123,123,123

內(nèi)容簡(jiǎn)介

　　本書針對(duì)在財(cái)經(jīng)數(shù)據(jù)分析與研究領(lǐng)域較為常見(jiàn)的數(shù)學(xué)模型，編寫Python應(yīng)用程序，進(jìn)行實(shí)證分析。全書包括Anaconda平臺(tái)Python運(yùn)行環(huán)境、Matplotlib圖表繪制、BeautifulSoup4網(wǎng)絡(luò)數(shù)據(jù)搜索、投資效益分析、Numpy數(shù)組運(yùn)算、SHA256加密函數(shù)、Chebyshev函數(shù)、Optimize擬合、常見(jiàn)非線性函數(shù)、環(huán)境EKC曲線、Cobb Douglas函數(shù)、可擴(kuò)展Richards模型與CES模型、Grey灰色系統(tǒng)模型、ANN人工神經(jīng)網(wǎng)絡(luò)等十四章內(nèi)容。本書適合財(cái)經(jīng)院校相關(guān)專業(yè)碩士研究生和高年級(jí)本科生作為教材使用，也適合相關(guān)領(lǐng)域人員學(xué)習(xí)參考。

作者簡(jiǎn)介

　　閻虎勤，男，漢族，1963年11月15日出生于甘肅省正寧縣。1982年9月至1986年7月，在蘭州大學(xué)數(shù)學(xué)力學(xué)系計(jì)算數(shù)學(xué)專業(yè)學(xué)習(xí)，獲理學(xué)學(xué)士學(xué)位。2000年12月至2002年12月，在澳大利亞默多克大學(xué)（Murdoch University）商學(xué)院通信科學(xué)專業(yè)學(xué)習(xí)，獲通信管理碩士學(xué)位。2005年9月至2008年12月，在廈門大學(xué)管理學(xué)院技術(shù)經(jīng)濟(jì)與管理專業(yè)學(xué)習(xí)，獲管理學(xué)博士學(xué)位。曾長(zhǎng)期擔(dān)任廈門國(guó)家會(huì)計(jì)學(xué)院信息管理處處長(zhǎng)，現(xiàn)任遠(yuǎn)程教育處處長(zhǎng)。教學(xué)和研究的主要方向?yàn)楣芾硇畔⑾到y(tǒng)、計(jì)算機(jī)審計(jì)、經(jīng)濟(jì)增長(zhǎng)與通脹、貨幣數(shù)量論、技術(shù)經(jīng)濟(jì)與管理。主要著作有《金融系統(tǒng)微機(jī)教程》（蘭州大學(xué)出版社，1990）、《銀行經(jīng)營(yíng)活動(dòng)數(shù)量分析方法》（西北大學(xué)出版社，1992）《當(dāng)代中國(guó)金融電腦事業(yè)》（西北大學(xué)出版社，1993）、《當(dāng)代中國(guó)金融稽核事業(yè)》（西北大學(xué)出版社，1993）、《銀行計(jì)算機(jī)稽核》（西北大學(xué)出版社；1993）、《中國(guó)經(jīng)濟(jì)增長(zhǎng)與通脹坐標(biāo)系》（中國(guó)財(cái)政經(jīng)濟(jì)出版社，2011）等。

圖書目錄

第一章 Anaconda平臺(tái)Python運(yùn)行環(huán)境
第一節(jié) Python財(cái)務(wù)數(shù)據(jù)分析方法
第二節(jié) Anaconda3的Python運(yùn)行環(huán)境
第三節(jié) Python3.7庫(kù)函數(shù)安裝
第四節(jié) Python臨時(shí)庫(kù)模塊
第二章 Matplotlib圖表繪制
第一節(jié) Python語(yǔ)言基礎(chǔ)
第二節(jié) Matplotlih圖形繪制
第三節(jié) 函數(shù)圖形技巧
第四節(jié) 2D和3D函數(shù)圖及坐標(biāo)軸
第三章 BeautifulSoup4網(wǎng)絡(luò)數(shù)據(jù)搜索
第一節(jié) 數(shù)據(jù)搜索環(huán)境
第二節(jié) 結(jié)構(gòu)化數(shù)據(jù)搜索
第三節(jié) 新聞網(wǎng)頁(yè)搜索舉例
第四節(jié) WordCloud詞云
第五節(jié) Jieba漢字庫(kù)
第四章投資效益分析
第一節(jié) 基本計(jì)算公式
第二節(jié) 現(xiàn)值法投資分析
第三節(jié) 年值法投資分析
第四節(jié) 收益/成本比率分析
第五節(jié) 內(nèi)部收益率分析
第六節(jié) 多種投資方案分析
第七節(jié) 貸款管理分析
第八節(jié) 本量利盈虧平衡分析
第五章 Numpy數(shù)組運(yùn)算
第一節(jié) 創(chuàng)建數(shù)組
第二節(jié) 一般函數(shù)方法
第三節(jié) 隨機(jī)數(shù)與均值方差
第四節(jié) 正態(tài)分布函數(shù)
第五節(jié) 多項(xiàng)式求導(dǎo)、積分、求根
第六章 SHA256加密函數(shù)
第一節(jié) 比特幣發(fā)幣原理
第二節(jié) MD5和SHA256加密函數(shù)
第三節(jié) 時(shí)間戳及字符串結(jié)構(gòu)調(diào)整
第四節(jié) 比特幣區(qū)塊號(hào)125553的HASH值求解過(guò)程
第五節(jié) 比特幣區(qū)塊號(hào)674405 HASH值Python程序
第七章 Chebyshev函數(shù)
第一節(jié) 切比雪夫多項(xiàng)式
第二節(jié) 實(shí)際GDP及其累積增長(zhǎng)指數(shù)
第三節(jié) 中美兩國(guó)GDP樣本數(shù)據(jù)
第四節(jié) 中國(guó)總體和人均實(shí)際GDP預(yù)測(cè)
第五節(jié) 美國(guó)總體和人均實(shí)際GDP預(yù)測(cè)
第六節(jié) 中美兩國(guó)實(shí)際GDP增長(zhǎng)預(yù)測(cè)
第八章 Optimize.Leastsq擬合模式
第一節(jié) 二階多項(xiàng)式Leastsq擬合
第二節(jié) 三階多項(xiàng)式Leastsq擬合
第三節(jié) 二階切比雪夫多項(xiàng)式Leastsq擬合
第四節(jié) 三階切比雪夫多項(xiàng)式Leastsq擬合
第五節(jié) 四個(gè)多項(xiàng)式Leastsq擬合對(duì)比
第九章常見(jiàn)非線性函數(shù)
第一節(jié) 常見(jiàn)非線性函數(shù)
第二節(jié) 常見(jiàn)非線性函數(shù)高階化
第三節(jié) 常見(jiàn)非線性函數(shù)Leastsq擬合
第十章環(huán)境EKC曲線
第一節(jié) 線性回歸模型
第二節(jié) 2030年中國(guó)碳減排目標(biāo)
第三節(jié) 環(huán)境庫(kù)茲涅茨曲線
第十一章科布-道格拉斯函數(shù)
第一節(jié) 科布-道格拉斯函數(shù)及其性質(zhì)
第二節(jié) 科布-道格拉斯函數(shù)的適用性
第三節(jié) 中國(guó)的CD函數(shù)（2000-2018）
第十二章可擴(kuò)展Richards模型與CES模型
第一節(jié) 切比雪夫多項(xiàng)式根的應(yīng)用
第二節(jié) 可擴(kuò)展Richards模型
第三節(jié) CES不變替代彈性函數(shù)
第十三章灰色系統(tǒng)模型
第一節(jié) GM（1，1）微分方程的通解
第二節(jié) GM（1，1）的鄧聚龍估計(jì)法
第三節(jié) GM（2，1）微分方程的辨識(shí)
第四節(jié) GM（1，1）模型的通解擬合
第五節(jié) GM（1，1）的鄧聚龍解擬合
第六節(jié) GM（2，1）模型優(yōu)化解擬合
第十四章人工神經(jīng)網(wǎng)絡(luò)
第一節(jié) 不考慮常數(shù)項(xiàng)擾動(dòng)
第二節(jié) 考慮常數(shù)項(xiàng)擾動(dòng)
第三節(jié) 兩種常見(jiàn)激活函數(shù)
第四節(jié) 時(shí)間序列預(yù)測(cè)設(shè)計(jì)
第五節(jié) 道瓊斯工業(yè)指數(shù)預(yù)測(cè)
第六節(jié) 上證指數(shù)預(yù)測(cè)
附錄一學(xué)生課程學(xué)習(xí)心得（1）
附錄二學(xué)生課程學(xué)習(xí)心得（2）
附錄三學(xué)生課程學(xué)習(xí)心得（3）
附錄四學(xué)生課程學(xué)習(xí)心得（4）
附錄五學(xué)生課程論文列表
后記