Python金融数据分析PDF电子书下载

第1章Python在金融中的应用 1

1.1 Python适合我吗 2

1.1.1免费＋开源 2

1.1.2高级、强大、灵活的编程语言 2

1.1.3丰富的标准库 3

1.2面向对象编程与函数式编程 3

1.2.1面向对象式方法 3

1.2.2函数式方法 4

1.2.3我该使用哪种方法 4

1.3我该使用哪个版本的Python 5

1.4 IPython简介 5

1.4.1安装IPython 5

1.4.2使用pip 6

1.4.3 IPython Notebook 6

1.4.4 Notebook单元格 8

1.4.5 IPython Notebook简单的练习 9

1.4.6 Notebook与金融 14

1.5总结 15

第2章 金融中的线性问题 16

2.1资本资产定价模型与证券市场线 17

2.2套利定价模型 20

2.3因子模型的多元线性回归 20

2.4线性最优化 21

2.4.1安装PuLP 22

2.4.2一个简单的线性优化问题 22

2.4.3线性规划的结果 24

2.4.4整数规划 24

2.5使用矩阵解线性方程组 27

2.6 LU分解 29

2.7 Cholesky分解 30

2.8 QR分解 31

2.9总结 36

第3章 非线性与金融 37

3.1非线性建模 37

3.2非线性模型举例 38

3.2.1隐含波动率模型 38

3.2.2马尔可夫机制转换模型 39

3.2.3门限自回归模型 40

3.2.4平滑转换模型 41

3.3非线性模型求根算法概述 41

3.4增量法 42

3.5二分法 44

3.6牛顿迭代法 46

3.7割线法 47

3.8求根法的结合使用 49

3.9利用SciPy求解 49

3.9.1 SciPy求根标量函数 49

3.9.2通用非线性求解器 50

3.10总结 52

第4章 利用数值方法为衍生品定价 53

4.1什么是期权 54

4.2二叉树期权定价模型 54

4.2.1欧式期权定价 54

4.2.2编写StockOption类 56

4.2.3编写BinomialEuropean-Option类 57

4.2.4利用Binomial TreeOption类给美式期权定价 59

4.2.5 Cox-Ross-Rubinstein模型 61

4.2.6 Leisen-Reimer模型 62

4.3希腊值 64

4.4三叉树期权定价模型 67

4.5期权定价中的Lattice方法 70

4.5.1二叉树网格 70

4.5.2编写BinomialCRR-Option类 70

4.5.3三叉树网格 72

4.6有限差分法 73

4.6.1显式方法 75

4.6.2隐式方法 78

4.6.3 Crank-Nicolson方法 81

4.6.4奇异障碍期权定价 83

4.6.5美式期权定价的有限差分 85

4.7隐含波动率模型 88

4.8总结 91

第5章 利率及其衍生工具 92

5.1固定收益证券 93

5.2收益率曲线 93

5.3无息债券 94

5.4自助法构建收益率曲线 95

5.5远期利率 98

5.6计算到期收益率 100

5.7计算债券定价 101

5.8久期 101

5.9凸度 102

5.10短期利率模型 103

5.10.1 Vasicek模型 104

5.10.2 Cox-Ingersoll-Ross模型 105

5.10.3 Rendleman and Bartter模型 106

5.10.4 Brennan and Schwartz模型 107

5.11债券期权 108

5.11.1可赎回债券 109

5.11.2可回售债券 109

5.11.3可转换债券 109

5.11.4优先股 110

5.12可赎回债券定价 110

5.12.1 Vasicek模型定价无息债券 110

5.12.2提前行权定价 112

5.12.3有限差分策略迭代法 114

5.12.4可赎回债券定价的其他影响因素 120

5.13总结 121

第6章 利用Python分析欧洲斯托克50指数波动率 122

6.1波动率指数衍生品 123

6.1.1 STOXX与欧洲期货交易所 123

6.1.2 EURO STOXX 50指数 123

6.1.3 VSTOXX 123

6.1.4 VIX 124

6.2获取EUROX STOXX 50指数和VSTOXX数据 124

6.3数据合并 128

6.4 SX5 E与V2TX的财务分析 129

6.5 SX5E与V2TX的相关性 132

6.6计算VSTOXX子指数 134

6.6.1获取OESX数据 134

6.6.2计算VSTOXX子指数的公式 136

6.6.3 VSTOXX子指数值的实现 137

6.6.4分析结果 142

6.7计算VSTOXX主指数 143

6.8总结 145

第7章 大数据分析 147

7.1什么是大数据 148

7.2 Hadoop 148

7.2.1 HDFS 148

7.2.2 YARN 149

7.2.3 MapReduce 149

7.3大数据工具对我来说实用吗 149

7.4获取Apache Hadoop 150

7.4.1从Cloudera获取QuickStart VM 150

7.4.2获取V irtualBox 150

7.4.3在VirtualBox上运行Cloudera VM 150

7.5 Hadoop中的字计数程序 153

7.5.1下载示例数据 153

7.5.2 map程序 153

7.5.3 reduce程序 154

7.5.4测试脚本 155

7.5.5在Hadoop上运行MapReduce 156

7.5.6使用Hue浏览 HDFS 158

7.6 Hadoop的金融实践 158

7.6.1从Yahoo！ Finance获取IBM股票价格 159

7.6.2修改map程序 159

7.6.3使用IBM股票价格测试map程序 160

7.6.4运行MapReduce计算日内价格变化 160

7.6.5分析MapReduce结果 162

7.7 NoSQL简介 162

7.7.1获取MongoDB 163

7.7.2创建数据目录并运行MongoDB 163

7.7.3获取PyMongo 164

7.7.4运行测试连接 164

7.7.5获取数据库 165

7.7.6获取集合 165

7.7.7插入文档 166

7.7.8获取单个文档 166

7.7.9删除文档 167

7.7.10批量插入文档 167

7.7.11统计集合文档 168

7.7.12查找文档 168

7.7.13文档排序 168

7.7.14结论 169

7.8总结 169

第8章 算法交易 171

8.1什么是算法交易 172

8.2带有公共API的交易平台列表 173

8.3有没有最好的编程语言 173

8.4系统功能 173

8.5通过Interactive Brokers和IbPy进行算法交易 174

8.5.1获取Interactive Brokers的Trader WorkStation 174

8.5.2获取IbPy—— IB API包装器 177

8.5.3指令路由机制 177

8.6构建均值回归算法交易系统 181

8.6.1设置主程序 181

8.6.2处理事件 183

8.6.3实现均值回归算法 184

8.6.4跟踪头寸 186

8.7使用OANDA API进行外汇交易 187

8.7.1什么是REST 188

8.7.2设置OANDA账户 188

8.7.3 OANDA API使用方法 191

8.7.4获取oandapy—— OANDAREST API包装器 191

8.7.5获取并解析汇率数据 191

8.7.6发送指令 192

8.8构建趋势跟踪外汇交易平台 193

8.8.1设置主程序 193

8.8.2处理事件 194

8.8.3实现趋势跟踪算法 195

8.8.4跟踪头寸 195

8.9风险价值模型 197

8.10总结 199

第9章 回溯测试 201

9.1回溯测试概述 201

9.1.1回溯测试的缺陷 202

9.1.2事件驱动回溯测试系统 202

9.2设计并实施回溯测试系统 204

9.2.1 TickData类 204

9.2.2 MarketData类 204

9.2.3 MarketDataSource类 205

9.2.4 Order类 206

9.2.5 Position类 206

9.2.6 Strategy类 207

9.2.7 MeanReverting Strategy类 207

9.2.8 Backtester类 209

9.2.9运行回溯测试系统 211

9.2.10改进回溯测试系统 213

9.3回溯测试模型的10个注意事项 213

9.3.1模型的资源限制 214

9.3.2模型评价标准 214

9.3.3估计回溯测试参数的质量 214

9.3.4应对模型风险 214

9.3.5样本数据回测 214

9.3.6解决回溯测试的常见缺陷 214

9.3.7常识错误 215

9.3.8理解模型环境 215

9.3.9数据准确性 215

9.3.10数据挖掘 216

9.4回溯测试中的算法选择 216

9.4.1 k-均值聚类算法 216

9.4.2 KNN机器学习算法 216

9.4.3分类回归树分析 217

9.4.4 2 k析因设计 217

9.4.5遗传算法 217

9.5总结 217

第10章Python与Excel的融通 219

10.1 COM概述 220

10.2 Excel与金融 220

10.3构建COM服务器 220

10.3.1先决条件 221

10.3.2获取pythoncom模块 221

10.3.3构建Black-Scholes模型COM服务器 221

10.3.4注册和注销COM服务器 222

10.3.5构建Cox-Ross-Rubinstein模型COM服务器 223

10.3.6构建三叉网格模型COM服务器 223

10.4在Excel中构建COM客户端 224

10.4.1设置VBA代码 225

10.4.2设置单元格 227

10.5 COM的其他功能 228

10.6总结 229