书籍详情
Python金融风险管理FRM：基础篇
作者：姜伟生，涂升 编
出版社：清华大学出版社
出版时间：2021-11-01
ISBN：9787302584124
定价：¥169.00
购买这本书可以去
内容简介
金融风险管理已经成为各个金融机构必备的职能部门。特别是随着全球金融一体化不断地深入发展，金融风险管理越发重要，也日趋复杂。金融风险管理师（FRM）就是在这个大背景下推出的认证考试，FRM现在已经是金融风险管理领域顶级权威的国际认证考试。本丛书以FRM考试第一、二级考纲内容为中心，并且突出介绍实际工作所需的金融建模风险管理知识。本丛书将金融风险建模知识和Python编程有机地结合在一起，配合丰富的彩色图表，由浅入深地将各种金融概念和计算结果可视化，帮助读者理解金融风险建模核心知识，提高数学和编程水平。本书是本系列图书的第6本，共分12章。本书的第1章和第2章主要介绍Python基础编程内容，比如数据类型、运算符、条件循环语句、读写操作、函数等。第3章和第4章主要介绍NumPy和Scipy等常见的数学工具包的典型应用。第5章和第6章讨论采用Pandas进行数据分析。在前6章内容的基础上，第7章介绍常见的可视化方案。然后结合Python编程，第8章和第9章介绍金融建模中常用的概率和统计知识。第10章和第11章讨论金融建模中各种常见的初等和高等数学内容，这些内容是后续金融产品定价和风险分析的数学基础。第12章主要研究固定收益定价和分析等内容。本书适合所有金融从业者阅读，特别适合金融编程零基础读者参考学习。本书适合FRM考生备考参考学习，可以帮助FRM持证者实践金融建模。另外，本书也是巩固金融知识、应对金融笔试和面试的利器。
作者简介
姜伟生博士，FRM，现就职于MSCI，负责为美国对冲基金客户提供金融分析产品RiskMetrics RiskManager的咨询和技术支持服务。MATLAB建模实践超过10年。跨领域著作丰富，在语言教育、新能源汽车等领域出版中英文图书超过15种。涂升博士，FRM，现就职于CMHC （Canada Mortgage and Housing Corporation，加拿大抵押贷款和住房管理公司，加拿大大皇家企业），从事金融模型审查与风险管理工作。曾就职于加拿大丰业银行，从事IFRS9信用风险模型建模，执行监管要求的压力测试等工作。MATLAB使用时间超过10年。梁健斌 博士，现就职于McMaster Automotive Resource Center，多语言使用时间超过10年。曾参与过CRC Taylor & Francis图书作品出版工作，在英文学术期刊发表论文多篇。为丛书Python系列数据可视化提供大量支持。安然 博士，现就职于道明金融集团，从事交易对手风险模型建模，在金融模型的设计与开发以及金融风险的量化分析等领域具有丰富的经验。曾在密歇根大学、McMaster大学、Sunnybrook健康科学中心从事飞秒激光以及聚焦超声波的科研工作。芦苇博士，硕士为金融数学方向，现就职于加拿大五大银行之一的丰业银行（Scotiabank），从事金融衍生品定价建模和风险管理工作。编程建模时间超过10年。曾在密歇根州立大学、多伦多大学，从事中尺度气候模型以及碳通量反演的科研工作。
目录
第1章 编 程初阶
1.1 PVthon介绍
1.2 spyder介绍
1.3 变量和数值类型
1.4 数据序列介绍
1.5 列表
1.6 元组、集合和字典
第2章 编程基础Ⅱ
2.1 字符串
2.2 运算符
2.3 关键字和变量复制
2.4 条件和循环语句
2.5 迭代器和生成器
2.6 文件读写操作
2.7 函数
2.8 异常和错误
第3章 使用NumPy
3.1 NumPy简介
3.2 基本类型的矩阵创建
3.3 其他矩阵创建函数
3.4 索引和遍历
3.5 矩阵变形
第4章 数学工具包
4.1 矩阵元素统计计算
4.2 圆整
4.3 矩阵基本运算
4.4 线性代数计算
4.5 矩阵分解
4.6 一元函数符号表达式
4.7 多元函数符号表达式
4.8 符号函数矩阵
第5章 Pandas与数据分析Ⅰ
5.1 Pandas的安装和导入
5.2 序列及其创建
5.3 序列的数据选取
5.4 数据帧及其创建
5.5 数据帧的数据选择
5.6 序列和数据帧的基本运算
5.7 设定索引，重新索引与重建索引
第6章 Pandas与数据分析Ⅱ
6.1 数据的可视化
6.2 Pandas文件写出和读入
6.3 数据帧的合并
6.4 数据帧的列连接
6.5 数据帧的拼接
6.6 数据帧的分组分析
6.7 数据透视表
第7章 数据可视化
7.1 Matplotlib绘图库
7.2 绘制二维线图
7.3 子图绘制
7.4 绘制参考线
7.5 添加数学公式
7.6 常见二维图像
7.7 常见三维图像
7.8 统计数据可视化
7.9 交互式绘图简介
第8章 概率与统计Ⅰ
8.1 概率与随机事件
8.2 贝叶斯定理
8.3 随机变量
8.4 离散型随机变量的概率分布
8.5 连续型随机变量的概率分布
8.6 正态分布和对数正态分布
第9章 概率与统计Ⅱ
9.1 随机变量的数字特征
9.2 总体和样本
9.3 抽样分布
9.4 大数定律及中心极限定理
9.5 参数估计
9.6 假设检验
9.7 置信区间、p值与假设检验
第10章 金融计算Ⅰ
10.1 利率
10.2 简单收益率
10.3 对数收益率
10.4 多项式函数
10.5 插值
10.6 数列
10.7 求根
10.8 分段函数
10.9 二次曲线
10.10 平面
10.11 二次曲面
第11章 金融计算Ⅱ
11.1 多元函数
11.2 极限
11.3 导数
11.4 偏导数
11.5 链式法则
11.6 泰勒展开
11.7 数值微分
11.8 优化
11.9 多目标优化
第12章 固定收益分析
12.1 时间价值
12.2 债券介绍
12.3 到期收益率
12.4 久期
12.5 关键利率久期
12.6 凸率
备忘
1.1 PVthon介绍
1.2 spyder介绍
1.3 变量和数值类型
1.4 数据序列介绍
1.5 列表
1.6 元组、集合和字典
第2章 编程基础Ⅱ
2.1 字符串
2.2 运算符
2.3 关键字和变量复制
2.4 条件和循环语句
2.5 迭代器和生成器
2.6 文件读写操作
2.7 函数
2.8 异常和错误
第3章 使用NumPy
3.1 NumPy简介
3.2 基本类型的矩阵创建
3.3 其他矩阵创建函数
3.4 索引和遍历
3.5 矩阵变形
第4章 数学工具包
4.1 矩阵元素统计计算
4.2 圆整
4.3 矩阵基本运算
4.4 线性代数计算
4.5 矩阵分解
4.6 一元函数符号表达式
4.7 多元函数符号表达式
4.8 符号函数矩阵
第5章 Pandas与数据分析Ⅰ
5.1 Pandas的安装和导入
5.2 序列及其创建
5.3 序列的数据选取
5.4 数据帧及其创建
5.5 数据帧的数据选择
5.6 序列和数据帧的基本运算
5.7 设定索引，重新索引与重建索引
第6章 Pandas与数据分析Ⅱ
6.1 数据的可视化
6.2 Pandas文件写出和读入
6.3 数据帧的合并
6.4 数据帧的列连接
6.5 数据帧的拼接
6.6 数据帧的分组分析
6.7 数据透视表
第7章 数据可视化
7.1 Matplotlib绘图库
7.2 绘制二维线图
7.3 子图绘制
7.4 绘制参考线
7.5 添加数学公式
7.6 常见二维图像
7.7 常见三维图像
7.8 统计数据可视化
7.9 交互式绘图简介
第8章 概率与统计Ⅰ
8.1 概率与随机事件
8.2 贝叶斯定理
8.3 随机变量
8.4 离散型随机变量的概率分布
8.5 连续型随机变量的概率分布
8.6 正态分布和对数正态分布
第9章 概率与统计Ⅱ
9.1 随机变量的数字特征
9.2 总体和样本
9.3 抽样分布
9.4 大数定律及中心极限定理
9.5 参数估计
9.6 假设检验
9.7 置信区间、p值与假设检验
第10章 金融计算Ⅰ
10.1 利率
10.2 简单收益率
10.3 对数收益率
10.4 多项式函数
10.5 插值
10.6 数列
10.7 求根
10.8 分段函数
10.9 二次曲线
10.10 平面
10.11 二次曲面
第11章 金融计算Ⅱ
11.1 多元函数
11.2 极限
11.3 导数
11.4 偏导数
11.5 链式法则
11.6 泰勒展开
11.7 数值微分
11.8 优化
11.9 多目标优化
第12章 固定收益分析
12.1 时间价值
12.2 债券介绍
12.3 到期收益率
12.4 久期
12.5 关键利率久期
12.6 凸率
备忘
猜您喜欢
