金融数据分析——以Python为工具

第1章 金融数据分析概览 1 1.1 数据与数据分析 1 1.2 金融领域的数据 2 1.3 金融数据的特点 3 1.4 金融数据分析的应用 4 1.4.1 银行业的数据分析应用 5 1.4.2 证券业的数据分析应用 5 1.4.3 保险业的数据分析应用 5 1.5 金融数据分析面临的挑战 6 本章小结 7 练习题 7 第2章 数据分析流程 8 2.1 数据分析的宏观流程 8 2.2 数据分析的微观流程 9 2.3 数据样本及表示 11 本章小结 12 练习题 13 第3章 Python运行环境搭建 14 3.1 Python概述 14 3.1.1 Python语言简介 14 3.1.2 Python与金融数据分析 14 3.2 Python运行环境搭建 15 3.2.1 安装Anaconda 15 3.2.2 Python的包管理 17 3.3 Python运行环境的使用 18 3.3.1 Jupyter Notebook简介及使用 18 3.3.2 Spyder简介及使用 22 本章小结 24 练习题 24 第4章 数据分析的基础Python包 25 4.1 数组运算库NumPy 25 4.1.1 数组创建 26 4.1.2 数组访问 27 4.1.3 数组修改 27 4.1.4 数组运算 28 4.2 结构化数据分析库Pandas 29 4.2.1 DataFrame的基本操作 30 4.2.2 DataFrame操作遇到的 特殊问题 41 4.2.3 Pandas使用技巧 44 4.3 绘图库Matplotlib 46 4.3.1 折线图 46 4.3.2 多图和子图 49 4.3.3 其他二维图 52 4.3.4 三维图 58 4.3.5 Pandas绘图 61 4.3.6 绘图总结 63 本章小结 64 练习题 65 第5章 金融数据获取 67 5.1 从Tushare获取数据 67 5.2 从文件读写数据 70 5.3 从数据库读写数据 72 本章小结 75 练习题 76 第6章 探索性数据分析 77 6.1 探索性数据分析的涵义 77 6.2 初步探索性分析 77 6.2.1 整体数据分析 77 6.2.2 属性分析 78 6.3 基于业务逻辑的探索性分析 81 6.4 相关代码操作 81 6.4.1 初步探索性分析操作 81 6.4.2 分组聚合及数据重塑 82 6.5 探索性数据分析案例 83 本章小结 94 练习题 94 第7章 特征工程 95 7.1 特征工程简介 95 7.2 特征与特征处理 95 7.3 数据清洗 97 7.3.1 一致性检查 97 7.3.2 重复值处理 98 7.3.3 异常值处理 98 7.3.4 缺失值处理 99 7.4 特征变换 100 7.4.1 属性规范化 100 7.4.2 属性离散化 101 7.4.3 类别属性编码 102 7.4.4 特殊函数变换 103 7.5 特征选择 104 7.5.1 过滤法 104 7.5.2 封装法 107 7.5.3 嵌入法 107 7.6 基于Python的特征工程 107 7.6.1 数据清洗相关函数 108 7.6.2 特征变换相关函数 108 7.6.3 特征选择相关函数 110 7.6.4 注意事项及操作建议 111 7.7 特征工程案例演示 111 7.7.1 数据获取 112 7.7.2 重复数据剔除 114 7.7.3 异常值检测 116 7.7.4 缺失值处理 119 7.7.5 特征变换 120 7.7.6 特征选择 126 本章小结 129 练习题 129 第8章 数据建模分析 130 8.1 数据和模型的关系 130 8.2 经典的金融模型 131 8.3 基于机器学习的数据建模 133 8.3.1 机器学习简介 133 8.3.2 机器学习的流程 134 8.3.3 模型性能评估举例 139 本章小结 141 练习题 141 第9章 股票行情数据分析 142 9.1 股票K线分析概述 142 9.2 探索性数据分析 143 9.3 价格数据可视化 146 9.3.1 mplfinance包简介 146 9.3.2 K线图绘制 148 9.4 技术指标计算及K线模式识别 152 9.4.1 TA-Lib包简介 152 9.4.2 数据分析演示 156 本章小结 164 练习题 165 第10章 资本资产定价模型分析 166 10.1 投资组合理论 166 10.2 资本市场线 168 10.3 证券市场线 169 10.4 估计证券的β系数 170 10.5 具体案例分析 171 本章小结 179 练习题 180 第11章 股票量化投资多因子模型分析 181 11.1 量化投资 181 11.1.1 量化投资简介 181 11.1.2 量化投资的历史和现状 182 11.1.3 量化投资策略 184 11.2 多因子选股模型 186 11.2.1 多因子模型基本思想 186 11.2.2 预选因子池 187 11.2.3 因子有效性检验 188 11.2.4 冗余因子剔除 190 11.2.5 根据因子选股票 190 11.3 相关Python库介绍 191 11.4 多因子选股模型案例分析 194 本章小结 203 练习题 204 第12章 个人贷款信用风险评估 205 12.1 信用风险分析概述 205 12.2 Logistic回归模型 206 12.2.1 模型基本思想 206 12.2.2 模型的进一步解释 207 12.3 相关的Python库介绍 208 12.3.1 scikit-learn库简介 208 12.3.2 Logistic回归的实现 208 12.4 案例分析：基于Logistics回归的 ?个人信用风险评估 209 12.4.1 数据及问题描述 209 12.4.2 个人信用风险的 探索性数据分析 210 12.4.3 个人信用数据的特征工程 216 12.4.4 建模分析 217 12.4.5 模型改进 220 本章小结 227 练习题 228 参考文献 229