Python金融數(shù)據(jù)分析

定　價(jià)：￥78.00

作　者：	[德]伊夫希爾皮斯科（Yves Hilpisch）
出版社：	中國(guó)電力出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥53.80)

ISBN：	9787519879495	出版時(shí)間：	2023-08-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　在當(dāng)今時(shí)代，金融、數(shù)學(xué)和編程是有著內(nèi)在聯(lián)系的。本書(shū)提供了針對(duì)這些學(xué)科的相關(guān)基礎(chǔ)內(nèi)容，并介紹了在計(jì)算金融世界中入門(mén)所需的主要工具。本書(shū)的主要內(nèi)容有：運(yùn)用數(shù)學(xué)知識(shí)，學(xué)習(xí)金融理論和Python編程的基礎(chǔ)。學(xué)習(xí)在計(jì)算金融中使用金融理論、金融數(shù)據(jù)建模，以及Python。利用簡(jiǎn)單的經(jīng)濟(jì)學(xué)模型，更好地理解金融的基本概念和Python編程概念。利用靜態(tài)和動(dòng)態(tài)金融建模來(lái)解決金融中的基本問(wèn)題，如定價(jià)、決策、均衡和資產(chǎn)分配等。學(xué)習(xí)對(duì)金融建模有用的Python軟件包的基礎(chǔ)知識(shí)，如NumPy、SciPy、Matplotlib和SymPy。

作者簡(jiǎn)介

　　Yves J. Hilpisch博士是The Python Quants的創(chuàng)始人和首席執(zhí)行官，該組織致力于將開(kāi)源技術(shù)用于金融數(shù)據(jù)科學(xué)、人工智能、算法交易和計(jì)算金融。他也是The AI Machine的創(chuàng)始人和首席執(zhí)行官，該公司專(zhuān)注于通過(guò)一個(gè)專(zhuān)有的戰(zhàn)略執(zhí)行平臺(tái)進(jìn)行人工智能驅(qū)動(dòng)的算法交易。

圖書(shū)目錄

目錄
前言 1
目錄
第1 章金融與Python 9
1.1 金融簡(jiǎn)史10
1.2 金融的主要趨勢(shì) 11
1.3 四種語(yǔ)言的世界 13
1.4 本書(shū)的方法 13
1.5 Python 入門(mén) .17
1.6 小結(jié) .25
1.7 參考文獻(xiàn)26
第2 章雙態(tài)經(jīng)濟(jì) 27
2.1 經(jīng)濟(jì) .28
2.1.1 實(shí)物資產(chǎn) .29
2.1.2 主體 29
2.1.3 時(shí)間 29
2.1.4 貨幣 30
2.2 現(xiàn)金流 31
2.2.1 回報(bào) 33
2.2.2 利息 34
2.2.3 現(xiàn)值 35
2.2.4 凈現(xiàn)值 36
2.3 不確定性37
2.4 金融資產(chǎn)40
2.5 風(fēng)險(xiǎn) .41
2.5.1 概率測(cè)度 .41
2.5.2 期望 43
2.5.3 預(yù)期回報(bào) .44
2.5.4 波動(dòng)率 45
2.6 未定權(quán)益47
2.6.1 復(fù)制 50
2.6.2 套利定價(jià) .53
2.6.3 市場(chǎng)完備性 55
2.7 阿羅- 德布魯證券 60
2.8 鞅定價(jià) 62
2.8.1 資產(chǎn)定價(jià)第一基本定理 63
2.8.2 按期望定價(jià) 64
2.8.3 資產(chǎn)定價(jià)第二基本定理 65
2.9 均值- 方差投資組合 65
2.10 小結(jié) 71
2.11 更多資源 .71
第3 章三態(tài)經(jīng)濟(jì) 73
3.1 不確定性74
3.2 金融資產(chǎn)74
3.3 可達(dá)未定權(quán)益 .75
3.4 鞅定價(jià) 79
3.4.1 鞅測(cè)度 79
3.4.2 風(fēng)險(xiǎn)中立定價(jià) 81
3.5 超復(fù)制 82
3.6 近似復(fù)制86
3.7 資本市場(chǎng)線(xiàn) 88
3.8 資本資產(chǎn)定價(jià)模型 91
3.9 小結(jié) .96
3.10 更多資源 .97
第4 章優(yōu)化和均衡 99
4.1 效用最大化 100
4.1.1 無(wú)差異曲線(xiàn) . 103
4.1.2 適當(dāng)?shù)男в煤瘮?shù) 104
4.1.3 對(duì)數(shù)效用 105
4.1.4 時(shí)間累積效用 . 107
4.2 預(yù)期效用. 110
4.2.1 最佳投資組合 . 113
4.2.2 時(shí)間累積期望效用 115
4.3 完全市場(chǎng)中的定價(jià) . 117
4.3.1 套利定價(jià) 119
4.3.2 鞅定價(jià) 120
4.4 無(wú)風(fēng)險(xiǎn)利率 120
4.5 數(shù)值實(shí)例（I） . 121
4.6 不完全市場(chǎng)中的定價(jià) 125
4.6.1 鞅測(cè)度 127
4.6.2 均衡定價(jià) 128
4.7 數(shù)值實(shí)例（II） 130
4.8 小結(jié) 135
4.9 更多資源. 135
第5 章靜態(tài)經(jīng)濟(jì) . 137
5.1 不確定性. 138
5.1.1 隨機(jī)變量 139
5.1.2 數(shù)值案例 140
5.2 金融資產(chǎn). 142
5.3 未定權(quán)益. 145
5.4 市場(chǎng)完備性 146
5.5 資產(chǎn)定價(jià)的基本定理 150
5.6 Black-Scholes-Merton 期權(quán)定價(jià) 155
5.7 Black-Scholes-Merton 的完整性 . 159
5.8 Merton 跳擴(kuò)散模型期權(quán)定價(jià) 161
5.9 代表主體定價(jià) 165
5.10 小結(jié) 167
5.11 更多資源 167
第6 章動(dòng)態(tài)經(jīng)濟(jì) . 169
6.1 二項(xiàng)式期權(quán)定價(jià) . 170
6.1.1 基于Python 循環(huán)的模擬和評(píng)估 173
6.1.2 基于向量代碼的模擬和估值 177
6.1.3 速度比較 181
6.2 Black-Scholes-Merton 期權(quán)定價(jià) . 183
6.2.1 股票價(jià)格路徑的蒙特卡洛模擬 184
6.2.2 歐式看跌期權(quán)的蒙特卡洛估價(jià) 188
6.2.3 美式看跌期權(quán)的蒙特卡洛估價(jià) 189
6.3 小結(jié) 190
6.4 更多資源. 191
第7 章進(jìn)一步探索 193
7.1 數(shù)學(xué) 193
7.2 金融理論. 194
7.3 Python 編程 198
7.4 Python 金融分析 . 198
7.4.1 金融數(shù)據(jù)科學(xué) . 199
7.4.2 算法交易 200
7.4.3 計(jì)算金融 200
7.4.4 人工智能 201
7.4.5 其他資源 202
7.5 最后的話(huà). 203