5.0
用户推荐指数
互联网 类型
8.9 豆瓣评分
可以朗读 语音朗读
526千字 字数
2018-01-01 发行日期
展开全部

主编推荐语

详细讲解使用Python分析处理金融大数据的专业图书，将人工智能应用于金融开发的实战指南。

内容简介

本书分为5部分，共21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Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，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、投资组合的估值等知识。本书适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。

目录

  • 版权信息
  • 内容提要
  • O’Reilly Media, Inc.介绍
  • 业界评论
  • 前言
  • 资源与支持
  • 配套资源
  • 提交勘误
  • 与我们联系
  • 关于异步社区和异步图书
  • 第1部分 Python与金融
  • 第1章 为什么将Python用于金融
  • 1.1 Python编程语言
  • 1.2 金融中的科技
  • 1.3 用于金融的Python
  • 1.4 数据驱动和人工智能优先的金融学
  • 1.5 结语
  • 1.6 延伸阅读
  • 第2章 Python基础架构
  • 2.1 作为包管理器使用的conda
  • 2.2 作为虚拟环境管理器的conda
  • 2.3 使用Docker容器
  • 2.4 使用云实例
  • 2.5 结语
  • 2.6 延伸阅读
  • 第2部分 掌握基础知识
  • 第3章 数据类型与结构
  • 3.1 基本数据类型
  • 3.2 基本数据结构
  • 3.3 结语
  • 3.4 延伸阅读
  • 第4章 用NumPy进行数值计算
  • 4.1 数据数组
  • 4.2 常规NumPy数组
  • 4.3 NumPy结构数组
  • 4.4 代码向量化
  • 4.5 结语
  • 4.6 延伸阅读
  • 第5章 pandas数据分析
  • 5.1 DataFrame类
  • 5.2 基本分析
  • 5.3 基本可视化
  • 5.4 Series类
  • 5.5 GroupBy操作
  • 5.6 复杂选择
  • 5.7 联接、连接和合并
  • 5.8 性能特征
  • 5.9 结语
  • 5.10 延伸阅读
  • 第6章 面向对象编程
  • 6.1 Python对象简介
  • 6.2 Python类基础知识
  • 6.3 Python数据模型
  • 6.4 Vector类
  • 6.5 结语
  • 6.6 延伸阅读
  • 第3部分 金融数据科学
  • 第7章 数据可视化
  • 7.1 静态2D绘图
  • 7.2 静态3D绘图
  • 7.3 交互式2D绘图
  • 7.4 结语
  • 7.5 延伸阅读
  • 第8章 金融时间序列
  • 8.1 金融数据
  • 8.2 滚动统计
  • 8.3 相关分析
  • 8.4 高频数据
  • 8.5 结语
  • 8.6 延伸阅读
  • 第9章 输入/输出操作
  • 9.1 Python基本I/O
  • 9.2 pandas的I/O
  • 9.3 PyTables的I/O
  • 9.4 TsTables的I/O
  • 9.5 结语
  • 9.6 延伸阅读
  • 第10章 高性能的Python
  • 10.1 循环
  • 10.2 算法
  • 10.3 二叉树
  • 10.4 蒙特卡洛模拟
  • 10.5 pandas递归算法
  • 10.6 结语
  • 10.7 延伸阅读
  • 第11章 数学工具
  • 11.1 逼近法
  • 11.2 凸优化
  • 11.3 积分
  • 11.4 符号计算
  • 11.5 结语
  • 11.6 延伸阅读
  • 第12章 推断统计学
  • 12.1 随机数
  • 12.2 模拟
  • 12.3 估值
  • 12.4 风险测度
  • 12.5 Python脚本
  • 12.6 结语
  • 12.7 延伸阅读
  • 第13章 统计学
  • 13.1 正态性检验
  • 13.2 投资组合优化
  • 13.3 贝叶斯统计
  • 13.4 机器学习
  • 13.5 结语
  • 13.6 延伸阅读
  • 第4部分 算法交易
  • 第14章 FXCM交易平台
  • 14.1 入门
  • 14.2 读取数据
  • 14.3 使用API
  • 14.4 结语
  • 14.5 延伸阅读
  • 第15章 交易策略
  • 15.1 简单移动平均数
  • 15.2 随机游走假设
  • 15.3 线性OLS回归
  • 15.4 聚类
  • 15.5 频率方法
  • 15.6 分类
  • 15.7 深度神经网络
  • 15.8 结语
  • 15.9 延伸阅读
  • 第16章 自动化交易
  • 16.1 资本管理
  • 16.2 基于ML的交易策略
  • 16.3 在线算法
  • 16.4 基础设施与部署
  • 16.5 日志与监控
  • 16.6 结语
  • 16.7 Python脚本
  • 16.8 延伸阅读
  • 第5部分 衍生品分析
  • 第17章 估值框架
  • 17.1 资产定价基本定理
  • 17.2 风险中立折现
  • 17.3 市场环境
  • 17.4 结语
  • 17.5 延伸阅读
  • 第18章 金融模型的模拟
  • 18.1 随机数生成
  • 18.2 通用模拟类
  • 18.3 几何布朗运动
  • 18.4 跳跃扩散
  • 18.5 平方根扩散
  • 18.6 结语
  • 18.7 延伸阅读
  • 第19章 衍生品估值
  • 19.1 通用估值类
  • 19.2 欧式行权
  • 19.3 美式行权
  • 19.4 结语
  • 19.5 延伸阅读
  • 第20章 投资组合估值
  • 20.1 衍生品头寸
  • 20.2 衍生品投资组合
  • 20.3 结语
  • 20.4 延伸阅读
  • 第21章 基于市场的估值
  • 21.1 期权数据
  • 21.2 模型检验
  • 21.3 投资组合估值
  • 21.4 Python代码
  • 21.5 结语
  • 21.6 延伸阅读
  • 作者介绍
  • 封面说明
  • 附录A 日期与时间
  • A.1 Python
  • A.2 NumPy
  • A.3 pandas
  • 附录B BSM期权类
  • B.1 类定义
  • B.2 类的使用
展开全部

评分及书评

5.0
4个评分
  • 用户头像
    给这本书评了
    5.0

    面对这一金融时代的挑战，Python 是合适的编程语言和生态系统。本书涵盖有监督学习和无监督学习的基本 ML 算法（以及深度神经网络），但焦点是 Python 的数据处理和分析能力。想要全面叙述 AI 当前和未来在金融中的重要性，需要一整本书的篇幅。不过，大部分 AI、ML 和 DL 需要大量的数据，因此无论如何应该首先掌握数据驱动金融学。

      转发
      1
      用户头像
      给这本书评了
      5.0

      好书，方法清晰，理论明确

        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。