作 者:張奎,馬萌 編
定 價:89
出 版 社:機械工業出版社
出版日期:2022年10月01日
頁 數:288
裝 幀:平裝
ISBN:9787111716556
1. 作者專業。兩位作者分別為中銀金科技術專家和阿裡集團前算法專家,具有深厚的專業技術背景。對Python編程和金融量化分析都有自己的獨特見解。2. 內容實用。書中所講內容均為量化分析師推薦的專業技能,所有案例均為實際項目改變,有很強的實操性,幫助讀者快速上手。3. 配套豐富。本書附贈30個(總長超過330分鐘)的視頻教程和全部案例的源代碼下載。
●前言
第1篇 Python相關知識
第1章 Python基礎知識
1.1 數據類型
1.1.1 字符串
1.1.2 列表
1.1組
1.1.4 字典
1.2 運算符
1.2.1 算術運算符
1.2.2 比較運算符
1.2.3 賦值運算符
1.2.4 位運算符
1.3 條件語句
1.4 循環語句及嵌套
1.4.1 while循環
1.4.2 for循環
1.4.3 嵌套、break與continue
1.5 函數
1.5.1 參數傳遞
1.5.2 不定長參數
1.5.3 返回值
第2章 類與面向對像
2.1 類的基本概念
2.2 類的屬性
2.2.1 類屬性
2.2.2 實例屬性
2.3 類的方法
2.3.1 實例方法
2.3.2 類方法
2.3.3 靜態方法
2.4 類的繼承
2.5 運算符重載
2.6 私有與保護類型
2.7 直接賦值、淺復制和深度復制
第3章 模塊、包與庫
3.1 模塊的基本概念
3.1.1 模塊的__dict__屬性
3.1.2 導入模塊的幾種方法
3.1.3 if __name__==__main__
3.2 常用的標準庫模塊
3.2.1 sys
3.2.2 os
3.2.3 glob
3.2.4 datetime
3.2.5 math
3.2.6 thread
3.2.7 urllib
3.3 擴展程序庫numPy
3.3.1 numPy.ndarrays
3.3.2 numPy數組的基本運算
3.3.3 矩陣運算與隨機數生成
3.4 擴展程序庫pandas
3.4.1 Series與DataFrame
3.4.2 apply
3.4.3 merge和append
3.4.4 groupby
3.4.5 read_csv和to_csv
3.5 擴展程序庫matplotlib
3.5.1 figure與add_subplot
3.5.2 matplotlib.pyplot.axes
第2篇 Python在量化交易中的運用
第4章 金融基礎知識
4.1 金融資產類別
4.1.1 固定收益
4.1.2 外彙
4.1.3 權益
4.1.4 商品
4.1.5 信用
4.2 金融衍生品
4.2.1 遠期與期貨合約
4.2.2 期權
4.2.3 互換
4.2.4 其他衍生品
4.3 場內交易與場外交易
4.4 實例:用Python求歐式期權的隱含波動率
第5章 數學與統計學基礎知識
5.1 統計學中常見的概率分布
5.1.1 離散型概率分布
5.1.2 連續型概率分布
5.2 貝葉斯公式
5.3 蒙特卡洛模擬與中心極限定理
5.4 隨機過程與時間序列
5.5 幾種經典隨機過程模型
5.5.1 分式布朗運動
5.5.2 馬爾可夫過程
5.6 常見的統計學習方法
5.6.1 線性回歸與邏輯回歸
5.6.2 決策樹與隨機森林
5.6.3 K-均值算法
5.6.4 神經網絡與深度學習
5.7 數值計算方法
5.7.1 牛頓法
5.7.2 梯度下降法
5.7.3 有限差分法
5.8 實例:用深度學習處理分類問題
第6章 量化交易與投資策略開發
6.1 量化交易的市場現狀
6.2 P-Quant與Q-Quant
6.3 量化投資策略的類別
6.4 策略開發的一些思路
6.5 數據的收集整理與修正
6.5.1 日期的格式
6.5.2 文件傳輸格式
6.5.3 數據質量問題的處理
6.6 程序和模型的測試與分析
6.6.測試
6.6.2 異常處理
6.6.3 模型測試
6.7 回測、模擬盤與實盤分析
6.8 實例:Python爬蟲獲取公司財務數據
第3篇 Python在量化風險管理中的應用
第7章 量化風險管理的基礎知識
7.1 什麼是量化風險管理
7.2 市場風險
7.2.1 風險價值(VaR)
7.2.2 預期虧損(ES)
7.2.3 歷史模擬與蒙特卡洛
7.3 信用風險
7.3.1 額外的時間維度
7.3.2 潛在未來敞口(PFE)
7.3.3 正向敞口期望(EPE)
7.3.4 違約概率(PD)
7.4 操作風險
7.4.1 帕累托分布
7.4.2 不平衡樣本
7.5 投資組合的風險度量
7.5.1 波動率
7.5.2 大回撤
7.6 實例:大回撤的O(n)復雜度的算法
第8章 市場因子模型與組合優化
8.1 資本資產定價模型
8.1.1 股票指數與個股
8.1.2 特異波動率
8.2 市場因子的相關矩陣
8.2.1 Cholesky分解
8.2.2 模擬指數與個股的走勢
8.3 市場因子的主成分分析
8.3.1 期貨合約的相關性
8.3.2 主成分分析的數學原理
8.3.3 用Python做主成分分析
8.3.4 用主成分做模擬
8.4 正態分布與肥尾分布
8.4.1 股票回報率的肥尾現像
8.4.2 正態分布的肥尾修正
8.5 投資組合優化
8.5.1 Markowitz均值-方差模型
8.5.2 數值方法優化投資比例
8.5.3 無風險收益率非零情況下的優化
8.6 實例:用蒙特卡洛模擬做優化
本書是有關Python在金融量化分析領域應用的一本從入門到精通類圖書。全書分4篇共10章。第1篇(第1~3章)簡單介紹了Python的基礎知識,包括數據類型、循環體、函數、類與面向對像,以及常用的標準庫與擴展庫;第2篇(第4~6章)介紹了Python在金融量化交易中的應用,包括資產類別、衍生品等金融基礎知識,數學與統計學基礎知識,以及量化投資策略開發的一般化流程;第3篇(第7、8章)介紹了Python在量化風險管理中的應用,包括風險類別的介紹、市場因子的模擬,以及投資組合優化;第4篇(第9、10章)用5個實戰案例具體演示了Python在金融量化分析中的應用。本書適合具備一定數學、金融、計算機基礎及編程經驗的專業技術人員閱讀學習,也適合相關專業高年級本科生、研究生學習參考。