读者评分
5分

Python金融大数据分析

1星价 ¥62.4 (6.3折)

2星价￥62.4 定价￥99.0

作者：(德)伊夫·希尔皮斯科(YvesHil

出版社：人民邮电出版社

本类榜单：计算机/网络

分类：计算机/网络 > 数据库

商品评论（1条）

116***（三星用户）

金融行业开发技术专著

当代的金融行业，目前已经开始采用python系统，这是一种不可忽视的发展趋势。使用python来构建核心交易和风险管理系统，将会逐渐成为主流，有着很大的发展前景。本书通过大量的实用示例并以一个大型的真实案例研究为基础，有着非常强的实用性。基于蒙特卡洛模拟的衍生品和风险分析，基础知识部分讲解非常详细。另外还涉及到构建基于web技术的金融应用程序，内容非常先进尖端。作为专业金融人士来说，本书有非常值得阅读的价值！

2017-10-17 17:54:56

0 0

查看全部评论

图文详情

ISBN：9787115404459
装帧：简裝本
册数：暂无
重量：暂无
开本：16开
页数：511
出版时间：2015-12-01
条形码：9787115404459 ; 978-7-115-40445-9

本书特色

python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《python金融大数据分析》提供了使用python进行数据分析，以及开发相关应用程序的技巧和工具。
《python金融大数据分析》总计分为3部分，共19章，第1部分介绍了python在金融学中的应用，其内容涵盖了python用于金融行业的原因、python的基础架构和工具，以及python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中重要的python库、技术和方法，其内容涵盖了python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、python统计学应用、python和excel的集成、python面向对象编程和gui的开发、python与web技术的集成，以及基于web应用和web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。
《python金融大数据分析》适合对使用python进行大数据分析、处理感兴趣的金融行业开发人员阅读。

内容简介

金融行业已经以惊人的速度采用python，一些大的投资银行和对冲基金使用python来构建核心的交易和风险管理系统。本书可以帮助开发人员和量化分析人员入门python，并指导他们掌握python在计量金融学上的重要应用。
本书通过大量的实用示例并以一个大型的真实案例研究为基础，讲解如何为基于蒙特卡洛模拟的衍生品和风险分析开发一个成熟的框架。本书大部分内容使用了交互式的ipython notebooks，并包含了如下主题。
基础知识：python数据结构，numpy数组处理、用pandas进行时间序列分析，用matplotlib可视化，用pytables进行高性能i/o操作，日期/时间信息处理和精选的实践。
金融主题：使用了numpy、scipy和sympy的数学技术，例如回归和优化；用于蒙特卡洛模拟、风险价值、风险信用价值计算的推断统计学；用于正态性检验、均方差投资组合优化、主成分分析（pca）和贝叶斯回归的统计学。
特殊主题：用于金融算法的高性能python，如向量化和并行化；python与excel的集成；以及构建基于web技术的金融应用程序。

第1部分 Python与金融
第1章为什么将Python用于金融
1.1 Python是什么
1.1.1 Python简史
1.1.2 Python生态系统
1.1.3 Python用户谱系
1.1.4 科学栈
1.2 金融中的科技
1.2.1 科技开销
1.2.2 作为业务引擎的科技
1.2.3 作为进入门槛的科技和人才
1.2.4 不断提高的速度、频率、数据量
1.2.5 实时分析的兴起
1.3 用于金融的
1.3.1 金融和Python语法
1.3.2 Python的效率和生产率
1.3.3 从原型化到生产
1.4 结语
1.5 延伸阅读
第2章基础架构和工具
2.1 Python部署
2.1.1 An
2.1.2 Python Quant Pl
2.1.3 工具
2.1.4
2.1.5 I
2.1.6
2.2 结语
2.3 延伸阅读
第3章入门示例
3.1 隐含波动率
3.2 蒙特卡洛模拟
3.2.1 纯
3.2.2 用NumPy向量化
3.2.3 利用对数欧拉方法实现全向量化
3.2.4 图形化分析
3.2.5 技术分析
3.3 结语
3.4 延伸阅读
第2部分金融分析和开发
第4章数据类型和结构
4.1 基本数据类型
4.1.1 整数
4.1.2 浮点数
4.1.3 字符串
4.2 基本数据结构
4.2.1 元组
4.2.2 列表
4.2.3 离题：控制结构
4.2.4 离题：函数式编程
4.2.5 字典
4.2.6 集合
4.3 NumPy数据结构
4.3.1 用Python列表形成数组
4.3.2 常规NumPy数组
4.3.3 结构数组
4.4 代码向量化
4.5 内存布局
4.6 结语
4.7 延伸阅读
第5章数据可视化
5.1 二维绘图
5.1.1 一维数据集
5.1.2 二维数据集
5.1.3 其他绘图样式
5.2 金融学图表
5.3 3D绘图
第6章金融时间序列
第7章输入/输出操作
第8章高性能的
第9章数学工具
第10章推断统计学
第11章统计学
第12章 Excel集成
第13章面向对象和图形用户界面
第14章 Web集成
第3部分衍生品分析库
第15章估值框架
第16章金融模型的模拟
第17章衍生品估值
第18章投资组合估值
第19章波动率期权
附录

展开全部

作者简介

Yves Hilpsch是Python Quants（德国）股份有限公司的创始人和任事股东，也是Python Quants（纽约）有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件（参见http://pythonquants.com，http://quant-platfrom.com和http://dx-analytics.com），以及和Python及金融相关的咨询、开发和培训服务。
Yves还是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作为获得数理金融学博士学位的商业管理专业研究生，他在萨尔州大学讲授计算金融学中的数值化方法课程。

本类五星书