《Python金融大数据分析 第2版》分为5部分，共21章。第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了Python的基础知识以及Python中非常有名的库NumPy和pandas工具集，还介绍了面向对象编程；第3部分介绍金融数据科学的相关基本技术和方法，包括数据可视化、输入/输出操作和数学中与金融相关的知识等；第4部分介绍Python在算法交易上的应用，重点介绍常见算法，包括机器学习、深度神经网络等人工智能相关算法；第5部分讲解基于蒙特卡洛模拟开发期权及衍生品定价的应用，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值等知识。 《Python金融大数据分析 第2版》本书适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。 Yves Hilpisch博士是Python Quants集团的创始人和管理合伙人。该集团致力于应用开源技术来解决金融数据科学、人工智能、算法交易和计算金融学等问题。他还是AI Machine公司的创始人和CEO。这个公司的主营业务是通过专属策略执行平台来发挥人工智能的威力。他还是Python算法交易大学认证的在线培训项目的主管。 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编程语言 3 1．1．1 Python简史 5 1．1．2 Python生态系统 6 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 科技投入 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 10 1．2．4 不断提高的速度、频率和数据量 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 16 1．3．3 从原型化到生产 20 1．4 数据驱动和人工智能优先的金融学 21 1．4．1 数据驱动金融学 21 1．4．2 人工智能优先金融学 24 1．5 结语 26 1．6 延伸阅读 27 第 2章 Python基础架构 29 2．1 作为包管理器使用的conda 31 2．1．1 安装Miniconda 31 2．1．2 conda基本操作 33 2．2 作为虚拟环境管理器的conda 37 2．3 使用Docker容器 41 2．3．1 Docker镜像和容器 41 2．3．2 构建Ubuntu和Python Docker镜像 42 2．4 使用云实例 46 2．4．1 RSA公钥和私钥 47 2．4．2 Jupyter Notebook配置文件 48 2．4．3 Python和Jupyter Notebook安装脚本 49 2．4．4 协调Droplet设置的脚本 51 2．5 结语 52 2．6 延伸阅读 53 第 2部分 掌握基础知识 第3章 数据类型与结构 57 3．1 基本数据类型 58 3．1．1 整数 58 3．1．2 浮点数 59 3．1．3 布尔值 61 3．1．4 字符串 65 3．1．5 题外话：打印和字符串替换 66 3．1．6 题外话：正则表达式 69 3．2 基本数据结构 71 3．2．1 元组 71 3．2．2 列表 72 3．2．3 题外话：控制结构 74 3．2．4 题外话：函数式编程 75 3．2．5 字典 76 3．2．6 集合 78 3．3 结语 79 3．4 延伸阅读 79 第4章 用NumPy进行数值计算 81 4．1 数据数组 82 4．1．1 用Python列表形成数组 82 4．1．2 Python array类 84 4．2 常规NumPy数组 86 4．2．1 基础知识 86 4．2．2 多维数组 89 4．2．3 元信息 93 4．2．4 改变组成与大小 93 4．2．5 布尔数组 97 4．2．6 速度对比 99 4．3 NumPy结构数组 100 4．4 代码向量化 102 4．4．1 基本向量化 102 4．4．2 内存布局 105 4．5 结语 107 4．6 延伸阅读 108 第5章 pandas数据分析 109 5．1 DataFrame类 110 5．1．1 使用DataFrame类的第 一步 110 5．1．2 使用DataFrame类的第二步 114 5．2 基本分析 118 5．3 基本可视化 122 5．4 Series类 124 5．5 GroupBy操作 126 5．6 复杂选择 128 5．7 联接、连接和合并 131 5．7．1 联接 132 5．7．2 连接 133 5．7．3 合并 135 5．8 性能特征 137 5．9 结语 139 5．10 延伸阅读 140 第6章 面向对象编程 141 6．1 Python对象简介 145 6．1．1 int 145 6．1．2 list 146 6．1．3 ndarray 146 6．1．4 DataFrame 148 6．2 Python类基础知识 149 6．3 Python数据模型 154 6．4 Vector类 158 6．5 结语 159 6．6 延伸阅读 159 第3部分 金融数据科学 第7章 数据可视化 163 7．1 静态2D绘图 164 7．1．1 一维数据集 164 7．1．2 二维数据集 170 7．1．3 其他绘图样式 177 7．2 静态3D绘图 184 7．3 交互式2D绘图 188 7．3．1 基本图表 188 7．3．2 金融图表 192 7．4 结语 196 7．5 延伸阅读 196 第8章 金融时间序列 197 8．1 金融数据 198 8．1．1 数据导入 198 8．1．2 汇总统计 201 8．1．3 随时间推移的变化 203 8．1．4 重新采样 207 8．2 滚动统计 209 8．2．1 概述 209 8．2．2 技术分析示例 211 8．3 相关分析 213 8．3．1 数据 213 8．3．2 对数回报率 214 8．3．3 OLS回归 216 8．3．4 相关 217 8．4 高频数据 218 8．5 结语 220 8．6 延伸阅读 220 第9章 输入/输出操作 221 9．1 Python基本I/O 222 9．1．1 将对象写入磁盘 222 9．1．2 读取和写入文本文件 225 9．1．3 使用SQL数据库 229 9．1．4 读写NumPy数组 232 9．2 pandas的I/O 234 9．2．1 使用SQL数据库 235 9．2．2 从SQL到pandas 237 9．2．3 使用CSV文件 239 9．2．4 使用Excel文件 240 9．3 PyTables的I/O 242 9．3．1 使用表 242 9．3．2 使用压缩表 25