Python金融實戰(zhàn)案例精粹

定　價：￥119.00

作　者：	斯文著
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115536297	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	456	字?jǐn)?shù)：

內(nèi)容簡介

　　隨著金融科技時代的到來，Python在金融領(lǐng)域的影響力已經(jīng)有目共睹。掌握Python在金融實務(wù)中的應(yīng)用，已經(jīng)成為金融科技達(dá)人們必備的技能之一。本書作為《基于Python的金融分析與風(fēng)險管理》一書的配套案例集，整合了源于現(xiàn)實金融市場和日常實務(wù)工作的88個原創(chuàng)案例，涉及308項編程任務(wù)，包括超過6000行的Python代碼。本書囊括了豐富多樣的金融場景，涵蓋利率、匯率、債券、股票、基金、遠(yuǎn)期、股指期貨、外匯期貨、國債期貨、股票期權(quán)、商品期權(quán)等金融產(chǎn)品，還涉及商業(yè)銀行、證券公司、期貨公司、保險公司、信托公司、資產(chǎn)管理公司、基金管理公司、金融控股公司等各類型的金融機(jī)構(gòu)，既介紹了包括我國在內(nèi)的新興市場，又介紹了歐美成熟的金融市場，囊括金融實務(wù)中可能涉及Python編程的各種場景。本書著眼于一系列從業(yè)者可能涉及的金融實務(wù)案例，并結(jié)合Python編程給出了高效的解決方案。通過閱讀本書，讀者能夠全方位地了解金融市場的運(yùn)作，深刻洞察各類職務(wù)背后的工作技巧。

作者簡介

　　斯文，筆名華爾街先生，浙江湖州人，經(jīng)濟(jì)學(xué)博士，中國注冊會計師（CPA），特許金融分析師（CFA），金融風(fēng)險管理師（FRM）。目前在一家金融資產(chǎn)交易中心擔(dān)任風(fēng)險管理部總經(jīng)理，擁有在中外資銀行、證券公司、信托公司、金融控股集團(tuán)等機(jī)構(gòu)十余年的金融與風(fēng)險管理從業(yè)經(jīng)驗。斯文博士也是上海財經(jīng)大學(xué)風(fēng)險管理校友俱樂部發(fā)起人兼理事長、《上財風(fēng)險管理論壇》雜志主編、上海財經(jīng)大學(xué)金融風(fēng)險管理峰會秘書長、上海資產(chǎn)管理行業(yè)風(fēng)險管理同業(yè)交流會秘書長，并擔(dān)任中國人民大學(xué)、中南財經(jīng)政法大學(xué)、華東政法大學(xué)等多所高校的金融碩士研究生合作導(dǎo)師或業(yè)界導(dǎo)師，還擔(dān)任人民郵電出版社金融科技圖書專家顧問。公開發(fā)表學(xué)術(shù)論文50余篇，出版著作《基于Python的金融分析與風(fēng)險管理》和《中國外匯衍生品市場研究》，并榮獲人民郵電出版社“2019年度Z具影響力作者”稱號。斯文博士還依托于互聯(lián)網(wǎng)平臺，歷時3年多推出了《期權(quán)、期貨及其他衍生產(chǎn)品（第九版）》視頻講解系列（共360講），累計觀看人次超過百萬，并長期致力于倡導(dǎo)和推廣Python在金融領(lǐng)域尤其是風(fēng)險管理領(lǐng)域的運(yùn)用。

圖書目錄

第 1章 Python基礎(chǔ)編程的金融案例 1

1.1 數(shù)據(jù)結(jié)構(gòu)之元組—以科創(chuàng)板股票為分析對象 2

1.2 數(shù)據(jù)結(jié)構(gòu)之列表—以全球股票指數(shù)為分析對象 6

1.3 數(shù)據(jù)結(jié)構(gòu)之集合—以股票類型為分析對象 10

1.4 數(shù)據(jù)結(jié)構(gòu)之字典—以人民幣匯率為分析對象 13

1.5 基本算術(shù)運(yùn)算—以交通銀行股票為分析對象 16

1.6 高級賦值運(yùn)算與成員運(yùn)算—以中國平安股票為分析對象 19

1.7 關(guān)系運(yùn)算—以四大國有銀行的財務(wù)指標(biāo)為分析對象 22

1.8 Python內(nèi)置函數(shù)—以券商股為分析對象 25

1.9 Python自定義函數(shù)和for語句—以市場利率為分析對象 29

1.10 條件語句和循環(huán)語句—以全球重要股指為分析對象 32

1.11 math模塊—以保險理賠為分析對象 36

1.12 本章小結(jié) 39

第 2章 NumPy模塊編程的金融案例 40

2.1 創(chuàng)建N維數(shù)組—以美國納斯達(dá)克的科技股為分析對象 41

2.2 數(shù)組索引和切片—以互聯(lián)網(wǎng)公司發(fā)行的港股為分析對象 45

2.3 數(shù)組內(nèi)部運(yùn)算（一）—以保險公司股票為分析對象 48

2.4 數(shù)組內(nèi)部運(yùn)算（二）—以A股指數(shù)為分析對象 52

2.5 數(shù)組間運(yùn)算—以中資銀行股為分析對象 55

2.6 矩陣運(yùn)算（一）—以全球主要股指為分析對象 59

2.7 矩陣運(yùn)算（二）—以科創(chuàng)板股票為分析對象 64

2.8 二項分布與幾何分布隨機(jī)抽樣—以保險業(yè)務(wù)為分析對象 68

2.9 正態(tài)分布和對數(shù)正態(tài)分布隨機(jī)抽樣—以石油公司股票為分析對象 72

2.10 伽瑪分布和貝塔分布隨機(jī)抽樣—以債券違約率與回收率為分析對象 77

2.11 本章小結(jié) 82

第3章 Pandas模塊編程的金融案例 83

3.1 創(chuàng)建序列和數(shù)據(jù)框—以開放式基金為分析對象 84

3.2 導(dǎo)入外部數(shù)據(jù)文件和導(dǎo)出生成數(shù)據(jù)文件—以Shibor利率為分析對象 88

3.3 數(shù)據(jù)框可視化—以上證50指數(shù)為分析對象 92

3.4 數(shù)據(jù)框檢索—以滬港通股票為分析對象 98

3.5 數(shù)據(jù)框缺失值處理—以金磚四國的股票指數(shù)為分析對象 102

3.6 數(shù)據(jù)框拼接—以紐交所上市的央企股票為分析對象 106

3.7 Pandas模塊的統(tǒng)計功能（一）—以QDII基金為分析對象 111

3.8 Pandas模塊的統(tǒng)計功能（二）—以全球大型銀行股票為分析對象 116

3.9 Pandas模塊的統(tǒng)計功能（三）—以創(chuàng)業(yè)板股票為分析對象 121

3.10 移動窗口與動態(tài)統(tǒng)計—以全球主要股指為分析對象 128

3.11 本章小結(jié) 133

第4章 Matplotlib模塊編程的金融案例 134

4.1 繪制曲線圖—以住房按揭貸款為分析對象 135

4.2 繪制垂直條狀圖和雙軸圖—以貨幣政策為分析對象 140

4.3 繪制K線圖—以上證綜指與深證成指為分析對象 145

4.4 繪制直方圖—以同時發(fā)行A股和美股的公司股票為分析對象 152

4.5 繪制條形圖—以全球主要股指為分析對象 158

4.6 繪制雷達(dá)圖—以四大國有銀行的財務(wù)監(jiān)管指標(biāo)為分析對象 162

4.7 繪制散點圖—以A股和港股的股指為分析對象 167

4.8 繪制餅圖—以社會融資規(guī)模的結(jié)構(gòu)為分析對象 172

4.9 本章小結(jié) 177

第5章 SciPy等模塊編程的金融案例 178

5.1 用SciPy模塊運(yùn)算積分—以上市的車企股票為分析對象 179

5.2 用SciPy模塊計算插值—以Shibor利率為分析對象 184

5.3 用SciPy模塊求解方程組—以中小板股票為分析對象 190

5.4 用SciPy模塊求解最優(yōu)值—以投資者效用為分析對象 193

5.5 SciPy模塊的統(tǒng)計功能—以Hibor和Shibor利率為分析對象 198

5.6 用SciPy模塊開展隨機(jī)抽樣與統(tǒng)計—以美國金融變量為分析對象 202

5.7 用StatsModels模塊構(gòu)建回歸模型—以中國石油股票為分析對象 207

5.8 用arch模塊構(gòu)建波動率模型—以全球主要股指為分析對象 212

5.9 用datetime模塊處理時間對象—以銀行理財產(chǎn)品為分析對象 220

5.10 本章小結(jié) 223

第6章用Python分析利率與債券的案例 224

6.1 計算不同復(fù)利頻次的利息—以定期存款為分析對象 225

6.2 基于單一貼現(xiàn)率的債券定價—以國債為分析對象 229

6.3 基于票息剝離法計算零息利率曲線—以國債利率為分析對象 233

6.4 基于不同期限零息利率的債券定價—以金融債和地方債為分析對象 238

6.5 遠(yuǎn)期利率—以國債為分析對象 241

6.6 遠(yuǎn)期利率協(xié)議現(xiàn)金流—以Libor遠(yuǎn)期利率協(xié)議為分析對象 246

6.7 遠(yuǎn)期利率協(xié)議定價—以Shibor遠(yuǎn)期利率協(xié)議為分析對象 250

6.8 債券麥考利久期—以利率債為分析對象 254

6.9 債券修正久期和美元久期—以央企債券為分析對象 260

6.10 債券凸性—以地方政府債為分析對象 264

6.11 本章小結(jié) 270

第7章用Python分析股票投資的案例 271

7.1 投資組合收益率和波動率—以金融股為分析對象 272

7.2 最優(yōu)投資組合—以道瓊斯指數(shù)成分股為分析對象 278

7.3 資本資產(chǎn)定價模型（一）—以交通銀行A股為分析對象 283

7.4 資本資產(chǎn)定價模型（二）—以美股為分析對象 290

7.5 服從幾何布朗運(yùn)動的股價模擬—以互聯(lián)網(wǎng)公司股票為分析對象 296

7.6 A股與H股套利策略—以招商銀行股票為分析對象 303

7.7 投資組合績效評估（一）—以公募基金為分析對象 309

7.8 投資組合績效評估（二）—以QDII基金為分析對象 316

7.9 本章小結(jié) 321

第8章用Python分析期貨套期保值的案例 322

8.1 期貨空頭套期保值—以上證50指數(shù)期貨為分析對象 323

8.2 期貨多頭套期保值—以美元兌人民幣期貨合約為分析對象 328

8.3 最優(yōu)套保比率和最優(yōu)合約數(shù)量—以A股股指期貨為分析對象 333

8.4 國債期貨可交割債券轉(zhuǎn)換因子—以國債為分析對象 341

8.5 國債期貨最廉價交割債券—以國債期貨TS1906合約為分析對象 346

8.6 基于久期的套期保值策略—以債券和國債期貨為分析對象 351

8.7 本章小結(jié) 360

第9章用Python分析期權(quán)交易的案例 361

9.1 期權(quán)定價與到期盈虧—以騰訊公司股票期權(quán)為分析對象 362

9.2 期權(quán)希臘字母—以2只上證50ETF期權(quán)合約為分析對象 368

9.3 期權(quán)對沖策略—以50ETF沽6月2050期權(quán)為分析對象 373

9.4 期權(quán)隱含波動率—以3只上證50ETF期權(quán)為分析對象 379

9.5 單一期權(quán)與基礎(chǔ)資產(chǎn)交易策略—以50ETF期權(quán)和基金為分析對象 385

9.6 期權(quán)牛市價差策略—以陰極銅期權(quán)為分析對象 391

9.7 期權(quán)熊市價差策略—以天然橡膠期權(quán)為分析對象 396

9.8 期權(quán)盒式價差策略—以4只上證50ETF期權(quán)為分析對象 402

9.9 期權(quán)蝶式價差策略—以豆粕期權(quán)為分析對象 406

9.10 跨式組合與寬跨式組合策略—以白糖期權(quán)為分析對象 412

9.11 本章小結(jié) 419

第 10章用Python測度風(fēng)險價值的案例 420

10.1 方差-協(xié)方差法—以公募基金重倉股為分析對象 421

10.2 歷史模擬法—以社?；鹬貍}股為分析對象 427

10.3 蒙特卡洛模擬法—以QFII重倉股為分析對象 431

10.4 風(fēng)險價值模型合理性檢驗—以保險資金重倉股為分析對象 437

10.5 投資組合壓力測試—以藍(lán)籌股和國債為分析對象 442

10.6 壓力風(fēng)險價值—以伯克希爾哈撒韋公司重倉股為分析對象 448

10.7 本章小結(jié) 456