Python金融風險管理FRM：基礎(chǔ)篇

定　價：￥169.00

作　者：	姜偉生，涂升編
出版社：	清華大學(xué)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302584124	出版時間：	2021-11-01	包裝：	精裝
開本：	16開	頁數(shù)：	417	字數(shù)：

內(nèi)容簡介

　　金融風險管理已經(jīng)成為各個金融機構(gòu)必備的職能部門。特別是隨著全球金融一體化不斷地深入發(fā)展，金融風險管理越發(fā)重要，也日趨復(fù)雜。金融風險管理師（FRM）就是在這個大背景下推出的認證考試，F(xiàn)RM現(xiàn)在已經(jīng)是金融風險管理領(lǐng)域頂級權(quán)威的國際認證考試。本叢書以FRM考試第一、二級考綱內(nèi)容為中心，并且突出介紹實際工作所需的金融建模風險管理知識。本叢書將金融風險建模知識和Python編程有機地結(jié)合在一起，配合豐富的彩色圖表，由淺入深地將各種金融概念和計算結(jié)果可視化，幫助讀者理解金融風險建模核心知識，提高數(shù)學(xué)和編程水平。本書是本系列圖書的第6本，共分12章。本書的第1章和第2章主要介紹Python基礎(chǔ)編程內(nèi)容，比如數(shù)據(jù)類型、運算符、條件循環(huán)語句、讀寫操作、函數(shù)等。第3章和第4章主要介紹NumPy和Scipy等常見的數(shù)學(xué)工具包的典型應(yīng)用。第5章和第6章討論采用Pandas進行數(shù)據(jù)分析。在前6章內(nèi)容的基礎(chǔ)上，第7章介紹常見的可視化方案。然后結(jié)合Python編程，第8章和第9章介紹金融建模中常用的概率和統(tǒng)計知識。第10章和第11章討論金融建模中各種常見的初等和高等數(shù)學(xué)內(nèi)容，這些內(nèi)容是后續(xù)金融產(chǎn)品定價和風險分析的數(shù)學(xué)基礎(chǔ)。第12章主要研究固定收益定價和分析等內(nèi)容。本書適合所有金融從業(yè)者閱讀，特別適合金融編程零基礎(chǔ)讀者參考學(xué)習。本書適合FRM考生備考參考學(xué)習，可以幫助FRM持證者實踐金融建模。另外，本書也是鞏固金融知識、應(yīng)對金融筆試和面試的利器。

作者簡介

　　姜偉生博士，F(xiàn)RM，現(xiàn)就職于MSCI，負責為美國對沖基金客戶提供金融分析產(chǎn)品RiskMetrics RiskManager的咨詢和技術(shù)支持服務(wù)。MATLAB建模實踐超過10年?？珙I(lǐng)域著作豐富，在語言教育、新能源汽車等領(lǐng)域出版中英文圖書超過15種。涂升博士，F(xiàn)RM，現(xiàn)就職于CMHC （Canada Mortgage and Housing Corporation，加拿大抵押貸款和住房管理公司，加拿大大皇家企業(yè)），從事金融模型審查與風險管理工作。曾就職于加拿大豐業(yè)銀行，從事IFRS9信用風險模型建模，執(zhí)行監(jiān)管要求的壓力測試等工作。MATLAB使用時間超過10年。梁健斌博士，現(xiàn)就職于McMaster Automotive Resource Center，多語言使用時間超過10年。曾參與過CRC Taylor & Francis圖書作品出版工作，在英文學(xué)術(shù)期刊發(fā)表論文多篇。為叢書Python系列數(shù)據(jù)可視化提供大量支持。安然博士，現(xiàn)就職于道明金融集團，從事交易對手風險模型建模，在金融模型的設(shè)計與開發(fā)以及金融風險的量化分析等領(lǐng)域具有豐富的經(jīng)驗。曾在密歇根大學(xué)、McMaster大學(xué)、Sunnybrook健康科學(xué)中心從事飛秒激光以及聚焦超聲波的科研工作。蘆葦博士，碩士為金融數(shù)學(xué)方向，現(xiàn)就職于加拿大五大銀行之一的豐業(yè)銀行（Scotiabank），從事金融衍生品定價建模和風險管理工作。編程建模時間超過10年。曾在密歇根州立大學(xué)、多倫多大學(xué)，從事中尺度氣候模型以及碳通量反演的科研工作。

圖書目錄

第1章編程初階
1.1 PVthon介紹
1.2 spyder介紹
1.3 變量和數(shù)值類型
1.4 數(shù)據(jù)序列介紹
1.5 列表
1.6 元組、集合和字典
第2章編程基礎(chǔ)Ⅱ
2.1 字符串
2.2 運算符
2.3 關(guān)鍵字和變量復(fù)制
2.4 條件和循環(huán)語句
2.5 迭代器和生成器
2.6 文件讀寫操作
2.7 函數(shù)
2.8 異常和錯誤
第3章使用NumPy
3.1 NumPy簡介
3.2 基本類型的矩陣創(chuàng)建
3.3 其他矩陣創(chuàng)建函數(shù)
3.4 索引和遍歷
3.5 矩陣變形
第4章數(shù)學(xué)工具包
4.1 矩陣元素統(tǒng)計計算
4.2 圓整
4.3 矩陣基本運算
4.4 線性代數(shù)計算
4.5 矩陣分解
4.6 一元函數(shù)符號表達式
4.7 多元函數(shù)符號表達式
4.8 符號函數(shù)矩陣
第5章 Pandas與數(shù)據(jù)分析Ⅰ
5.1 Pandas的安裝和導(dǎo)入
5.2 序列及其創(chuàng)建
5.3 序列的數(shù)據(jù)選取
5.4 數(shù)據(jù)幀及其創(chuàng)建
5.5 數(shù)據(jù)幀的數(shù)據(jù)選擇
5.6 序列和數(shù)據(jù)幀的基本運算
5.7 設(shè)定索引，重新索引與重建索引
第6章 Pandas與數(shù)據(jù)分析Ⅱ
6.1 數(shù)據(jù)的可視化
6.2 Pandas文件寫出和讀入
6.3 數(shù)據(jù)幀的合并
6.4 數(shù)據(jù)幀的列連接
6.5 數(shù)據(jù)幀的拼接
6.6 數(shù)據(jù)幀的分組分析
6.7 數(shù)據(jù)透視表
第7章數(shù)據(jù)可視化
7.1 Matplotlib繪圖庫
7.2 繪制二維線圖
7.3 子圖繪制
7.4 繪制參考線
7.5 添加數(shù)學(xué)公式
7.6 常見二維圖像
7.7 常見三維圖像
7.8 統(tǒng)計數(shù)據(jù)可視化
7.9 交互式繪圖簡介
第8章概率與統(tǒng)計Ⅰ
8.1 概率與隨機事件
8.2 貝葉斯定理
8.3 隨機變量
8.4 離散型隨機變量的概率分布
8.5 連續(xù)型隨機變量的概率分布
8.6 正態(tài)分布和對數(shù)正態(tài)分布
第9章概率與統(tǒng)計Ⅱ
9.1 隨機變量的數(shù)字特征
9.2 總體和樣本
9.3 抽樣分布
9.4 大數(shù)定律及中心極限定理
9.5 參數(shù)估計
9.6 假設(shè)檢驗
9.7 置信區(qū)間、p值與假設(shè)檢驗
第10章金融計算Ⅰ
10.1 利率
10.2 簡單收益率
10.3 對數(shù)收益率
10.4 多項式函數(shù)
10.5 插值
10.6 數(shù)列
10.7 求根
10.8 分段函數(shù)
10.9 二次曲線
10.10 平面
10.11 二次曲面
第11章金融計算Ⅱ
11.1 多元函數(shù)
11.2 極限
11.3 導(dǎo)數(shù)
11.4 偏導(dǎo)數(shù)
11.5 鏈式法則
11.6 泰勒展開
11.7 數(shù)值微分
11.8 優(yōu)化
11.9 多目標優(yōu)化
第12章固定收益分析
12.1 時間價值
12.2 債券介紹
12.3 到期收益率
12.4 久期
12.5 關(guān)鍵利率久期
12.6 凸率
備忘