这本书评了
    5.0
    有针对性，有启发

    python 基础部分很有针对性，内容对于金融数据量化编程很有用，对比其他介绍 python 技术的书，有用的内容更集中。策略方面，有一两条策略对我有比较大的启发。

      转发
      评论

    出版方

    人民邮电出版社

    人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。