简介
《量化金融投资及其Python应用》内容包括:(1)量化金融投资的Python工作环境;(2)Python基础知识与编程基础;(3)量化金融投资程序包Python-NumPy应用;(4)量化金融投资程序包Python-SciPy应用;(5)量化金融投资程序包Python-Pandas基本数据结构;(6)量化金融投资程序包Python-Pandas在金融数据处理中的应用;(7)金融时间序列分析及其Python应用;(8)中国股市分析及其Python应用;(9)机器学习神经网络算法及其Python应用;(10)机器学习支持向量机SVM及其Python应用;(11)欧式期权定价的Python应用;(12)函数插值的Python应用;(13)期权定价二叉树算法的Python应用;(14)偏微分方程显式差分法的Python应用;(15)偏微分方程隐式差分法的Python应用;(16)Black-Scholes偏微分方程隐含差分法的Python应用;(17)优矿平台的量化金融投资初步;(18)Alpha对冲模型的Python应用;(19)Signal框架下的Alpha量化投资策略的Python应用;(20)量化金融投资组合优化的Python应用。
目录
目录
第1章量化金融投资平台与Python工作环境
1.1国内外量化金融投资平台概述
1.2优矿平台界面
1.3优矿平台提供的服务
1.4优矿平台的Notebook功能
1.5优矿平台支持的Python程序包
1.6Python的下载
1.7Python的安装
1.8Python的启动和退出
练习题
第2章Python的两个基本操作与编程基础
2.1Python的两个基本操作
2.2Python容器
2.3Python函数
2.4Python条件与循环
2.5Python类与对象
练习题
第3章NumPy在量化金融投资分析中的应用
3.1NumPy概述
3.2NumPy对象初步: 数组
3.3创建数组
3.4数组和矩阵的运算
3.5访问数组和矩阵元素
3.6矩阵操作
3.7缺失值
3.8一元线性回归分析的NumPy应用
练习题
第4章SciPy在量化金融投资分析中的应用
4.1SciPy概述
4.2统计知识
4.3优化知识
4.3.1无约束优化问题
4.3.2有约束优化问题
4.3.3利用CVXOPT求解二次规划问题
练习题
第5章pandas的基本数据结构
5.1pandas介绍
5.2pandas数据结构: Series
5.2.1创建Series
5.2.2Series数据的访问
5.3pandas数据结构: DataFrame
5.3.1创建DataFrame
5.3.2DataFrame数据的访问
练习题
第6章pandas在金融数据处理中的应用
6.1创建数据结构的方式
6.2数据的查看
6.3数据的访问和操作
6.3.1再谈数据的访问
6.3.2处理缺失数据
6.3.3数据操作
6.4数据可视化
练习题
第7章金融时间序列分析及其Python应用
7.1时间序列分析的基础知识
7.1.1时间序列的概念及其特征
7.1.2平稳性
7.1.3相关系数和自相关函数
7.1.4白噪声序列和线性时间序列
7.2自回归模型
7.2.1AR(p)模型的特征根及平稳性检验
7.2.2AR(p)模型的定阶
7.2.3模型的检验
7.2.4拟合优度及预测
7.3移动平均模型及预测
7.3.1MA(q)模型的性质
7.3.2MA(q)模型的阶次判定
7.3.3建模和预测
7.4自回归移动平均模型及预测
7.4.1确定ARMA(p,q)模型的阶次
7.4.2ARMA模型的建立及预测
7.5ARIMA模型及预测
7.5.1单位根检验
7.5.2ARIMA(p,d,q)模型阶次确定
7.5.3ARIMA模型的建立及预测
7.6自回归条件异方差模型ARCH及预测
7.6.1波动率的特征
7.6.2ARCH模型的基本原理
7.6.3ARCH模型的建立及预测
7.7广义自回归条件异方差模型GARCH及波动率预测
7.7.1GARCH模型的建立
7.7.2波动率预测
练习题
第8章中国股市分析及其Python应用
8.1股票的基本信息
8.2股票收益风险分析
8.3基于风险价值的蒙特卡洛方法
练习题
第9章机器学习神经网络算法及其Python应用
9.1BP神经网络的拓扑结构
9.2BP神经网络的学习算法
9.3BP神经网络的学习程序
9.4BP神经网络算法股票预测的Python应用
练习题
第10章机器学习支持向量机及其Python应用
10.1机器学习支持向量机原理
10.2机器学习支持向量机的应用
练习题
第11章欧式期权定价的Python应用
11.1期权定价公式的Python函数
11.2使用NumPy加速批量计算
11.2.1使用循环的方式
11.2.2使用NumPy向量计算
11.3使用SciPy做仿真计算
11.4计算隐含波动率
练习题
第12章函数插值的Python应用
12.1如何使用SciPy做函数插值
12.2函数插值应用——期权波动率曲面构造
练习题
第13章期权定价二叉树算法的Python应用
13.1二叉树算法的Python描述
13.2用面向对象的方法实现二叉树算法
13.2.1二叉树框架
13.2.2二叉树类型描述
13.2.3偿付函数
13.2.4组装
13.3美式期权定价的二叉树算法
练习题
第14章偏微分方程显式差分法的Python应用
14.1热传导方程
14.2显式差分格式
14.3模块组装
14.4显式格式的条件稳定性
练习题
第15章偏微分方程隐式差分法的Python应用
15.1隐式差分格式
15.1.1矩阵求解
15.1.2隐式格式求解
15.2模块组装
15.3使用SciPy加速
练习题
第16章Black?Scholes?Merton偏微分方程隐式差分法的Python应用
16.1Black?Scholes?Merton偏微分方差初边值问题的提出
16.2偏微分方程隐式差分法
16.3Python应用实现
16.4收敛性测试
练习题
第17章优矿平台的量化金融投资初步
17.1量化金融投资基础
17.2量化金融投资及其策略
17.3设置初始数据
17.4选取股票池
17.5初始化回测账户
17.6设置买卖条件
17.7组合成完整的量化策略
练习题
第18章Alpha对冲模型的Python应用
18.1Alpha对冲模型
18.2优矿平台的“三剑客”
18.3优矿平台对冲模型实例
练习题
第19章Signal框架下的Alpha量化金融投资策略的Python应用
19.1为什么选择Alpha对冲模型
19.2在优矿平台上构建Alpha对冲模型的神器——Signal框架
19.3典型公募基金团队如何构建自己的Alpha对冲模型
19.4如何在优矿平台上一人超越一个公募基金团队
练习题
第20章量化金融投资组合优化的Python应用
20.1马科维茨投资组合优化基本理论
20.2投资组合优化的Python应用实例
20.3投资组合优化实际数据的Python应用
练习题
参考文献
量化金融投资及其Python应用
光盘服务联系方式: 020-38250260 客服QQ:4006604884
云图客服:
用户发送的提问,这种方式就需要有位在线客服来回答用户的问题,这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×