Python金融大數(shù)據(jù)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(jiǎn)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(xué)?！?
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(wù)引擎的科技　9
1．2．3　作為進(jìn)入門檻的科技和人才　10
1．2．4　不斷提高的速度、頻率和數(shù)據(jù)量　10
1．2．5　實(shí)時(shí)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(chǎn)率　16
1．3．3　從原型化到生產(chǎn)　20
1．4　數(shù)據(jù)驅(qū)動(dòng)和人工智能優(yōu)先的金融學(xué)　21
1．4．1　數(shù)據(jù)驅(qū)動(dòng)金融學(xué)　21
1．4．2　人工智能優(yōu)先金融學(xué)　24
1．5　結(jié)語　26
1．6　延伸閱讀　27
第　2章 Python基礎(chǔ)架構(gòu)　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(gòu)建Ubuntu和Python Docker鏡像　42
2．4　使用云實(shí)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(diào)Droplet設(shè)置的腳本　51
2．5　結(jié)語　52
2．6　延伸閱讀　53
第　2部分 掌握基礎(chǔ)知識(shí)
第3章　數(shù)據(jù)類型與結(jié)構(gòu)　57
3．1　基本數(shù)據(jù)類型　58
3．1．1　整數(shù)　58
3．1．2　浮點(diǎn)數(shù)　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(dá)式　69
3．2　基本數(shù)據(jù)結(jié)構(gòu)　71
3．2．1　元組　71
3．2．2　列表　72
3．2．3　題外話：控制結(jié)構(gòu)　74
3．2．4　題外話：函數(shù)式編程　75
3．2．5　字典　76
3．2．6　集合　78
3．3　結(jié)語　79
3．4　延伸閱讀　79
第4章　用NumPy進(jìn)行數(shù)值計(jì)算　81
4．1　數(shù)據(jù)數(shù)組　82
4．1．1　用Python列表形成數(shù)組　82
4．1．2　Python array類　84
4．2　常規(guī)NumPy數(shù)組　86
4．2．1　基礎(chǔ)知識(shí)　86
4．2．2　多維數(shù)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(shù)組　97
4．2．6　速度對(duì)比　99
4．3　NumPy結(jié)構(gòu)數(shù)組　100
4．4　代碼向量化　102
4．4．1　基本向量化　102
4．4．2　內(nèi)存布局　105
4．5　結(jié)語　107
4．6　延伸閱讀　108
第5章　pandas數(shù)據(jù)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(fù)雜選擇　128
5．7　聯(lián)接、連接和合并　131
5．7．1　聯(lián)接　132
5．7．2　連接　133
5．7．3　合并　135
5．8　性能特征　137
5．9　結(jié)語　139
5．10　延伸閱讀　140
第6章　面向?qū)ο缶幊獭?41
6．1　Python對(duì)象簡(jiǎn)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(chǔ)知識(shí)　149
6．3　Python數(shù)據(jù)模型　154
6．4　Vector類　158
6．5　結(jié)語　159
6．6　延伸閱讀　159
第3部分　金融數(shù)據(jù)科學(xué)
第7章　數(shù)據(jù)可視化　163
7．1　靜態(tài)2D繪圖　164
7．1．1　一維數(shù)據(jù)集　164
7．1．2　二維數(shù)據(jù)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(jié)語　196
7．5　延伸閱讀　196
第8章　金融時(shí)間序列　197
8．1　金融數(shù)據(jù)　198
8．1．1　數(shù)據(jù)導(dǎo)入　198
8．1．2　匯總統(tǒng)計(jì)　201
8．1．3　隨時(shí)間推移的變化　203
8．1．4　重新采樣　207
8．2　滾動(dòng)統(tǒng)計(jì)　209
8．2．1　概述　209
8．2．2　技術(shù)分析示例　211
8．3　相關(guān)分析　213
8．3．1　數(shù)據(jù)　213
8．3．2　對(duì)數(shù)回報(bào)率　214
8．3．3　OLS回歸　216
8．3．4　相關(guān)　217
8．4　高頻數(shù)據(jù)　218
8．5　結(jié)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(duì)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(shù)據(jù)庫(kù)　229
9．1．4　讀寫NumPy數(shù)組　232
9．2　pandas的I/O　234
9．2．1　使用SQL數(shù)據(jù)庫(kù)　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(shù)組　252
9．3．4　內(nèi)存外計(jì)算　253
9．4　TsTables的I/O　256
9．4．1　樣板數(shù)據(jù)　257
9．4．2　數(shù)據(jù)存儲(chǔ)　258
9．4．3　數(shù)據(jù)檢索　259
9．5　結(jié)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(zhì)數(shù)　271
10．2．2　斐波那契數(shù)　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(jìn)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(jié)語　297
10．7　延伸閱讀　298
第　11章 數(shù)學(xué)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?jī)?yōu)化　317
11．2．3　有約束優(yōu)化　318
11．3　積分　320
11．3．1　數(shù)值積分　321
11．3．2　通過模擬求取積分　322
11．4　符號(hào)計(jì)算　323
11．4．1　基礎(chǔ)知識(shí)　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(jié)語　328
11．6　延伸閱讀　328
第　12章 推斷統(tǒng)計(jì)學(xué)　331
12．1　隨機(jī)數(shù)　332
12．2　模擬　338
12．2．1　隨機(jī)變量　338
12．2．2　隨機(jī)過程　341
12．2．3　方差縮減　356
12．3　估值　359
12．3．1　歐式期權(quán)　359
12．3．2　美式期權(quán)　364
12．4　風(fēng)險(xiǎn)測(cè)度　367
12．4．1　風(fēng)險(xiǎn)價(jià)值　367
12．4．2　信用價(jià)值調(diào)整　371
12．5　Python腳本　374
12．6　結(jié)語　377
12．7　延伸閱讀　377
第　13章 統(tǒng)計(jì)學(xué)　379
13．1　正態(tài)性檢驗(yàn)　380
13．1．1　基準(zhǔn)案例　381
13．1．2　真實(shí)數(shù)據(jù)　390
13．2　投資組合優(yōu)化　396
13．2．1　數(shù)據(jù)　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(chǎng)線　405
13．3　貝葉斯統(tǒng)計(jì)　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(shí)更新估算值　418
13．4　機(jī)器學(xué)習(xí)　423
13．4．1　無監(jiān)督學(xué)習(xí)　423
13．4．2　有監(jiān)督學(xué)習(xí)　426
13．5　結(jié)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(tái)　445
14．1　入門　446
14．2　讀取數(shù)據(jù)　447
14．2．1　讀取分筆交易數(shù)據(jù)　447
14．2．2　讀取K線（蠟燭圖）數(shù)據(jù)　449
14．3　使用API　451
14．3．1　讀取歷史數(shù)據(jù)　452
14．3．2　讀取流數(shù)據(jù)　454
14．3．3　下單　455
14．3．4　賬戶信息　457
14．4　結(jié)語　457
14．5　延伸閱讀　458
第　15章 交易策略　459
15．1　簡(jiǎn)單移動(dòng)平均數(shù)　460
15．1．1　數(shù)據(jù)導(dǎo)入　460
15．1．2　交易策略　461
15．1．3　向量化事后檢驗(yàn)　463
15．1．4　優(yōu)化　465
15．2　隨機(jī)游走假設(shè)　467
15．3　線性O(shè)LS回歸　469
15．3．1　數(shù)據(jù)　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(gè)二元特征　479
15．6．2　5個(gè)二元特征　480
15．6．3　5個(gè)數(shù)字化特征　482
15．6．4　順序訓(xùn)練-測(cè)試分離　484
15．6．5　隨機(jī)訓(xùn)練-測(cè)試分離　485
15．7　深度神經(jīng)網(wǎng)絡(luò)　486
15．7．1　用scikit-learn實(shí)現(xiàn)DNN　486
15．7．2　用TensorFlow實(shí)現(xiàn)DNN　489
15．8　結(jié)語　492
15．9　延伸閱讀　493
第　16章 自動(dòng)化交易　495
16．1　資本管理　496
16．1．1　二項(xiàng)設(shè)定中的凱利標(biāo)準(zhǔn)　496
16．1．2　用于股票及指數(shù)的凱利標(biāo)準(zhǔn)　500
16．2　基于ML的交易策略　505
16．2．1　向量化事后檢驗(yàn)　505
16．2．2　最優(yōu)杠桿　510
16．2．3　風(fēng)險(xiǎn)分析　512
16．2．4　持久化模型對(duì)象　515
16．3　在線算法　516
16．4　基礎(chǔ)設(shè)施與部署　518
16．5　日志與監(jiān)控　519
16．6　結(jié)語　521
16．7　Python腳本　522
16．7．1　自動(dòng)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(chǎn)定價(jià)基本定理　529
17．1．1　簡(jiǎn)單示例　530
17．1．2　一般結(jié)果　530
17．2　風(fēng)險(xiǎn)中立折現(xiàn)　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(chǎng)環(huán)境　536
17．4　結(jié)語　539
17．5　延伸閱讀　540
第　18章 金融模型的模擬　541
18．1　隨機(jī)數(shù)生成　542
18．2　通用模擬類　544
18．3　幾何布朗運(yùn)動(dòng)　548
18．3．1　模擬類　548
18．3．2　用例　550
18．4　跳躍擴(kuò)散　553
18．4．1　模擬類　553
18．4．2　用例　556
18．5　平方根擴(kuò)散　557
18．5．1　模擬類　558
18．5．2　用例　560
18．6　結(jié)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(quán)　570
19．2．1　估值類　570
19．2．2　用例　572
19．3　美式行權(quán)　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(jié)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(jié)語　604
20．4　延伸閱讀　605
第　21章 基于市場(chǎng)的估值　607
21．1　期權(quán)數(shù)據(jù)　608
21．2　模型檢驗(yàn)　610
21．2．1　相關(guān)市場(chǎng)數(shù)據(jù)　611
21．2．2　期權(quán)建模　612
21．2．3　檢驗(yàn)過程　615
21．3　投資組合估值　620
21．3．1　建立期權(quán)頭寸模型　621
21．3．2　期權(quán)投資組合　622
21．4　Python代碼　623
21．5　結(jié)語　625
21．6　延伸閱讀　626
附錄A　日期與時(shí)間　627
A．1　Python　627
A．2　NumPy　633
A．3　pandas　636
附錄B　BSM期權(quán)類　641
B．1　類定義　641
B．2　類的使用　643