金融大数据分析从认知到实践(第1辑)(套装共3册)
2020-04-01 10:00:14 0 举报AI智能生成
登录查看完整内容
金融大数据分析从认知到实践(第1辑)(套装共3册)
作者其他创作
大纲/内容
金融大数据分析从认知到实践(第1辑)(套装共3册)
Python金融实战(异步图书)
写给中国读者的几句话：
译者简介
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
量化金融R语言初级教程
本书内容
阅读本书之前的准备工作
目标读者
读者反馈
客户支持
下载示例代码
勘误表
侵权行为
问题
1 时间序列分析
1.1 使用时间序列数据
线性时间序列的建模与预测
1.2 对英国房屋价格建模并预测
1.2.1 模型识别和估计
1.2.2 模型诊断检查
1.2.3 预测
1.3 协整
航空燃油的交叉对冲
1.4 波动率建模
1.4.1 风险管理的波动率预测
1.4.2 检验ARCH效应
1.4.3 GARCH模型设定
1.4.4 GARCH模型估计
1.4.5 回测风险模型
1.4.6 预测
1.5 小结
2 投资组合优化
2.1 均方差模型
2.2 解的概念
（拉格朗日）定理
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
3 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
3.3.1 数据选择
3.3.2 简单贝塔估计
3.3.3 基于线性回归估计贝塔
3.4 模型检验
3.4.1 数据收集
3.4.2 对SCL建模
3.4.3 检验个体方差的解释能力
3.5 小结
4 固定收益证券
4.1 度量固定收益证券的市场风险
案例——R实现
4.2 固定收益投资组合的免疫
4.2.1 净值免疫
4.2.2 目标日期免疫
4.2.3 定制
4.3 可转换债券的定价
5 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
6 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
7 信用风险管理
7.1 信用违约模型
7.1.1 结构模型
7.1.2 强度模型
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
8 极值理论
8.1 理论概览
8.2 应用——保险理赔的建模
8.2.1 探索性数据分析
8.2.2 理赔的尾部行为
8.2.3 阈值的决定
8.2.4 对尾部拟合GPD分布
8.2.5 使用拟合的GPD模型估计分位数
8.2.6 使用拟合的GPD模型计算预期损失
8.3 小结
9 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
总目录
Python金融大数据分析
作者介绍
O’Reilly Media，Inc.介绍
本书的惯例
代码示例的使用
联系方式
Safari® 在线图书
第1部分 Python与金融
1 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
2 基础架构和工具
2.1 Python部署
2.2 结语
2.3 延伸阅读
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
附录A 精选的最佳实践
A.1 Python语法
A.2 文档
A.3 单元测试
附录B 看涨期权类
附录C 日期和时间
C.1 Python
C.2 NumPy
C.3 pandas
0 条评论
回复 删除
下一页
