金融科技:量化投资的Python实施

1星价 ¥51.0 (7.5折)

2星价￥51.0 定价￥68.0

作者：朱顺泉编著

出版社：清华大学出版社

本类榜单：教材

分类：教材 > 研究生/本科/专科教材

暂无评论

图文详情

ISBN：9787302655800
装帧：平装
册数：暂无
重量：暂无
开本：26cm
页数：323页
出版时间：2024-04-01
条形码：9787302655800 ; 978-7-302-65580-0

本书特色

本书以Python语言、BigQuant量化投资平台、Backtrader量化交易软件等为基础，介绍金融投资方法与策略的Python应用。本书内容丰富，结合实例，有很强的针对性，书中各章详细地介绍了各种金融投资分析方法结合实例的Python应用及具体操作过程，读者按照书中介绍一步一步地实际操作，就能掌握全书的内容。

内容简介

"本书共5篇23章，内容包括:(1)量化投资基础及Python应用环境；(2)Python程序设计基础；(3)Python金融投资数据获取；(4)Python工具库NumPy数组与矩阵计算；(5)Python工具库SciPy优化与统计；(6)Pandas金融投资数据分析；(7)Python描述性统计；(8)Python相关分析与回归分析；(9)Python金融时间序列的自相关性与平稳性；(10)Python金融时间序列分析的ARIMA模型；(11)Python金融时间序列分析的ARCH与GARCH模型；(12)Python计算资产组合的收益率与风险；(13)Python优化工具在投资组合均值方差模型中的应用；(14)Python应用于存在无风险资产的均值方差模型；(15)Python在资本资产定价模型中的应用；(16)贝塔对冲策略；(17)量化选股策略；(18)量化择时策略；(19)量化选股与量化择时组合策略；(20)量化投资统计套利的协整配对交易策略；(21)基于Python环境的配对交易策略；(22)人工智能机器学习算法量化投资；(23)Backtrader量化交易软件介绍。本书内容新颖、全面，实用性强，融理论、方法、应用于一体，可作为金融科技、金融工程、金融学、投资学、保险学、会计学、财务管理、经济学、财政学、统计学、数量经济学、管理科学与工程、应用数学、计算机应用技术等专业的高年级本科生和研究生的教材或参考书。 "

第1篇量化投资基础与Python环境第1章量化投资基础及Python应用环境 1.1 量化投资基础 1.2 为什么选择Python工具 1.3 下载安装Python执行文件 1.4 Python工具Anaconda的下载 1.5 Python的安装 1.6 Python的启动和退出练习题第2章 Python程序设计基础 2.1 Python基本知识 2.2 Python数据结构 2.3 Python函数 2.4 几个常用函数 2.5 Python条件与循环 2.6 Python类与对象练习题第3章 Python金融投资数据获取 3.1 金融投资数据获取的Tushare模块 3.2 金融投资数据获取的Baostock模块 3.3 金融投资数据获取的Yfinance模块 3.4 Pandas_datareader获取金融投资数据 3.5 Quandl财经数据接口练习题第4章 Python工具库NumPy数组与矩阵计算 4.1 NumPy概述 4.2 NumPy数组对象 4.3 创建数组 4.4 数组操作 4.5 数组元素访问 4.6 矩阵操作 4.7 缺失值处理练习题第5章 Python工具库SciPy优化与统计 5.1 SciPy概述 5.2 scipy.optimize优化方法 5.3 scipy.optimize的minimize.工具在投资组合资产配置中的应用 5.4 scipy.stats的统计方法练习题第6章 Pandas金融投资数据分析 6.1 Pandas数据对象基础知识 6.2 Pandas获取金融投资数据 6.3 Pandas金融投资数据分析练习题第2篇 Python统计分析第7章 Python描述性统计 7.1 描述性统计的Python工具 7.2 数据集中趋势的度量 7.3 数据离散状况的度量 7.4 峰度、偏度与正态性检验 7.5 异常数据处理练习题第8章 Python相关分析与回归分析 8.1 Python相关分析 8.2 Python一元线性回归分析的Statsmodels应用 8.3 Python多元线性回归分析练习题第3篇 Python金融时间序列分析第9章 Python金融时间序列的自相关性与平稳性 9.1 引言 9.2 自相关性 9.3 平稳性 9.4 白噪声和随机游走 9.5 Python模拟白噪声和平稳性检验 9.6 沪深300近三年来数据的平稳性检验分析练习题 0章 Python金融时间序列分析的ARIMA模型 10.1 引言 10.2 AR模型 10.3 MA模型 10.4 ARMA模型 10.5 ARIMA模型 10.6 结语练习题 1章 Python金融时间序列分析的ARCH与GARCH模型 11.1 引言 11.2 股票收益率时间序列特点 11.3 ARCH模型 11.4 GARCH模型 11.5 结语练习题第4篇 Python金融投资理论 2章 Python计算资产组合的收益率与风险 12.1 持有期收益率 12.2 单项资产的期望收益率 12.3 单项资产的风险 12.4 单项资产的期望收益和风险的估计 12.5 单项资产之间的协方差与相关系数 12.6 Python计算资产组合的期望收益和风险练习题 3章 Python优化工具在投资组合均值方差模型中的应用 13.1 资产组合的可行集 13.2 有效边界与有效组合 13.3 Python应用于标准均值方差模型 13.4 两基金分离定理 13.5 Python绘制资产组合的有效边界 13.6 Python应用于Markowitz投资组合优化练习题 4章 Python应用于存在无风险资产的均值方差模型 14.1 存在无风险资产的均值方差模型及其Python应用 14.2 无风险资产对小方差组合的影响 14.3 Python应用于存在无风险资产的两基金分离定理 14.4 预期收益率与贝塔关系式 14.5 Python应用于一个无风险资产和两个风险资产的组合 14.6 Python应用于默顿定理 14.7 Python应用于布莱克-利特曼（Black-Litterman）模型练习题 5章 Python在资本资产定价模型中的应用 15.1 资本资产定价模型假设 15.2 Python应用于资本市场线 15.3 Python应用于证券市场线 15.4 Python应用于价格型资本资产定价模型 15.5 Python应用于资本资产定价模型CAPM实际数据练习题第5篇 Python量化投资策略 6章贝塔对冲策略 16.1 贝塔对冲模型 16.2 贝塔对冲策略 16.3 市场风险对冲策略案例 16.4 市场风险对冲的进一步分析练习题 7章量化选股策略 17.1 小市值的量化选股策略 17.2 基本面财务指标的量化选股策略练习题 8章量化择时策略 18.1 Talib技术分析工具库在量化择时中的应用 18.2 海龟量化择时策略 18.3 金叉死叉双均线量化择时策略 18.4 基于Python环境的量化择时策略练习题 9章量化选股与量化择时组合策略 19.1 量化纯选股策略 19.2 量化选股与量化择时组合策略练习题

展开全部

作者简介

朱顺泉，男，汉族，湖南省邵东县人。2001年于中南大学管理科学与工程专业金融工程方向研究生毕业，获管理学博士学位，2004年于上海财经大学应用经济学专业博士后研究出站，2006年评为教授。曾先后工作于湖南财经学院、湖南大学、暨南大学等，指导各类硕士研究生90余人，现为广东财经大学金融学院教授，长期从事本科生与研究生的投资学、金融工程、公司金融、金融市场、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作，一直致力于财经与科技相结合的交叉应用研究。在人民出版社、科学出版社、清华大学出版社、北京大学出版社等出版机构出版著作50余部，在Journal of Mathematical Financ, Journal of Financial Risk Management，Technology & Investment等学术刊物上发表学术论文100余篇，主持完成哲学社会科学项目、人文社会科学项目、广东省哲学社会科学项目、广东省科技计划项目、湖南省哲学社会科学项目等10余项。出版的《信用评级理论、方法、模型与应用研究》著作于2013年获广州分行二等奖。主要研究方向：投资学、金融工程、金融市场、公司金融财务等，在金融科技创新、金融大数据分析、量化金融投资与人工智能、私募股权与创业风险投资、财务预警与信用评级、经济金融计量与数据分析、投资组合优化、资产定价、经济博弈论等方面有较深入研究。

本类五星书