Python金融大數據分析（第2版）

目錄
第　1部分 Python與金融
第　1章 為什么將Python用于金融　3
1．1　Python編程語言　3
1．1．1　Python簡史　5
1．1．2　Python生態(tài)系統(tǒng)　6
1．1．3　Python用戶譜系　7
1．1．4　科學?！?
1．2　金融中的科技　8
1．2．1　科技投入　9
1．2．2　作為業(yè)務引擎的科技　9
1．2．3　作為進入門檻的科技和人才　10
1．2．4　不斷提高的速度、頻率和數據量　10
1．2．5　實時分析的興起　11
1．3　用于金融的Python　12
1．3．1　金融和Python語法　12
1．3．2　Python的效率和生產率　16
1．3．3　從原型化到生產　20
1．4　數據驅動和人工智能優(yōu)先的金融學　21
1．4．1　數據驅動金融學　21
1．4．2　人工智能優(yōu)先金融學　24
1．5　結語　26
1．6　延伸閱讀　27
第　2章 Python基礎架構　29
2．1　作為包管理器使用的conda　31
2．1．1　安裝Miniconda　31
2．1．2　conda基本操作　33
2．2　作為虛擬環(huán)境管理器的conda　37
2．3　使用Docker容器　41
2．3．1　Docker鏡像和容器　41
2．3．2　構建Ubuntu和Python Docker鏡像　42
2．4　使用云實例　46
2．4．1　RSA公鑰和私鑰　47
2．4．2　Jupyter Notebook配置文件　48
2．4．3　Python和Jupyter Notebook安裝腳本　49
2．4．4　協(xié)調Droplet設置的腳本　51
2．5　結語　52
2．6　延伸閱讀　53
第　2部分 掌握基礎知識
第3章　數據類型與結構　57
3．1　基本數據類型　58
3．1．1　整數　58
3．1．2　浮點數　59
3．1．3　布爾值　61
3．1．4　字符串　65
3．1．5　題外話：打印和字符串替換　66
3．1．6　題外話：正則表達式　69
3．2　基本數據結構　71
3．2．1　元組　71
3．2．2　列表　72
3．2．3　題外話：控制結構　74
3．2．4　題外話：函數式編程　75
3．2．5　字典　76
3．2．6　集合　78
3．3　結語　79
3．4　延伸閱讀　79
第4章　用NumPy進行數值計算　81
4．1　數據數組　82
4．1．1　用Python列表形成數組　82
4．1．2　Python array類　84
4．2　常規(guī)NumPy數組　86
4．2．1　基礎知識　86
4．2．2　多維數組　89
4．2．3　元信息　93
4．2．4　改變組成與大小　93
4．2．5　布爾數組　97
4．2．6　速度對比　99
4．3　NumPy結構數組　100
4．4　代碼向量化　102
4．4．1　基本向量化　102
4．4．2　內存布局　105
4．5　結語　107
4．6　延伸閱讀　108
第5章　pandas數據分析　109
5．1　DataFrame類　110
5．1．1　使用DataFrame類的第 一步　110
5．1．2　使用DataFrame類的第二步　114
5．2　基本分析　118
5．3　基本可視化　122
5．4　Series類　124
5．5　GroupBy操作　126
5．6　復雜選擇　128
5．7　聯接、連接和合并　131
5．7．1　聯接　132
5．7．2　連接　133
5．7．3　合并　135
5．8　性能特征　137
5．9　結語　139
5．10　延伸閱讀　140
第6章　面向對象編程　141
6．1　Python對象簡介　145
6．1．1　int　145
6．1．2　list　146
6．1．3　ndarray　146
6．1．4　DataFrame　148
6．2　Python類基礎知識　149
6．3　Python數據模型　154
6．4　Vector類　158
6．5　結語　159
6．6　延伸閱讀　159
第3部分　金融數據科學
第7章　數據可視化　163
7．1　靜態(tài)2D繪圖　164
7．1．1　一維數據集　164
7．1．2　二維數據集　170
7．1．3　其他繪圖樣式　177
7．2　靜態(tài)3D繪圖　184
7．3　交互式2D繪圖　188
7．3．1　基本圖表　188
7．3．2　金融圖表　192
7．4　結語　196
7．5　延伸閱讀　196
第8章　金融時間序列　197
8．1　金融數據　198
8．1．1　數據導入　198
8．1．2　匯總統(tǒng)計　201
8．1．3　隨時間推移的變化　203
8．1．4　重新采樣　207
8．2　滾動統(tǒng)計　209
8．2．1　概述　209
8．2．2　技術分析示例　211
8．3　相關分析　213
8．3．1　數據　213
8．3．2　對數回報率　214
8．3．3　OLS回歸　216
8．3．4　相關　217
8．4　高頻數據　218
8．5　結語　220
8．6　延伸閱讀　220
第9章　輸入/輸出操作　221
9．1　Python基本I/O　222
9．1．1　將對象寫入磁盤　222
9．1．2　讀取和寫入文本文件　225
9．1．3　使用SQL數據庫　229
9．1．4　讀寫NumPy數組　232
9．2　pandas的I/O　234
9．2．1　使用SQL數據庫　235
9．2．2　從SQL到pandas　237
9．2．3　使用CSV文件　239
9．2．4　使用Excel文件　240
9．3　PyTables的I/O　242
9．3．1　使用表　242
9．3．2　使用壓縮表　250
9．3．3　使用數組　252
9．3．4　內存外計算　253
9．4　TsTables的I/O　256
9．4．1　樣板數據　257
9．4．2　數據存儲　258
9．4．3　數據檢索　259
9．5　結語　261
9．6　延伸閱讀　262
第　10章 高性能的Python　265
10．1　循環(huán)　266
10．1．1　Python　266
10．1．2　NumPy　267
10．1．3　Numba　268
10．1．4　Cython　269
10．2　算法　271
10．2．1　質數　271
10．2．2　斐波那契數　275
10．2．3　π　279
10．3　二叉樹　283
10．3．1　Python　283
10．3．2　NumPy　285
10．3．3　Numba　286
10．3．4　Cython　287
10．4　蒙特卡洛模擬　288
10．4．1　Python　289
10．4．2　NumPy　291
10．4．3　Numba　291
10．4．4　Cython　292
10．4．5　多進程　293
10．5　pandas遞歸算法　294
10．5．1　Python　294
10．5．2　Numba　296
10．5．3　Cython　296
10．6　結語　297
10．7　延伸閱讀　298
第　11章 數學工具　299
11．1　逼近法　299
11．1．1　回歸　301
11．1．2　插值　310
11．2　凸優(yōu)化　314
11．2．1　全局優(yōu)化　315
11．2．2　局部優(yōu)化　317
11．2．3　有約束優(yōu)化　318
11．3　積分　320
11．3．1　數值積分　321
11．3．2　通過模擬求取積分　322
11．4　符號計算　323
11．4．1　基礎知識　323
11．4．2　方程式　325
11．4．3　積分與微分　325
11．4．4　微分　326
11．5　結語　328
11．6　延伸閱讀　328
第　12章 推斷統(tǒng)計學　331
12．1　隨機數　332
12．2　模擬　338
12．2．1　隨機變量　338
12．2．2　隨機過程　341
12．2．3　方差縮減　356
12．3　估值　359
12．3．1　歐式期權　359
12．3．2　美式期權　364
12．4　風險測度　367
12．4．1　風險價值　367
12．4．2　信用價值調整　371
12．5　Python腳本　374
12．6　結語　377
12．7　延伸閱讀　377
第　13章 統(tǒng)計學　379
13．1　正態(tài)性檢驗　380
13．1．1　基準案例　381
13．1．2　真實數據　390
13．2　投資組合優(yōu)化　396
13．2．1　數據　396
13．2．2　基本理論　398
13．2．3　最優(yōu)投資組合　401
13．2．4　有效邊界　404
13．2．5　資本市場線　405
13．3　貝葉斯統(tǒng)計　408
13．3．1　貝葉斯公式　409
13．3．2　貝葉斯回歸　410
13．3．3　兩種金融工具　414
13．3．4　隨時更新估算值　418
13．4　機器學習　423
13．4．1　無監(jiān)督學習　423
13．4．2　有監(jiān)督學習　426
13．5　結語　441
13．6　延伸閱讀　441
第4部分　算法交易
第　14章 FXCM交易平臺　445
14．1　入門　446
14．2　讀取數據　447
14．2．1　讀取分筆交易數據　447
14．2．2　讀取K線（蠟燭圖）數據　449
14．3　使用API　451
14．3．1　讀取歷史數據　452
14．3．2　讀取流數據　454
14．3．3　下單　455
14．3．4　賬戶信息　457
14．4　結語　457
14．5　延伸閱讀　458
第　15章 交易策略　459
15．1　簡單移動平均數　460
15．1．1　數據導入　460
15．1．2　交易策略　461
15．1．3　向量化事后檢驗　463
15．1．4　優(yōu)化　465
15．2　隨機游走假設　467
15．3　線性OLS回歸　469
15．3．1　數據　470
15．3．2　回歸　472
15．4　聚類　474
15．5　頻率方法　476
15．6　分類　479
15．6．1　兩個二元特征　479
15．6．2　5個二元特征　480
15．6．3　5個數字化特征　482
15．6．4　順序訓練-測試分離　484
15．6．5　隨機訓練-測試分離　485
15．7　深度神經網絡　486
15．7．1　用scikit-learn實現DNN　486
15．7．2　用TensorFlow實現DNN　489
15．8　結語　492
15．9　延伸閱讀　493
第　16章 自動化交易　495
16．1　資本管理　496
16．1．1　二項設定中的凱利標準　496
16．1．2　用于股票及指數的凱利標準　500
16．2　基于ML的交易策略　505
16．2．1　向量化事后檢驗　505
16．2．2　最優(yōu)杠桿　510
16．2．3　風險分析　512
16．2．4　持久化模型對象　515
16．3　在線算法　516
16．4　基礎設施與部署　518
16．5　日志與監(jiān)控　519
16．6　結語　521
16．7　Python腳本　522
16．7．1　自動化交易策略　522
16．7．2　策略監(jiān)控　525
16．8　延伸閱讀　525
第5部分　衍生品分析
第　17章 估值框架　529
17．1　資產定價基本定理　529
17．1．1　簡單示例　530
17．1．2　一般結果　530
17．2　風險中立折現　532
17．2．1　日期建模與處理　532
17．2．2　恒定短期利率　534
17．3　市場環(huán)境　536
17．4　結語　539
17．5　延伸閱讀　540
第　18章 金融模型的模擬　541
18．1　隨機數生成　542
18．2　通用模擬類　544
18．3　幾何布朗運動　548
18．3．1　模擬類　548
18．3．2　用例　550
18．4　跳躍擴散　553
18．4．1　模擬類　553
18．4．2　用例　556
18．5　平方根擴散　557
18．5．1　模擬類　558
18．5．2　用例　560
18．6　結語　561
18．7　延伸閱讀　563
第　19章 衍生品估值　565
19．1　通用估值類　566
19．2　歐式行權　570
19．2．1　估值類　570
19．2．2　用例　572
19．3　美式行權　577
19．3．1　最小二乘蒙特卡洛方法　577
19．3．2　估值類　578
19．3．3　用例　580
19．4　結語　583
19．5　延伸閱讀　585
第　20章 投資組合估值　587
20．1　衍生品頭寸　588
20．1．1　類　588
20．1．2　用例　590
20．2　衍生品投資組合　592
20．2．1　類　592
20．2．2　用例　597
20．3　結語　604
20．4　延伸閱讀　605
第　21章 基于市場的估值　607
21．1　期權數據　608
21．2　模型檢驗　610
21．2．1　相關市場數據　611
21．2．2　期權建?！?12
21．2．3　檢驗過程　615
21．3　投資組合估值　620
21．3．1　建立期權頭寸模型　621
21．3．2　期權投資組合　622
21．4　Python代碼　623
21．5　結語　625
21．6　延伸閱讀　626
附錄A　日期與時間　627
A．1　Python　627
A．2　NumPy　633
A．3　pandas　636
附錄B　BSM期權類　641
B．1　類定義　641
B．2　類的使用　643