给大家带来的一篇关于Python相关的电子书资源，介绍了关于Python金融、大数据分析方面的内容，本书是由人民邮电出版社出版，格式为PDF，资源大小47.8 MB，希尔皮斯科编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：9.2。

内容介绍

Python凭着其简易、易读、扩展性及其有着极大而活跃性的科学计算小区，在必须分析、解决很多统计数据的金融业获得了普遍而快速的运用，而且变成该制造行业开发设计关键运用的计算机语言。《Python金融大数据分析》出示了应用Python开展数据统计分析，及其开发设计有关手机应用程序的方法和小工具。

《Python金融大数据分析》累计分成3一部分，共19章，第1一部分详细介绍了Python在金融学中的运用，其内容包括了Python用以金融业的缘故、Python的系统架构和小工具，及其Python在计量检定金融学中的某些实际新手入门案例；第2一部分详细介绍了金融业分析和应用开发中关键的Python库、技术性和方式，其内容包括了Python的数据类型和构造、用matplotlib开展大数据可视化、金融业时间序列数据处理方法、性能键入/輸出实际操作、性能的Python技术性和库、金融学中必须的多种多样数学工具、*数转化成和*全过程仿真模拟、Python生物学运用、Python和Excel的集成化、Python面向对象编程和GUI的开发设计、Python与Web技术性的集成化，及其应用场景Web运用和Web服务项目的开发设计；第3一部分关心的是蒙特卡洛模拟股指期货与衍生产品标价具体运用的开发设计工作中，其内容包括了公司估值架构的详细介绍、金融业实体模型的仿真模拟、衍生产品的公司估值、资产配置的公司估值、波动率股指期货等专业知识。

《Python金融大数据分析》合适对应用Python开展数据分析、解决喜欢的金融业开发者阅读文章。

目录

第1部分 Python与金融

第1章 为什么将Python用于金融 3

1.1 Python是什么 3

1.1.1 Python简史 5

1.1.2 Python生态系统 5

1.1.3 Python用户谱系 7

1.1.4 科学栈 7

1.2 金融中的科技 8

1.2.1 科技开销 9

1.2.2 作为业务引擎的科技 9

1.2.3 作为进入门槛的科技和人才 9

1.2.4 不断提高的速度、频率、数据量 10

1.2.5 实时分析的兴起 11

1.3 用于金融的Python 12

1.3.1 金融和Python语法 12

1.3.2 Python的效率和生产率 15

1.3.3 从原型化到生产 19

1.4 结语 20

1.5 延伸阅读 20

第2章 基础架构和工具 21

2.1 Python部署 22

2.1.1 Anaconda 22

2.1.2 Python Quant Platform 27

2.1.3 工具 30

2.1.4 Python 30

2.1.5 IPython 30

2.1.6 Spyder 40

2.2 结语 42

2.3 延伸阅读 43

第3章 入门示例 45

3.1 隐含波动率 46

3.2 蒙特卡洛模拟 54

3.2.1 纯Python 56

3.2.2 用NumPy向量化 57

3.2.3 利用对数欧拉方法实现全向量化 59

3.2.4 图形化分析 60

3.2.5 技术分析 62

3.3 结语 67

3.4 延伸阅读 68

第2部分 金融分析和开发

第4章 数据类型和结构 71

4.1 基本数据类型 72

4.1.1 整数 72

4.1.2 浮点数 73

4.1.3 字符串 75

4.2 基本数据结构 77

4.2.1 元组 77

4.2.2 列表 78

4.2.3 离题：控制结构 80

4.2.4 离题：函数式编程 81

4.2.5 字典 82

4.2.6 集合 84

4.3 NumPy数据结构 85

4.3.1 用Python列表形成数组 85

4.3.2 常规NumPy数组 87

4.3.3 结构数组 90

4.4 代码向量化 91

4.5 内存布局 93

4.6 结语 95

4.7 延伸阅读 95

第5章 数据可视化 97

5.1 二维绘图 97

5.1.1 一维数据集 98

5.1.2 二维数据集 103

5.1.3 其他绘图样式 109

5.2 金融学图表 116

5.3 3D绘图 119

5.4 结语 122

5.5 延伸阅读 122

第6章 金融时间序列 123

6.1 pandas基础 124

6.1.1 使用DataFrame类的第一步 124

6.1.2 使用DataFrame类的第二步 127

6.1.3 基本分析 131

6.1.4 Series类 134

6.1.5 GroupBy操作 135

6.2 金融数据 136

6.3 回归分析 142

6.4 高频数据 150

6.5 结语 154

6.6 延伸阅读 154

第7章 输入/输出操作 155

7.1 Python基本I/O 156

7.1.1 将对象写入磁盘 156

7.1.2 读写文本文件 159

7.1.3 SQL数据库 160

7.1.4 读写NumPy数组 162

7.2 Pandas的I/O 164

7.2.1 SQL数据库 165

7.2.2 从SQL到pandas 166

7.2.3 CSV文件数据 168

7.2.4 Excel文件数据 169

7.3 PyTables的快速I/O 170

7.3.1 使用表 170

7.3.2 使用压缩表 175

7.3.3 使用数组 176

7.3.4 内存外计算 177

7.4 结语 179

7.5 延伸阅读 180

第8章 高性能的Python 181

8.1 Python范型与性能 182

8.2 内存布局与性能 184

8.3 并行计算 186

8.3.1 蒙特卡洛算法 186

8.3.2 顺序化计算 187

8.3.3 并行计算 188

8.3.4 性能比较 191

8.4 多处理 191

8.5 动态编译 193

8.5.1 介绍性示例 193

8.5.2 二项式期权定价方法 195

8.6 用Cython进行静态编译 199

8.7 在GPU上生成随机数 201

8.8 结语 205

8.9 延伸阅读 205

第9章 数学工具 207

9.1 逼近法 208

9.1.1 回归 208

9.1.2 插值 218

9.2 凸优化 221

9.2.1 全局优化 222

9.2.2 局部优化 223

9.2.3 有约束优化 224

9.3 积分 226

9.3.1 数值积分 228

9.3.2 通过模拟求取积分 228

9.4 符号计算 229

9.4.1 基本知识 229

9.4.2 方程式 230

9.4.3 积分 231

9.4.4 微分 232

9.5 结语 233

9.6 延伸阅读 233

第10章 推断统计学 235

10.1 随机数 236

10.2 模拟 241

10.2.1 随机变量 241

10.2.2 随机过程 244

10.2.3 方差缩减 256

10.3 估值 259

10.3.1 欧式期权 259

10.3.2 美式期权 263

10.4 风险测度 266

10.4.1 风险价值 266

10.4.2 信用价值调整 270

10.5 结语 272

10.6 延伸阅读 273

第11章 统计学 275

11.1 正态性检验 276

11.1.1 基准案例 277

11.1.2 现实世界的数据 284

11.2 投资组合优化 289

11.2.1 数据 290

11.2.2 基本理论 291

11.2.3 投资组合优化 294

11.2.4 有效边界 296

11.2.5 资本市场线 297

11.3 主成分分析 300

11.3.1 DAX指数和30种成分股 301

11.3.2 应用PCA 301

11.3.3 构造PCA指数 302

11.4 贝叶斯回归 305

11.4.1 贝叶斯公式 305

11.4.2 PyMC3 306

11.4.3 介绍性示例 307

11.4.4 真实数据 310

11.5 结语 318

11.6 延伸阅读 318

第12章 Excel集成 321

12.1 基本电子表格交互 322

12.1.1 生成工作簿（.xls） 323

12.1.2 生成工作簿（.xslx） 324

12.1.3 从工作簿中读取 326

12.1.4 使用OpenPyxl 328

12.1.5 使用pandas读写 329

12.2 用Python编写Excel脚本 332

12.2.1 安装DataNitro 333

12.2.2 使用DataNitro 333

12.3 xlwings 342

12.4 结语 342

12.5 延伸阅读 343

第13章 面向对象和图形用户界面 345

13.1 面向对象 345

13.1.1 Python类基础知识 346

13.1.2 简单的短期利率类 350

13.1.3 现金流序列类 354

13.2 图形用户界面 356

13.2.1 带GUI的短期利率类 356

13.2.2 值的更新 358

13.2.3 带GUI的现金流序列类 360

13.3 结语 362

13.4 延伸阅读 362

第14章 Web集成 365

14.1 Web基础知识 366

14.1.1 ftplib 366

14.1.2 httplib 368

14.1.3 urllib 369

14.2 Web图表绘制 372

14.2.1 静态图表绘制 372

14.2.2 交互式图表绘制 374

14.2.3 实时图表绘制 375

14.3 快速Web应用 383

14.3.1 交易者的聊天室 384

14.3.2 数据建模 384

14.3.3 Python代码 385

14.3.4 模板 391

14.3.5 样式化 396

14.4 Web服务 397

14.4.1 金融模型 399

14.4.2 实现 400

14.5 结语 406

14.6 延伸阅读 406

第3部分 衍生品分析库

第15章 估值框架 409

15.1 资产定价基本定理 409

15.1.1 简单示例 409

15.1.2 一般结果 410

15.2 风险中立折现 412

15.2.1 日期建模和处理 412

15.2.2 固定短期利率 413

15.3 市场环境 415

15.4 结语 418

15.5 延伸阅读 419

第16章 金融模型的模拟 421

16.1 随机数生成 422

16.2 泛型模拟类 423

16.3 几何布朗运动 427

16.3.1 模拟类 427

16.3.2 用例 429

16.4 跳跃扩散 431

16.4.1 模拟类 431

16.4.2 用例 434

16.5 平方根扩散 435

16.5.1 模拟类 435

16.5.2 用例 437

16.6 结语 438

16.7 延伸阅读 440

第17章 衍生品估值 441

17.1 泛型估值类 441

17.2 欧式行权 445

17.3 估值类 445

17.4 美式行权 451

17.4.1 最小二乘蒙特卡洛方法 451

17.4.2 估值类 453

17.4.3 用例 454

17.5 结语 457

17.6 延伸阅读 458

第18章 投资组合估值 459

18.1 衍生品头寸 460

18.1.1 类 460

18.1.2 用例 462

18.2 衍生品投资组合 463

18.2.1 类 463

18.2.2 用例 467

18.3 结语 472

18.4 延伸阅读 474

第19章 波动率期权 475

19.1 VSTOXX数据 476

19.1.1 VSTOXX指数数据 476

19.1.2 VSTOXX期货数据 477

19.1.3 VSTOXX期权数据 479

19.2 模型检验 480

19.2.1 相关市场数据 480

19.2.2 期权建模 481

19.2.3 检验过程 483

19.3 基于VSTOXX的美式期权 487

19.3.1 期权头寸建模 487

19.3.2 期权投资组合 488

19.4 结语 489

19.5 延伸阅读 490

附录A 精选的最佳实践 491

附录B 看涨期权类 499

附录C 日期和时间 503

学习笔记

Python中大数据处理详解

分享 知识要点： lubridate包拆解时间 | POSIXlt 利用决策树分类，利用随机森林预测 利用对数进行fit，和exp函数还原 训练集来自Kaggle华盛顿自行车共享计划中的自行车租赁数据，分析共享自行车与天气、时间等关系。数据集共11个变量，10000多行数据。 首先看一下官方给出的数据，一共两个表格，都是2011-2012年的数据，区别是Test文件是每个月的日期都是全的，但是没有注册用户和随意用户。而Train文件是每个月只有1-20天，但有两类用户的数量。 求解：补全Train文件里21-30号的用户数量。评价标准是预测与真实数量的比较。 1.png 首先加载文件和包 library(lubridate)library(randomForest)library(readr)setwd(E:)data-read_csv(t……

python金融大数据分析有用吗

《Python金融大数据分析 》是人民邮电出版社2015年12月出版的中译图书，作者[德]伊夫·希尔皮斯科，译者姚军。 《Python金融大数据分析》，唯一一本详细讲解使用Python分析处理金融大数据的专业图书；金融应用开发领域从业人员必读。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。 （推荐学习：Python视频教程） 内容介绍 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首选编程语言。 《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……

Python实现的大数据分析操作系统日志功能示例

本文实例讲述了Python实现的大数据分析操作系统日志功能。分享给大家供大家参考，具体如下： 一 代码 1、大文件切分 import osimport os.pathimport timedef FileSplit(sourceFile, targetFolder): if not os.path.isfile(sourceFile): print(sourceFile, ' does not exist.') return if not os.path.isdir(targetFolder): os.mkdir(targetFolder) tempData = [] number = 1000 fileNum = 1 linesRead = 0 with open(sourceFile, 'r') as srcFile: dataLine = srcFile.readline().strip() while dataLine: for i in range(number): tempData.append(dataLine) dataLine = srcFile.readline() if not dataLine: break desFile = os.path.join(targetFolder, sourceFile[0:-4] + str(fileNum) + '.txt') with open(desFile, 'a+') as f: f.writelines(tempData) tempData = [] fileNum = fileNum + 1if __name_……

python怎么做大数据分析

数据获取：公开数据、Python爬虫 外部数据的获取方式主要有以下两种。（推荐学习：Python视频教程） 第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。 另一种获取外部数据的方式就是爬虫。 比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。 在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表……

以上就是本次介绍的Python电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

展开 +

收起 -