书籍详情
Python金融量化分析
作者：张奎 马萌
出版社：机械工业出版社
出版时间：2022-11-01
ISBN：9787111716556
定价：¥89.00
购买这本书可以去
内容简介
《Python金融量化分析》是有关Python在金融量化分析领域应用的一本从入门到精通类图书。全书分4篇共10章。第1篇（第1~3章）简单介绍了Python的基础知识，包括数据类型、循环体、函数、类与面向对象，以及常用的标准库与扩展库；第2篇（第4~6章）介绍了Python在金融量化交易中的应用，包括资产类别、衍生品等金融基础知识，数学与统计学基础知识，以及量化投资策略开发的一般化流程；第3篇（第7、8章）介绍了Python在量化风险管理中的应用，包括风险类别的介绍、市场因子的模拟，以及投资组合优化；第4篇（第9、10章）用5个实战案例具体演示了Python在金融量化分析中的应用。《Python金融量化分析》适合具备一定数学、金融、计算机基础及编程经验的专业技术人员阅读学习，也适合相关专业高年级本科生、研究生学习参考。
作者简介
1. 张奎，中银金科技术专家，美国杜兰大学统计学博士，中国科学技术大学数学系本硕学位。曾先后任职于美国花旗银行、富国银行，有多年金融量化分析从业经历。精通数学、概率统计、Python、金融基础知识，对机器学习模型、Python程序设计与开发、金融产品定价模型都有自己独到和深入的理解。2. 马萌，美国杜兰大学数学硕士，量化基金经理，８年量化投资经验。著有《MATLAB量化金融分析基础与实战》。曾就职于阿里巴巴集团，任算法专家，精通机器学习及深度学习在金融行业的实战应用，目前主要研究方向为二级市场高频交易。
目录
前言
第1篇 Python相关知识
第1章 Python基础知识/
1.1 数据类型/
1.1.1 字符串/
1.1.2 列表/
1.1.3 元组/
1.1.4 字典/
1.2 运算符/
1.2.1 算术运算符/
1.2.2 比较运算符/
1.2.3 赋值运算符/
1.2.4 位运算符/
1.3 条件语句/
1.4 循环语句及嵌套/
1.4.1 while循环/
1.4.2 for循环/
1.4.3 嵌套、break与continue/
1.5 函数/
1.5.1 参数传递/
1.5.2 不定长参数/
1.5.3 返回值/
第2章 类与面向对象/
2.1 类的基本概念/
2.2 类的属性/
2.2.1 类属性/
2.2.2 实例属性/
2.3 类的方法/
2.3.1 实例方法/
2.3.2 类方法/
2.3.3 静态方法/
2.4 类的继承/
2.5 运算符重载/
2.6 私有与保护类型/
2.7 直接赋值、浅复制和深度复制/
第3章 模块、包与库/
3.1 模块的基本概念/
3.1.1 模块的__dict__属性/
3.1.2 导入模块的几种方法/
3.1.3 if __name__==__main__/
3.2 常用的标准库模块/
3.2.1 sys/
3.2.2 os/
3.2.3 glob/
3.2.4 datetime/
3.2.5 math/
3.2.6 thread/
3.2.7 urllib/
3.3 扩展程序库numPy/
3.3.1 numPy.ndarrays/
3.3.2 numPy数组的基本运算/
3.3.3 矩阵运算与随机数生成/
3.4 扩展程序库pandas/
3.4.1 Series与DataFrame/
3.4.2 apply/
3.4.3 merge和append/
3.4.4 groupby/
3.4.5 read_csv和to_csv/
3.5 扩展程序库matplotlib/
3.5.1 figure与add_subplot/
3.5.2 matplotlib.pyplot.axes/
第2篇 Python在量化交易中的运用
第4章 金融基础知识/
4.1 金融资产类别/
4.1.1 固定收益/
4.1.2 外汇/
4.1.3 权益/
4.1.4 商品/
4.1.5 信用/
4.2 金融衍生品/
4.2.1 远期与期货合约/
4.2.2 期权/
4.2.3 互换/
4.2.4 其他衍生品/
4.3 场内交易与场外交易/
4.4 实例：用Python求欧式期权的隐含波动率/
第5章 数学与统计学基础知识/
5.1 统计学中常见的概率分布/
5.1.1 离散型概率分布/
5.1.2 连续型概率分布/
5.2 贝叶斯公式/
5.3 蒙特卡洛模拟与中心极限定理/
5.4 随机过程与时间序列/
5.5 几种经典随机过程模型/
5.5.1 分式布朗运动/
5.5.2 马尔可夫过程/
5.6 常见的统计学习方法/
5.6.1 线性回归与逻辑回归/
5.6.2 决策树与随机森林/
5.6.3 K-均值算法/
5.6.4 神经网络与深度学习/
5.7 数值计算方法/
5.7.1 牛顿法/
5.7.2 梯度下降法/
5.7.3 有限差分法/
5.8 实例：用深度学习处理分类问题/
第6章 量化交易与投资策略开发/
6.1 量化交易的市场现状/
6.2 P-Quant与Q-Quant/
6.3 量化投资策略的类别/
6.4 策略开发的一些思路/
6.5 数据的收集整理与修正/
6.5.1 日期的格式/
6.5.2 文件传输格式/
6.5.3 数据质量问题的处理/
6.6 程序和模型的测试与分析/
6.6.1 单元测试/
6.6.2 异常处理/
6.6.3 模型测试/
6.7 回测、模拟盘与实盘分析/
6.8 实例：Python爬虫获取公司财务数据/
第3篇 Python在量化风险管理中的应用
第7章 量化风险管理的基础知识/
7.1 什么是量化风险管理/
7.2 市场风险/
7.2.1 风险价值（VaR）/
7.2.2 预期亏损（ES）/
7.2.3 历史模拟与蒙特卡洛/
7.3 信用风险/
7.3.1 额外的时间维度/
7.3.2 潜在未来敞口（PFE）/
7.3.3 正向敞口期望（EPE）/
7.3.4 违约概率（PD）/
7.4 操作风险/
7.4.1 帕累托分布/
7.4.2 不平衡样本/
7.5 投资组合的风险度量/
7.5.1 波动率/
7.5.2 大回撤/
7.6 实例：大回撤的O(n)复杂度的算法/
第8章 市场因子模型与组合优化/
8.1 资本资产定价模型/
8.1.1 股票指数与个股/
8.1.2 特异波动率/
8.2 市场因子的相关矩阵/
8.2.1 Cholesky分解/
8.2.2 模拟指数与个股的走势/
8.3 市场因子的主成分分析/
8.3.1 期货合约的相关性/
8.3.2 主成分分析的数学原理/
8.3.3 用Python做主成分分析/
8.3.4 用主成分做模拟/
8.4 正态分布与肥尾分布/
8.4.1 股票回报率的肥尾现象/
8.4.2 正态分布的肥尾修正/
8.5 投资组合优化/
8.5.1 Markowitz均值-方差模型/
8.5.2 数值方法优化投资比例/
8.5.3 无风险收益率非零情况下的优化/
8.6 实例：用蒙特卡洛模拟做优化/
第1篇 Python相关知识
第1章 Python基础知识/
1.1 数据类型/
1.1.1 字符串/
1.1.2 列表/
1.1.3 元组/
1.1.4 字典/
1.2 运算符/
1.2.1 算术运算符/
1.2.2 比较运算符/
1.2.3 赋值运算符/
1.2.4 位运算符/
1.3 条件语句/
1.4 循环语句及嵌套/
1.4.1 while循环/
1.4.2 for循环/
1.4.3 嵌套、break与continue/
1.5 函数/
1.5.1 参数传递/
1.5.2 不定长参数/
1.5.3 返回值/
第2章 类与面向对象/
2.1 类的基本概念/
2.2 类的属性/
2.2.1 类属性/
2.2.2 实例属性/
2.3 类的方法/
2.3.1 实例方法/
2.3.2 类方法/
2.3.3 静态方法/
2.4 类的继承/
2.5 运算符重载/
2.6 私有与保护类型/
2.7 直接赋值、浅复制和深度复制/
第3章 模块、包与库/
3.1 模块的基本概念/
3.1.1 模块的__dict__属性/
3.1.2 导入模块的几种方法/
3.1.3 if __name__==__main__/
3.2 常用的标准库模块/
3.2.1 sys/
3.2.2 os/
3.2.3 glob/
3.2.4 datetime/
3.2.5 math/
3.2.6 thread/
3.2.7 urllib/
3.3 扩展程序库numPy/
3.3.1 numPy.ndarrays/
3.3.2 numPy数组的基本运算/
3.3.3 矩阵运算与随机数生成/
3.4 扩展程序库pandas/
3.4.1 Series与DataFrame/
3.4.2 apply/
3.4.3 merge和append/
3.4.4 groupby/
3.4.5 read_csv和to_csv/
3.5 扩展程序库matplotlib/
3.5.1 figure与add_subplot/
3.5.2 matplotlib.pyplot.axes/
第2篇 Python在量化交易中的运用
第4章 金融基础知识/
4.1 金融资产类别/
4.1.1 固定收益/
4.1.2 外汇/
4.1.3 权益/
4.1.4 商品/
4.1.5 信用/
4.2 金融衍生品/
4.2.1 远期与期货合约/
4.2.2 期权/
4.2.3 互换/
4.2.4 其他衍生品/
4.3 场内交易与场外交易/
4.4 实例：用Python求欧式期权的隐含波动率/
第5章 数学与统计学基础知识/
5.1 统计学中常见的概率分布/
5.1.1 离散型概率分布/
5.1.2 连续型概率分布/
5.2 贝叶斯公式/
5.3 蒙特卡洛模拟与中心极限定理/
5.4 随机过程与时间序列/
5.5 几种经典随机过程模型/
5.5.1 分式布朗运动/
5.5.2 马尔可夫过程/
5.6 常见的统计学习方法/
5.6.1 线性回归与逻辑回归/
5.6.2 决策树与随机森林/
5.6.3 K-均值算法/
5.6.4 神经网络与深度学习/
5.7 数值计算方法/
5.7.1 牛顿法/
5.7.2 梯度下降法/
5.7.3 有限差分法/
5.8 实例：用深度学习处理分类问题/
第6章 量化交易与投资策略开发/
6.1 量化交易的市场现状/
6.2 P-Quant与Q-Quant/
6.3 量化投资策略的类别/
6.4 策略开发的一些思路/
6.5 数据的收集整理与修正/
6.5.1 日期的格式/
6.5.2 文件传输格式/
6.5.3 数据质量问题的处理/
6.6 程序和模型的测试与分析/
6.6.1 单元测试/
6.6.2 异常处理/
6.6.3 模型测试/
6.7 回测、模拟盘与实盘分析/
6.8 实例：Python爬虫获取公司财务数据/
第3篇 Python在量化风险管理中的应用
第7章 量化风险管理的基础知识/
7.1 什么是量化风险管理/
7.2 市场风险/
7.2.1 风险价值（VaR）/
7.2.2 预期亏损（ES）/
7.2.3 历史模拟与蒙特卡洛/
7.3 信用风险/
7.3.1 额外的时间维度/
7.3.2 潜在未来敞口（PFE）/
7.3.3 正向敞口期望（EPE）/
7.3.4 违约概率（PD）/
7.4 操作风险/
7.4.1 帕累托分布/
7.4.2 不平衡样本/
7.5 投资组合的风险度量/
7.5.1 波动率/
7.5.2 大回撤/
7.6 实例：大回撤的O(n)复杂度的算法/
第8章 市场因子模型与组合优化/
8.1 资本资产定价模型/
8.1.1 股票指数与个股/
8.1.2 特异波动率/
8.2 市场因子的相关矩阵/
8.2.1 Cholesky分解/
8.2.2 模拟指数与个股的走势/
8.3 市场因子的主成分分析/
8.3.1 期货合约的相关性/
8.3.2 主成分分析的数学原理/
8.3.3 用Python做主成分分析/
8.3.4 用主成分做模拟/
8.4 正态分布与肥尾分布/
8.4.1 股票回报率的肥尾现象/
8.4.2 正态分布的肥尾修正/
8.5 投资组合优化/
8.5.1 Markowitz均值-方差模型/
8.5.2 数值方法优化投资比例/
8.5.3 无风险收益率非零情况下的优化/
8.6 实例：用蒙特卡洛模拟做优化/
猜您喜欢
