Yves还是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作为获得数理金融学博士学位的商业管理专业研究生，他在萨尔州大学讲授计算金融学中的数值化方法课程。
原文摘录
· · · · · ·
NumPy提供了常规数组（至少缺乏dtype限制）的广义形式，但是我们暂时坚持使用常规数组，以观察这种专门化措施对性能的影响。
做个简单的练习，假定我们要生成一个5000 x 5000个元素组成的矩阵/数组，填入标准正态分布（伪）随机数，然后计算所有元素的总和。首先采用纯Python方法，大量使用列表推导和函数式编程方法以及lambda函数：
In [111]: import random
I = 5000
In [112]: %time mat = [[random.gauss(0,1) for j in range(l)] for i in range(l)] » a nested list comprehension
0ut[112]: CPU times: user 36.5 s, sys: 408 ms, total: 36.9 s Wall time: 36.4 s
In [113]: %time reduce(lambda x, y: x + y, reduce(lambda x, y: x + y, row for row in mat])
0ut[113]: CPU times: user 4.3 s, sys: 52ms, total: 4.35s
678.5908519876647
现在转向NumPy,看看同一个问题如何解决。为方便起见，NumPy子库random提供了多种函数，以初始化numpy.ndarray对象，同时填入（伪）随机数：
In [114]: %time mat = np.random.standard_normal((I, I))
0ut[114]: CPU times: user 1.83 s, sys: 40 ms, total: 1.87 s Wall time: 1.87 s in [115]:... (查看原文)
霁然
人民邮电出版社2020版
豆瓣酱
人民邮电出版社2015版
飞翔的蘑菇🍄
人民邮电出版社2015版
嘿嘿哈嘿
人民邮电出版社2020版
7 有用 Moooew 2015-06-09 13:16:52
入门用还不错，读过之后就应该知道应该google什么关键词了
2 有用 阿道克 2015-12-18 23:16:15
目前一堆R/Python for finance的书里相当靠谱的一本。
1 有用 蓝小萌 2018-01-24 17:12:25
个人觉得是O'reilly这套书中关于python的最弱的书没有之一了 然而却是我海外五本渣校Computational Finance的textbook 顺便黑一下帝国理工的博士（呵呵）
0 有用 withinbeyond 2016-10-08 15:45:40
翻了一遍，当参考书用，好多Q Quant的内容用不到。
0 有用 Arthur 2023-02-17 09:49:25 浙江
concrete & compact
0 有用 Arthur 2023-02-17 09:49:25 浙江
concrete & compact
0 有用 Jacklegend 2020-01-31 04:50:09
还算可读
1 有用 蓝小萌 2018-01-24 17:12:25
个人觉得是O'reilly这套书中关于python的最弱的书没有之一了 然而却是我海外五本渣校Computational Finance的textbook 顺便黑一下帝国理工的博士（呵呵）
1 有用 AperSpike 2017-09-25 19:47:15
很久之前就读过...但是觉得只看官方文档就行了
0 有用 Marble Arch 2016-10-18 22:32:00
之前没有相关的背景，直接看金融相关的书太枯燥了，拌点代码中和一下，也是希望看到在金融这个语境下代码的哪一部份是能起到作用的。收获是写了很多pandas和numpy的代码，算是入门了。其次是知道了一些术语，知道下一步该看哪一方面的材料。 本书不足的地方在于对于量化的介绍还是过浅。另外作者主要研究的是衍生品，特别是期指，Q宗的东西，所以举例子比较喜欢用Black-Sholes。有意思，但用不到。