基 於Python 的金融分析與風險管理 (基礎捲)
斯文
買這商品的人也買了...
-
數據挖掘：實用機器學習工具與技術 (Data Mining : Practical Machine Learning Tools and Techniques, 4/e)$594$564 -
$245統計學習理論基礎 -
$336人工智能算法 捲1 基礎算法 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
人工智能算法 捲2 受大自然啟發的算法$414$393 -
$403速通機器學習 -
金融中的機器學習$611$575 -
$607利用 Python 實現概率、統計及機器學習方法（原書第2版） -
精通機器學習算法$1,014$963 -
$352Python大數據分析Big Data Analysis with Python -
Python 強化學習：演算法、核心技術與產業應用$774$735 -
強化學習演算法入門$419$398 -
$254數據挖掘技術（微課視頻版） -
$254統計計算 -
$704蒙特卡羅方法與人工智能 -
深度學習的理論基礎與核心算法$594$564 -
機器學習的高風險應用｜負責任的人工智慧方法 (Machine Learning for High-Risk Applications: Approaches to Responsible AI)$780$616 -
財經計量方法與模型：原理與R範例 (適用: 大專學生．實務界)$600$570 -
R語言數據分析從入門到精通$539$512 -
$1,015資料分析與預測演算法：基於 R語言 -
算法設計與實踐$359$341 -
$454深度學習與大模型基礎（簡體書） -
$301最優化理論與智能算法 -
機器學習入門 ─ Weka$300$270 -
$560破解深度學習 (基礎篇) : 模型算法與實現
相關主題
商品描述
Python是一門以簡潔和可讀性著稱的編程語言，它的易學性使其成為新手和專業人士的首選。Python提供了豐富的庫和框架，廣泛應用於數據科學、人工智能、Web開發等領域。無論你是初學者還是資深開發者，Python都能滿足你的需求。
本書內容共7章，立足金融場景講解Python的基礎知識和編程應用，不僅講解了Python基礎語法，而且介紹了NumPy、pandas、Matplotlib、SciPy、statsmodels、arch和datetime等模塊的編程應用。此外，本書還講解了金融領域的深度學習和強化學習應用，並通過PyTorch模塊和Gymnasium模塊演示了具體的編程實踐。
本書由資深的金融從業者編寫，旨在引導讀者掌握金融領域的Python編程技巧，適合金融領域和金融科技領域的從業者和高校師生參考學習，也適合對Python的金融應用感興趣的讀者閱讀。
作者簡介
斯文，笔名华尔街先生，浙江湖州人，经济学博士，注册会计师（CPA）、特许金融分析师（CFA）、金融风险管理师FRM），拥有在中/外资银行、证券公司、信托公司、金融控股集团、交易所等机构近 20 年的金融与风险管理从业经历。
斯文博士担任中国人民大学、上海财经大学、中南财经政法大学、华东政法大学等高校的兼职硕士研究生导师或校外导师，公开发表学术论文五十余篇。斯文博士还曾为中国工商银行、中国人民保险集团等金融机构及复旦大学、中国人民大学、浙江大学等近10所高校讲授 Python 金融实战课程，长期致力于推广Python以及AI大模型在金融行业的应用。
目錄大綱
第 1章 結合金融場景演示Python基礎編程 1
1.1 Python簡介 1
1.2 Python的金融變量賦值與數據類型 6
1.3 Python的數據結構 12
1.4 Python的運算符號 22
1.5 Python的內置函數與自定義函數 28
1.6 Python的類 33
1.7 Python的句型 37
1.8 模塊導入與math模塊 42
1.9 本章小結 45
1.10 拓展閱讀 46
第 2章 結合金融場景演示NumPy模塊編程 47
2.1 從一個投資案例講起 47
2.2 N維數組 49
2.3 數組的相關功能 54
2.4 數組的相關運算 58
2.5 基於統計分佈的隨機抽樣 69
2.6 現金流模型 80
2.7 本章小結 88
2.8 拓展閱讀 89
第3章 結合金融時間序列演示pandas模塊編程 90
3.1 pandas的數據結構 90
3.2 時間索引 96
3.3 金融時間序列的數據可視化 100
3.4 數據框內部的操作 104
3.5 數據框之間的合並 114
3.6 統計功能 118
3.7 本章小結 127
3.8 拓展閱讀 127
第4章 結合金融可視化演示Matplotlib模塊編程 128
4.1 基本函數及參數的介紹 128
4.2 曲線圖 133
4.3 直方圖 138
4.4 條形圖 143
4.5 散點圖 148
4.6 餅圖與雷達圖 150
4.7 K線圖 154
4.8 三維圖 158
4.9 本章小結 163
4.10 拓展閱讀 164
第5章 結合金融場景演示SciPy等模塊編程 165
5.1 SciPy模塊 165
5.2 statsmodels模塊 184
5.3 波動率模型與arch模塊 191
5.4 datetime模塊 198
5.5 本章小結 203
5.6 拓展閱讀 204
第6章 結合金融場景演示深度學習PyTorch模塊編程 205
6.1 PyTorch環境部署 205
6.2 張量 208
6.3 神經元與激活函數 226
6.4 構建線性模型 232
6.5 全連接神經網絡 240
6.6 循環神經網絡 252
6.7 長短期記憶網絡 263
6.8 本章小結 273
6.9 拓展閱讀 274
第7章 結合金融場景的強化學習編程 275
7.1 強化學習入門 275
7.2 強化學習的編程技術框架——Gymnasium模塊 286
7.3 創建並運行股票投資的強化學習環境 293
7.4 Q學習 303
7.5 深度Q網絡 320
7.6 本章小結 338
7.7 拓展閱讀 339
