Python金融數據分析 Python金融数据分析
馬偉明
- 出版商: 機械工業
- 出版日期: 2018-04-02
- 定價: $414
- 售價: 8.5 折 $352
- 語言: 簡體中文
- 頁數: 240
- 裝訂: 平裝
- ISBN: 711158998X
- ISBN-13: 9787111589983
-
相關分類:
Python
- 此書翻譯自: Mastering Python for Finance
立即出貨(限量) (庫存=2)
買這商品的人也買了...
-
$505Python 金融大數據分析 (Python for Finance)
-
$474$450 -
$177Python數據分析實戰
-
$360$180 -
$265Web API 的設計與開發 (Web API : the Good Parts)
-
$653Python 金融衍生品大數據分析:建模、模擬、校準與對沖 (Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging)
-
$403Python 金融實戰 (Python for Finance)
-
$534$507 -
$560$476 -
$650$507 -
$229Python 編程基礎與 HTTP 接口測試
-
$301Python數據分析入門——從數據獲取到可視化
-
$229Python 數字信號處理應用 (Think DSP: Digital Signal Processing in Python)
-
$352Python數據分析從入門到精通
-
$254Python數據分析與應用
-
$380$300 -
$505Python 與量化投資 : 從基礎到實戰
-
$250Python 3爬蟲、數據清洗與可視化實戰
-
$354$336 -
$474$450 -
$294$279 -
$352Python 數據科學入門 (Python for Data Science For Dummies)
-
$500$390 -
$210$200 -
$320$288
相關主題
商品描述
本書將介紹股票、期權、利率衍生品等金融工具定價方法,如何根據市場指數進行大數據分析,以及如何使用NoSQL存儲tick數據,可解決建模、交易策略優化和風險管理等金融領域的復雜問題。本書面向本科生、研究生、算法開發的初學者以及使用Python進行定量研究的金融領域軟件開發人員。你無需精通Python,熟悉其基本使用情況即可。
作者簡介
作者:(新加坡)馬偉明 譯者:張永冀、霍達、張彤
馬偉明(James Ma Weiming),畢業於伊利諾理工大學斯圖爾特商學院,獲得金融學碩士學位。他編寫了大量高頻、低延時的開放源代碼程序和工具。
在獲得新加坡南洋理工大學計算機工程學士學位和南洋理工學院信息技術專業畢業證書後,James開始在新加坡工作。他從事過外彙和固定收益產品交易,還為一家基金銷售平台開發移動應用程序。
目錄大綱
前言
第1章Python在金融中的應用
1.1Python適合我嗎
1.1.1免費+開源
1.1.2高級、強大、靈活的編程語言
1.1.3豐富的標準庫
1.2面向對象編程與函數式編程
1.2. 1面向對象式方法
1.2.2函數式方法
1.2.3我該使用哪種方法
1.3我該使用哪個版本的Python
1.4IPython簡介
1.4.1安裝IPython
1.4.2使用pip
1.4.3IPython Notebook
1.4.4Notebook單元格
1.4.5IPython Notebook簡單的練習
1.4.6Notebook與金融
1.5總結
第2章金融中的線性問題
2.1資本資產定價模型與證券市場線
2.2套利定價模型
2.3因子模型的多元線性回歸
2.4線性最優化
2.4.1安裝PuLP
2.4.2一個簡單的線性優化問題
2.4.3線性規劃的結果
2.4.4整數規劃
2.5使用矩陣解線性方程組
2.6LU分解
2.7Cholesky分解
2.8QR分解
2.9總結
第3章非線性與金融
3.1非線性建模
3.2非線性模型舉例
3.2.1隱含波動率模型
3.2.2馬爾可夫機制轉換模型
3.2.3門限自回歸模型
3.2 .4平滑轉換模型
3.3非線性模型求根算法概述
3.4增量法
3.5二分法
3.6牛頓迭代法
3.7割線法
3.8求根法的結合使用
3.9利用SciPy求解
3.9.1SciPy求根標量函數
3.9.2通用非線性求解器
3.10總結
第4章利用數值方法為衍生品定價
4.1什麼是期權
4.2二叉樹期權定價模型
4.2.1歐式期權定價
4.2.2編寫StockOption類
4.2.3編寫BinomialEuropeanOption類
4.2.4利用BinomialTreeOption類給美式期權定價
4.2.5CoxRossRubinstein模型
4.2.6LeisenReimer模型
4.3希臘值
4.4三叉樹期權定價模型
4.5期權定價中的Lattice方法
4.5.1二叉樹網格
4.5.2編寫BinomialCRROption類
4.5.3三叉樹網格
4.6有限差分法
4.6.1顯式方法
4.6.2隱式方法
4.6.3CrankNicolson方法
4.6.4奇異障礙期權定價
4.6.5美式期權定價的有限差分
4.7隱含波動率模型
4.8總結
第5章利率及其衍生工具
5.1固定收益證券
5.2收益率曲線
5.3無息債券
5.4自助法構建收益率曲線
5.5遠期利率
5.6計算到期收益率
5.7計算債券定價
5.8久期
5.9凸度
5.10短期利率模型
5.10.1Vasicek模型
5.10.2CoxIngersollRoss模型
5.10.3Rendleman and Bartter模型
5.10.4Brennan and Schwartz模型
5.11債券期權
5.11.1可贖回債券
5.11.2可回售債券
5.11.3可轉換債券
5.11.4優先股
5.12可贖回債券定價
5.12.1Vasicek模型定價無息債券
5.12.2提前行權定價
5.12.3有限差分策略迭代法
5.12.4可贖回債券定價的其他影響因素
5.13總結
第6章利用Python分析歐洲斯托克50指數波動率
6.1波動率指數衍生品
6.1.1STOXX與歐洲期貨交易所
6.1.2EURO STOXX 50指數
6.1.3VSTOXX
6.1.4VIX
6.2獲取EUROX STOXX 50指數和VSTOXX數據
6.3數據合併
6.4SX5E與V2TX的財務分析
6.5SX5E與V2TX的相關性
6.6計算VSTOXX子指數
6.6.1獲取OESX數據
6.6.2計算VSTOXX子指數的公式
6.6.3VSTOXX子指數值的實現
6.6.4分析結果
6.7計算VSTOXX主指數
6.8總結
第7章大數據分析
7.1什麼是大數據
7.2Hadoop
7.2.1HDFS
7.2.2YARN
7.2.3MapReduce
7.3大數據工具對我來說實用嗎
7.4獲取Apache Hadoop
7.4.1從Cloudera獲取QuickStart VM
7.4.2獲取VirtualBox
7.4.3在VirtualBox上運行Cloudera VM
7.5Hadoop中的字計數程序
7.5.1下載示例數據
7.5.2map程序
7.5.3reduce程序
7.5.4測試腳本
7.5. 5在Hadoop上運行MapReduce
7.5.6使用Hue瀏覽HDFS
7.6Hadoop的金融實踐
7.6.1從Yahoo! Finance獲取IBM股票價格
7.6.2修改map程序
7.6.3使用IBM股票價格測試map程序
7.6.4運行MapReduce計算日內價格變化
7.6.5分析MapReduce結果
7.7NoSQL簡介
7.7.1獲取MongoDB
7.7.2創建數據目錄並運行MongoDB
7.7.3獲取PyMongo
7.7.4運行測試連接
7.7.5獲取數據庫
7.7.6獲取集合
7.7. 7插入文檔
7.7.8獲取單個文檔
7.7.9刪除文檔
7.7.10批量插入文檔
7.7.11統計集合文檔
7.7.12查找文檔
7.7.13文檔排序
7.7.14結論
7.8總結
第8章算法交易
8.1什麼是算法交易
8.2帶有公共API的交易平台列表
8.3有沒有最好的編程語言
8.4系統功能
8.5通過Interactive Brokers和IbPy進行算法交易
8.5.1獲取Interactive Brokers的Trader WorkStation
8.5.2獲取IbPy——IB API包裝器
8.5.3指令路由機制
8.6構建均值回歸算法交易系統
8.6.1設置主程序
8.6.2處理事件
8.6.3實現均值回歸算法
8.6.4跟踪頭寸
8.7使用OANDA API進行外匯交易
8.7.1什麼是REST
8.7.2設置OANDA賬戶
8.7.3OANDA API使用方法
8.7.4獲取oandapy——OAND AREST API包裝器
8.7.5獲取並解析匯率數據
8.7.6發送指令
8.8構建趨勢跟踪外匯交易平台
8.8.1設置主程序
8.8.2處理事件
8.8.3實現趨勢跟踪算法
8.8.4跟踪頭寸
8.9風險價值模型
8.10總結
第9章回溯測試
9.1回溯測試概述
9.1.1回溯測試的缺陷
9.1.2事件驅動回溯測試系統
9.2設計並實施回溯測試系統
9.2.1TickData類
9.2.2MarketData類
9.2.3MarketDataSource類
9.2.4Order類
9.2 .5Position類
9.2.6Strategy類
9.2.7MeanRe