×
PYTHON金融大数据分析快速入门与案例详解

PYTHON金融大数据分析快速入门与案例详解

1星价 ¥48.3 (7.0折)
2星价¥48.3 定价¥69.0
暂无评论
图文详情
  • ISBN:9787301355695
  • 装帧:平装-胶订
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:212
  • 出版时间:2024-10-01
  • 条形码:9787301355695 ; 978-7-301-35569-5

本书特色

掌握Python,从零到一速成金融分析高手!实战案例深剖,让数字说话,让决策更精准!深入了解金融数据分析的具体过程和方法,提高实操能力。附赠书中案例源代码。

内容简介

本书共分为11 章,全面介绍了以Python为工具的金融大数据的理论和实践,特别是量化投资和交易领域的相关应用,并配有项目实战案例。书中涵盖的内容主要有Python概览,结合金融场景演示Python的基本操作,金融数据的获取及实战,MySQL数据库详解及应用,Python在金融大数据分析方面的核心模块详解,金融分析及量化投资,Python量化交易,数据可视化Matplotlib,基于NumPy的股价统计分析实战,基于Matplotlib的股票技术分析实战,以及量化交易策略实战案例等。 本书内容通俗易懂,案例丰富,实用性强,特别适合以下人群阅读:金融行业的从业者、数据分析师、量化投资者、希望提高数据分析能力的投资者,以及对大数据分析感兴趣的编程人员。另外,本书也适合作为相关培训机构的教材。

目录

第1篇 Python金融大数据分析基础篇
第1章 Python概览
1.1   Python的优势
1.2   搭建开发环境
1.2.1 对操作系统的要求
1.2.2 Windows 系统的优点
1.2.3 下载并安装Python和PyCharm
1.2.4 Python在PyCharm里的配置
1.3   Django 框架的优势
1.4   安装和配置Django框架
1.5   小结
第2章 结合金融场景演示Python的基本操作
2.1   Python在金融领域的应用
2.1.1 Python在金融领域的应用背景和优势
2.1.2 Python在金融领域的应用场景
2.1.3 Python在金融领域的挑战与展望
2.2   金融领域常用的Python内置函数及示例
2.2.1 数学函数
2.2.2 数据处理函数
2.3   金融领域常用的Python的库及其作用
2.4   小结
第3章 金融数据的获取及实战
3.1   数据的选择与获取
3.2   获取新浪财经数据案例讲解
3.2.1 新浪财经数据的重要作用
3.2.2 如何获取新浪财经数据
3.3   获取Wind数据并进行简单的择时分析
3.4   数据预处理
3.4.1 金融数据的特点
3.4.2 Python在金融数据预处理中的应用
3.4.3 Python在金融数据预处理中的示例分析
3.5   数据分析与挖掘
3.6   可视化展示
3.7   机器学习的应用
3.7.1 金融领域常用的机器学习算法
3.7.2 金融领域机器学习的应用案例
3.8   实战案例:JQData数据的获取及分析
3.8.1 计算涨跌幅
3.8.2 计算买入卖出信号
3.8.3 计算持仓收益率
3.9   小结
第4章 MySQL数据库详解及应用
4.1   MySQL 数据库简介
4.1.1 MySQL 的特点
4.1.2 MySQL的安装与配置
4.2   MySQL 数据库的基本操作
4.3   MySQL 数据库操作详解
4.3.1 执行SQL语句
4.3.2 关闭游标和连接
4.3.3 使用预处理语句
4.3.4 处理异常情况
4.4   实战案例:Wind 金融数据在MySQL数据库里的应用
4.5   小结
第5章 核心模块详解
5.1   NumPy模块操作详解
5.1.1 数组操作
5.1.2 矩阵运算
5.1.3 线性代数运算
5.1.4 随机数生成
5.2   实战案例:NumPy在金融场景中的应用
5.3   Pandas模块操作详解
5.3.1 Pandas的主要数据结构:Series和DataFrame
5.3.2 数据处理
5.3.3 数据可视化
5.4   实战案例:Pandas 在金融场景中的应用
5.5   SciPy模块操作详解
5.6   实战案例:SciPy在金融场景中的应用
5.7   小结
第2篇 Python金融大数据分析提高篇
第6章 金融分析及量化投资
6.1   金融分析
6.1.1 金融分析的方法
6.1.2 金融分析的目的
6.1.3 金融分析在投资决策中的重要性
6.2   量化投资
6.3   量化策略
6.3.1 双均线策略及应用
6.3.2 因子选股策略及应用
6.3.3 动量策略及应用
6.4   小结
第7章 Python量化交易
7.1   量化交易数据获取
7.2   Python基本面量化选股
7.3   Python量化择时及应用
7.3.1 量化择时策略
7.3.2 未来发展趋势
7.4   量化策略回测实现
7.5   Python量化交易策略实战案例
7.6   小结
第8章 数据可视化Matplotlib
8.1   Anaconda的安装
8.2   配置Jupyter Notebook
8.3   配置Matplotlib
8.4   直方图、条形图、折线图与饼图的绘制及示例
8.5   散点图、箱线图的绘制及示例
8.6   极线图、阶梯图的绘制及示例
8.7   图标参数配置
8.8   堆积图的绘制及示例
8.9   分块图的绘制及示例
8.10   气泡图的绘制及示例
8.11   结合金融场景的Matplotlib基础案例
8.12   小结
第3篇 基 金础融篇企业级项目实战篇
第9章 基于NumPy的股价统计分析实战
9.1   项目需求分析
9.2   数据获取及处理
9.3   基于NumPy的股价均线实战
9.4   基于NumPy的股票成交量统计分析
9.5   小结
第10章 基于Matplotlib的股票技术分析实战
10.1   项目需求分析
10.2   数据获取及处理
10.3   基于Matplotlib实现MACD
10.4   基于Matplotlib实现KDJ
10.5   基于Matplotlib绘制布林带
10.6   小结
第11章 量化交易策略实战案例
11.1   低估值量化交易策略实战
11.2   大小盘轮动策略实战
11.3   逆三因子量化交易策略实战
11.4   小结
展开全部

作者简介

张颖
资深量化工程师,负责量化交易策略的开发、实现和优化。
曾经担任过上海微京科技股份有限公司的量化工程师。现任上海清颖电子科技发展有限公司CEO。
编写过《Python网络爬虫框架Scrapy从入门到精通》。
拥有丰富的金融行业经验,对金融市场和量化交易有着深刻的理解和独到的见解。
精通Python语言,善于利用数据分析、挖掘和建模技术,对量化交易策略有着深入的研究和实践经验。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航