图书介绍
金融科技创新与量化金融投资系列丛书 量化金融投资及其Python应用pdf电子书版本下载
- 朱顺泉编著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302500414
- 出版时间：2018
- 标注页数：194页
- 文件大小：22MB
- 文件页数：204页
- 主题词：金融投资－软件工具
PDF下载
下载说明
金融科技创新与量化金融投资系列丛书 量化金融投资及其Python应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 量化金融投资平台与Python工作环境 1
1.1国内外量化金融投资平台概述 1
1.2优矿平台界面 1
1.3优矿平台提供的服务 2
1.4优矿平台的Notebook功能 2
1.5优矿平台支持的Python程序包 3
1.6Python的下载 4
1.7Python的安装 6
1.8Python的启动和退出 8
练习题 9
第2章 Python的两个基本操作与编程基础 10
2.1Python的两个基本操作 10
2.2Python容器 11
2.3Python函数 15
2.4Python条件与循环 15
2.5Python类与对象 17
练习题 18
第3章 NumPy在量化金融投资分析中的应用 19
3.1NumPy概述 19
3.2NumPy对象初步：数组 19
3.3创建数组 20
3.4数组和矩阵的运算 21
3.5访问数组和矩阵元素 24
3.6矩阵操作 26
3.7缺失值 28
3.8一元线性回归分析的NumPy应用 28
练习题 30
第4章 SciPy在量化金融投资分析中的应用 31
4.1SciPy概述 31
4.2统计知识 31
4.3优化知识 35
4.3.1无约束优化问题 35
4.3.2有约束优化问题 39
4.3.3利用CVXOPT求解二次规划问题 40
练习题 44
第5章 pandas的基本数据结构 45
5.1pandas介绍 45
5.2pandas数据结构：Series 45
5.2.1创建Series 45
5.2.2Series数据的访问 47
5.3pandas数据结构：DataFrame 48
5.3.1创建DataFrame 48
5.3.2DataFrame数据的访问 50
练习题 53
第6章 pandas在金融数据处理中的应用 54
6.1创建数据结构的方式 54
6.2数据的查看 55
6.3数据的访问和操作 56
6.3.1再谈数据的访问 56
6.3.2处理缺失数据 57
6.3.3数据操作 60
6.4数据可视化 63
练习题 63
第7章 金融时间序列分析及其Python应用 64
7.1时间序列分析的基础知识 64
7.1.1时间序列的概念及其特征 64
7.1.2平稳性 64
7.1.3相关系数和自相关函数 65
7.1.4白噪声序列和线性时间序列 68
7.2自回归模型 69
7.2.1AR（p）模型的特征根及平稳性检验 69
7.2.2AR（p）模型的定阶 71
7.2.3模型的检验 73
7.2.4拟合优度及预测 74
7.3移动平均模型及预测 75
7.3.1MA（q）模型的性质 75
7.3.2MA（q）模型的阶次判定 75
7.3.3建模和预测 76
7.4自回归移动平均模型及预测 77
7.4.1确定ARMA（p，q）模型的阶次 78
7.4.2ARMA模型的建立及预测 79
7.5ARIMA模型及预测 80
7.5.1单位根检验 80
7.5.2ARIMA（p，d，q）模型阶次确定 82
7.5.3ARIMA模型的建立及预测 82
7.6自回归条件异方差模型ARCH及预测 85
7.6.1波动率的特征 85
7.6.2ARCH模型的基本原理 85
7.6.3ARCH模型的建立及预测 86
7.7广义自回归条件异方差模型GARCH及波动率预测 93
7.7.1GARCH模型的建立 93
7.7.2波动率预测 95
练习题 97
第8章 中国股市分析及其Python应用 98
8.1股票的基本信息 98
8.2股票收益风险分析 107
8.3基于风险价值的蒙特卡洛方法 109
练习题 110
第9章 机器学习神经网络算法及其Python应用 111
9.1BP神经网络的拓扑结构 111
9.2BP神经网络的学习算法 112
9.3BP神经网络的学习程序 114
9.4BP神经网络算法股票预测的Python应用 114
练习题 117
第10章 机器学习支持向量机及其Python应用 118
10.1机器学习支持向量机原理 118
10.2机器学习支持向量机的应用 119
练习题 121
第11章 欧式期权定价的Python应用 122
11.1期权定价公式的Python函数 122
11.2使用NumPy加速批量计算 123
11.2.1使用循环的方式 123
11.2.2使用NumPy向量计算 124
11.3使用SciPy做仿真计算 126
11.4计算隐含波动率 128
练习题 129
第12章 函数插值的Python应用 130
12.1如何使用SciPy做函数插值 130
12.2函数插值应用——期权波动率曲面构造 133
练习题 135
第13章 期权定价二叉树算法的Python应用 136
13.1二叉树算法的Python描述 136
13.2用面向对象的方法实现二叉树算法 139
13.2.1二叉树框架 139
13.2.2二叉树类型描述 140
13.2.3偿付函数 141
13.2.4组装 141
13.3美式期权定价的二叉树算法 143
练习题 144
第14章 偏微分方程显式差分法的Python应用 145
14.1热传导方程 145
14.2显式差分格式 146
14.3模块组装 148
14.4显式格式的条件稳定性 150
练习题 151
第15章 偏微分方程隐式差分法的Python应用 152
15.1隐式差分格式 152
15.1.1矩阵求解 153
15.1.2隐式格式求解 154
15.2模块组装 156
15.3使用SciPy加速 156
练习题 159
第16章 Black-Scholes-Merton偏微分方程隐式差分法的Python应用 160
16.1Black-Scholes-Merton偏微分方差初边值问题的提出 160
16.2偏微分方程隐式差分法 160
16.3Python应用实现 161
16.4收敛性测试 163
练习题 164
第17章 优矿平台的量化金融投资初步 165
17.1量化金融投资基础 165
17.2量化金融投资及其策略 165
17.3设置初始数据 165
17.4选取股票池 167
17.5初始化回测账户 167
17.6设置买卖条件 167
17.7组合成完整的量化策略 168
练习题 169
第18章 Alpha对冲模型的Python应用 170
18.1Alpha对冲模型 170
18.2优矿平台的“三剑客” 170
18.3优矿平台对冲模型实例 171
练习题 174
第19章 Signal框架下的Alpha量化金融投资策略的Python应用 175
19.1为什么选择Alpha对冲模型 175
19.2在优矿平台上构建Alpha对冲模型的神器——Signal框架 176
19.3典型公募基金团队如何构建自己的Alpha对冲模型 179
19.4如何在优矿平台上一人超越一个公募基金团队 179
练习题 181
第20章 量化金融投资组合优化的Python应用 182
20.1马科维茨投资组合优化基本理论 182
20.2投资组合优化的Python应用实例 182
20.3投资组合优化实际数据的Python应用 187
练习题 193
参考文献 194