Python金融量化分析 - 城邦阅读花园






	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1篇 Python相關知識第1章 Python基礎知識/ 1.1 資料類型/ 1.1.1 字串/ 1.1.2 列表/ 1.1.3 元組/ 1.1.4 字典/ 1.2 運運算元/ 1.2.1 算術運運算元/ 1.2.2 比較運運算元/ 1.2.3 設定運運算元/ 1.2.4 位運運算元/ 1.3 條件陳述式/ 1.4 迴圈語句及嵌套/ 1.4.1 while迴圈/ 1.4.2 for迴圈/ 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章類與物件導向/ 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 運運算元重載/ 2.6 私有與保護類型/ 2.7 直接賦值、淺複製和深度複製/ 第3章模組、包與庫/ 3.1 模組的基本概念/ 3.1.1 模組的__dict__屬性/ 3.1.2 導入模組的幾種方法/ 3.1.3 if __name__==__main__/ 3.2 常用的標準庫模組/ 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 擴展程式庫numPy/ 3.3.1 numPy.ndarrays/ 3.3.2 numPy陣列的基本運算/ 3.3.3 矩陣運算與亂數產生/ 3.4 擴展程式庫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 擴展程式庫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 外匯/ 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佈/ 5.1.1 離散型概率分佈/ 5.1.2 連續型概率分佈/ 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 瑪律可夫過程/ 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-均值演算法/ 5.6.4 神經網路與深度學習/ 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 資料的收集整理與修正/ 6.5.1 日期的格式/ 6.5.2 檔案傳輸格式/ 6.5.3 資料品質問題的處理/ 6.6 程式和模型的測試與分析/ 6.6.1 單元測試/ 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爬蟲獲取公司財務資料/ 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 帕累托分佈/ 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)複雜度的演算法/ 第8章市場因數模型與組合優化/ 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 市場因數的相關矩陣/ 8.2.1 Cholesky分解/ 8.2.2 模擬指數與個股的走勢/ 8.3 市場因數的主成分分析/ 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 正態分佈與肥尾分佈/ 8.4.1 股票回報率的肥尾現象/ 8.4.2 正態分佈的肥尾修正/ 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/ 第4篇綜合實戰第9章量化投資策略實戰/ 9.1 實戰：下載股票歷史行情資料/ 9.1.1 股票歷史行情API/ 9.1.2 用mplfinance畫K線圖/ 9.1.3 批量下載歷史行情資料/ 9.2 實戰：多因數投資策略/ 9.2.1 特異波動率/ 9.2.2 處理資料問題/ 9.2.3 因數分組檢驗/ 9.2.4 投資組合評估/ 9.2.5 多因數組合/ 9.3 實戰：均線投資策略/ 9.3.1 均線的計算/ 9.3.2 雙均線、金叉與死叉/ 9.3.3 兩種均線策略的評估/ 9.4 備註：量化投資策略的一些相關問題/ 第10章量化風險管理實戰/ 10.1 實戰：股票市場因數模擬/ 10.1.1 參數測定/ 10.1.2 模擬股票指數/ 10.1.3 模擬個股的漲跌幅/ 10.1.4 市場因數模擬的一些補充/ 10.2 實戰：衍生品組合的風險價值計算/ 10.2.1 用歷史資料做市場因數類比/ 10.2.2 交易資料的傳輸/ 10.2.3 定價模型與介面/ 10.2.4 計算風險價值/ 10.2.5 風險價值計算的一些補充/ 10.3 結語/