出版社: 人民邮电出版社
出品方: 异步图书
出版时间: 2020-4
ISBN: 9787115521330
页数: 648
装帧: 平装
定价: 139.00元
原作名: Python for Finance: Analyze Big Financial Data
丛书: O'Reilly动物系列(中译本)
内容简介 · · · · · ·
Python已成为数据驱动AI、金融优先选择的编程语言。现在,一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中,作者向开发人员和量化分析人员介绍了使用Python程序库与工具,完成金融数据科学、算法交易和计算金融任务的方法。
Python与金融:Python交互式金融分析与程序开发入门。
基本知识:学习Python数据类型与结构、NumPy、pandas及其DataFrame类、面向对象编程。
金融数据科学:探索用于金融时间序列数据、I/O操作、推断统计学和机器学习的Python技术与程序库。
算法交易:使用Python来验证和部署自动算法交易策略。
衍生品分析:开发灵活、强大的Python期权、衍生品定价和风险管理程序库。
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...
Python已成为数据驱动AI、金融优先选择的编程语言。现在,一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中,作者向开发人员和量化分析人员介绍了使用Python程序库与工具,完成金融数据科学、算法交易和计算金融任务的方法。
Python与金融:Python交互式金融分析与程序开发入门。
基本知识:学习Python数据类型与结构、NumPy、pandas及其DataFrame类、面向对象编程。
金融数据科学:探索用于金融时间序列数据、I/O操作、推断统计学和机器学习的Python技术与程序库。
算法交易:使用Python来验证和部署自动算法交易策略。
衍生品分析:开发灵活、强大的Python期权、衍生品定价和风险管理程序库。
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。
作者简介 · · · · · ·
伊夫·希尔皮斯科(Yves Hilpisch)博士是Python Quants集团的创始人和管理合伙人。该集团致力于应用开源技术来解决金融数据科学、人工智能、算法交易和计算金融学等问题。他还是AI Machine公司的创始人和CEO。这个公司的主营业务是通过专属策略执行平台来发挥人工智能的威力。他还是Python算法交易大学认证的在线培训项目的主管。
目录 · · · · · ·
资源与支持
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
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
· · · · · · (收起)
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) —— 引自第89页
丛书信息
· · · · · ·
喜欢读"Python金融大数据分析 (第2版)"的人也喜欢 · · · · · ·
Python金融大数据分析 (第2版)的书评 · · · · · · ( 全部 5 条 )
《Python金融大数据分析 第2版》一本不可多得的金融大数据分析从入门到实践的好书
一本用py实践数据(金融)分析的好书
> 更多书评 5篇
论坛 · · · · · ·
在这本书的论坛里发言这本书的其他版本 · · · · · · ( 全部5 )
-
人民邮电出版社 (2015)7.8分 166人读过
-
O'Reilly Media (2014)7.7分 55人读过
-
O′Reilly (2018)暂无评分 14人读过
-
东南大学出版社 (2019)暂无评分
以下书单推荐 · · · · · · ( 全部 )
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于Python金融大数据分析 (第2版)的评论:
feed: rss 2.0










1 有用 cheng 2025-07-12 13:57:08 安徽
没看完就上来评论了,每条代码都要自己上网去查,每条代码都要自己上网去查,每条代码都要自己上网去查,。。。好吧,这不是一本小白入门书,没学过python的就不要看了,没学过概率线代微积分的也不要看了,理工本科生先找一本python入门吧,回头再来看看这本吧,如果你有兴趣自学的话(换专业?)。底下谁说这书是入门的,我是他大爷!
2 有用 Trendency 2023-04-06 14:26:23 广东
第三遍读,除12、13章及第5部分外的内容基本掌握,这些章节等熟悉完统计与机器学习后再回头看
2 有用 lisa 2020-04-09 14:46:36
编程经典
0 有用 飞鸟与鱼 2026-09-24 07:49:46 山东
读了前十章偏基础的内容,给学python打了下补丁,后面偏高阶金融的编程过阵再说,在ai coding逐步成熟的今天,知识框架和案例实操更重要些
1 有用 blackHole 2020-12-19 19:42:32
Python金融大数据分析,着重程度:数学>编程>金融