目錄 第　1部分 Python與金融 第　1章 為什么將Python用于金融　3 1.1　Python編程語言　3 1.1.1　Python簡(jiǎn)史　5 1.1.2　Python生態(tài)系統(tǒng)　6 1.1.3　Python用戶譜系　7 1.1.4　科學(xué)�！�7 1.2　金融中的科技　8 1.2.1　科技投入　9 1.2.2　作為業(yè)務(wù)引擎的科技　9 1.2.3　作為進(jìn)入門檻的科技和人才　10 1.2.4　不斷提高的速度、頻率和數(shù)據(jù)量　10 1.2.5　實(shí)時(shí)分析的興起　11 1.3　用于金融的Python　12 1.3.1　金融和Python語法　12 1.3.2　Python的效率和生產(chǎn)率　16 1.3.3　從原型化到生產(chǎn)　20 1.4　數(shù)據(jù)驅(qū)動(dòng)和人工智能優(yōu)先的金融學(xué)　21 1.4.1　數(shù)據(jù)驅(qū)動(dòng)金融學(xué)　21 1.4.2　人工智能優(yōu)先金融學(xué)　24 1.5　結(jié)語　26 1.6　延伸閱讀　27 第　2章 Python基礎(chǔ)架構(gòu)　29 2.1　作為包管理器使用的conda　31 2.1.1　安裝Miniconda　31 2.1.2　conda基本操作　33 2.2　作為虛擬環(huán)境管理器的conda　37 2.3　使用Docker容器　41 2.3.1　Docker鏡像和容器　41 2.3.2　構(gòu)建Ubuntu和Python Docker鏡像　42 2.4　使用云實(shí)例　46 2.4.1　RSA公鑰和私鑰　47 2.4.2　Jupyter Notebook配置文件　48 2.4.3　Python和Jupyter Notebook安裝腳本　49 2.4.4　協(xié)調(diào)Droplet設(shè)置的腳本　51 2.5　結(jié)語　52 2.6　延伸閱讀　53 第　2部分 掌握基礎(chǔ)知識(shí) 第3章　數(shù)據(jù)類型與結(jié)構(gòu)　57 3.1　基本數(shù)據(jù)類型　58 3.1.1　整數(shù)　58 3.1.2　浮點(diǎn)數(shù)　59 3.1.3　布爾值　61 3.1.4　字符串　65 3.1.5　題外話：打印和字符串替換　66 3.1.6　題外話：正則表達(dá)式　69 3.2　基本數(shù)據(jù)結(jié)構(gòu)　71 3.2.1　元組　71 3.2.2　列表　72 3.2.3　題外話：控制結(jié)構(gòu)　74 3.2.4　題外話：函數(shù)式編程　75 3.2.5　字典　76 3.2.6　集合　78 3.3　結(jié)語　79 3.4　延伸閱讀　79 第4章　用NumPy進(jìn)行數(shù)值計(jì)算　81 4.1　數(shù)據(jù)數(shù)組　82 4.1.1　用Python列表形成數(shù)組　82 4.1.2　Python array類　84 4.2　常規(guī)NumPy數(shù)組　86 4.2.1　基礎(chǔ)知識(shí)　86 4.2.2　多維數(shù)組　89 4.2.3　元信息　93 4.2.4　改變組成與大小　93 4.2.5　布爾數(shù)組　97 4.2.6　速度對(duì)比　99 4.3　NumPy結(jié)構(gòu)數(shù)組　100 4.4　代碼向量化　102 4.4.1　基本向量化　102 4.4.2　內(nèi)存布局　105 4.5　結(jié)語　107 4.6　延伸閱讀　108 第5章　pandas數(shù)據(jù)分析　109 5.1　DataFrame類　110 5.1.1　使用DataFrame類的第 一步　110 5.1.2　使用DataFrame類的第二步　114 5.2　基本分析　118 5.3　基本可視化　122 5.4　Series類　124 5.5　GroupBy操作　126 5.6　復(fù)雜選擇　128 5.7　聯(lián)接、連接和合并　131 5.7.1　聯(lián)接　132 5.7.2　連接　133 5.7.3　合并　135 5.8　性能特征　137 5.9　結(jié)語　139 5.10　延伸閱讀　140 第6章　面向?qū)ο缶幊獭?41 6.1　Python對(duì)象簡(jiǎn)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類基礎(chǔ)知識(shí)　149 6.3　Python數(shù)據(jù)模型　154 6.4　Vector類　158 6.5　結(jié)語　159 6.6　延伸閱讀　159 第3部分　金融數(shù)據(jù)科學(xué) 第7章　數(shù)據(jù)可視化　163 7.1　靜態(tài)2D繪圖　164 7.1.1　一維數(shù)據(jù)集　164 7.1.2　二維數(shù)據(jù)集　170 7.1.3　其他繪圖樣式　177 7.2　靜態(tài)3D繪圖　184 7.3　交互式2D繪圖　188 7.3.1　基本圖表　188 7.3.2　金融圖表　192 7.4　結(jié)語　196 7.5　延伸閱讀　196 第8章　金融時(shí)間序列　197 8.1　金融數(shù)據(jù)　198 8.1.1　數(shù)據(jù)導(dǎo)入　198 8.1.2　匯總統(tǒng)計(jì)　201 8.1.3　隨時(shí)間推移的變化　203 8.1.4　重新采樣　207 8.2　滾動(dòng)統(tǒng)計(jì)　209 8.2.1　概述　209 8.2.2　技術(shù)分析示例　211 8.3　相關(guān)分析　213 8.3.1　數(shù)據(jù)　213 8.3.2　對(duì)數(shù)回報(bào)率　214 8.3.3　OLS回歸　216 8.3.4　相關(guān)　217 8.4　高頻數(shù)據(jù)　218 8.5　結(jié)語　220 8.6　延伸閱讀　220 第9章　輸入/輸出操作　221 9.1　Python基本I/O　222 9.1.1　將對(duì)象寫入磁盤　222 9.1.2　讀取和寫入文本文件　225 9.1.3　使用SQL數(shù)據(jù)庫(kù)　229 9.1.4　讀寫NumPy數(shù)組　232 9.2　pandas的I/O　234 9.2.1　使用SQL數(shù)據(jù)庫(kù)　235 9.2.2　從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　使用壓縮表　250 9.3.3　使用數(shù)組　252 9.3.4　內(nèi)存外計(jì)算　253 9.4　TsTables的I/O　256 9.4.1　樣板數(shù)據(jù)　257 9.4.2　數(shù)據(jù)存儲(chǔ)　258 9.4.3　數(shù)據(jù)檢索　259 9.5　結(jié)語　261 9.6　延伸閱讀　262 第　10章 高性能的Python　265 10.1　循環(huán)　266 10.1.1　Python　266 10.1.2　NumPy　267 10.1.3　Numba　268 10.1.4　Cython　269 10.2　算法　271 10.2.1　質(zhì)數(shù)　271 10.2.2　斐波那契數(shù)　275 10.2.3　π　279 10.3　二叉樹　283 10.3.1　Python　283 10.3.2　NumPy　285 10.3.3　Numba　286 10.3.4　Cython　287 10.4　蒙特卡洛模擬　288 10.4.1　Python　289 10.4.2　NumPy　291 10.4.3　Numba　291 10.4.4　Cython　292 10.4.5　多進(jìn)程　293 10.5　pandas遞歸算法　294 10.5.1　Python　294 10.5.2　Numba　296 10.5.3　Cython　296 10.6　結(jié)語　297 10.7　延伸閱讀　298 第　11章 數(shù)學(xué)工具　299 11.1　逼近法　299 11.1.1　回歸　301 11.1.2　插值　310 11.2　凸優(yōu)化　314 11.2.1　全局優(yōu)化　315 11.2.2　局部?jī)?yōu)化　317 11.2.3　有約束優(yōu)化　318 11.3　積分　320 11.3.1　數(shù)值積分　321 11.3.2　通過模擬求取積分　322 11.4　符號(hào)計(jì)算　323 11.4.1　基礎(chǔ)知識(shí)　323 11.4.2　方程式　325 11.4.3　積分與微分　325 11.4.4　微分　326 11.5　結(jié)語　328 11.6　延伸閱讀　328 第　12章 推斷統(tǒng)計(jì)學(xué)　331 12.1　隨機(jī)數(shù)　332 12.2　模擬　338 12.2.1　隨機(jī)變量　338 12.2.2　隨機(jī)過程　341 12.2.3　方差縮減　356 12.3　估值　359 12.3.1　歐式期權(quán)　359 12.3.2　美式期權(quán)　364 12.4　風(fēng)險(xiǎn)測(cè)度　367 12.4.1　風(fēng)險(xiǎn)價(jià)值　367 12.4.2　信用價(jià)值調(diào)整　371 12.5　Python腳本　374 12.6　結(jié)語　377 12.7　延伸閱讀　377 第　13章 統(tǒng)計(jì)學(xué)　379 13.1　正態(tài)性檢驗(yàn)　380 13.1.1　基準(zhǔn)案例　381 13.1.2　真實(shí)數(shù)據(jù)　390 13.2　投資組合優(yōu)化　396 13.2.1　數(shù)據(jù)　396 13.2.2　基本理論　398 13.2.3　最優(yōu)投資組合　401 13.2.4　有效邊界　404 13.2.5　資本市場(chǎng)線　405 13.3　貝葉斯統(tǒng)計(jì)　408 13.3.1　貝葉斯公式　409 13.3.2　貝葉斯回歸　410 13.3.3　兩種金融工具　414 13.3.4　隨時(shí)更新估算值　418 13.4　機(jī)器學(xué)習(xí)　423 13.4.1　無監(jiān)督學(xué)習(xí)　423 13.4.2　有監(jiān)督學(xué)習(xí)　426 13.5　結(jié)語　441 13.6　延伸閱讀　441 第4部分　算法交易 第　14章 FXCM交易平臺(tái)　445 14.1　入門　446 14.2　讀取數(shù)據(jù)　447 14.2.1　讀取分筆交易數(shù)據(jù)　447 14.2.2　讀取K線（蠟燭圖）數(shù)據(jù)　449 14.3　使用API　451 14.3.1　讀取歷史數(shù)據(jù)　452 14.3.2　讀取流數(shù)據(jù)　454 14.3.3　下單　455 14.3.4　賬戶信息　457 14.4　結(jié)語　457 14.5　延伸閱讀　458 第　15章 交易策略　459 15.1　簡(jiǎn)單移動(dòng)平均數(shù)　460 15.1.1　數(shù)據(jù)導(dǎo)入　460 15.1.2　交易策略　461 15.1.3　向量化事后檢驗(yàn)　463 15.1.4　優(yōu)化　465 15.2　隨機(jī)游走假設(shè)　467 15.3　線性O(shè)LS回歸　469 15.3.1　數(shù)據(jù)　470 15.3.2　回歸　472 15.4　聚類　474 15.5　頻率方法　476 15.6　分類　479 15.6.1　兩個(gè)二元特征　479 15.6.2　5個(gè)二元特征　480 15.6.3　5個(gè)數(shù)字化特征　482 15.6.4　順序訓(xùn)練-測(cè)試分離　484 15.6.5　隨機(jī)訓(xùn)練-測(cè)試分離　485 15.7　深度神經(jīng)網(wǎng)絡(luò)　486 15.7.1　用scikit-learn實(shí)現(xiàn)DNN　486 15.7.2　用TensorFlow實(shí)現(xiàn)DNN　489 15.8　結(jié)語　492 15.9　延伸閱讀　493 第　16章 自動(dòng)化交易　495 16.1　資本管理　496 16.1.1　二項(xiàng)設(shè)定中的凱利標(biāo)準(zhǔn)　496 16.1.2　用于股票及指數(shù)的凱利標(biāo)準(zhǔn)　500 16.2　基于ML的交易策略　505 16.2.1　向量化事后檢驗(yàn)　505 16.2.2　最優(yōu)杠桿　510 16.2.3　風(fēng)險(xiǎn)分析　512 16.2.4　持久化模型對(duì)象　515 16.3　在線算法　516 16.4　基礎(chǔ)設(shè)施與部署　518 16.5　日志與監(jiān)控　519 16.6　結(jié)語　521 16.7　Python腳本　522 16.7.1　自動(dòng)化交易策略　522 16.7.2　策略監(jiān)控　525 16.8　延伸閱讀　525 第5部分　衍生品分析 第　17章 估值框架　529 17.1　資產(chǎn)定價(jià)基本定理　529 17.1.1　簡(jiǎn)單示例　530 17.1.2　一般結(jié)果　530 17.2　風(fēng)險(xiǎn)中立折現(xiàn)　532 17.2.1　日期建模與處理　532 17.2.2　恒定短期利率　534 17.3　市場(chǎng)環(huán)境　536 17.4　結(jié)語　539 17.5　延伸閱讀　540 第　18章 金融模型的模擬　541 18.1　隨機(jī)數(shù)生成　542 18.2　通用模擬類　544 18.3　幾何布朗運(yùn)動(dòng)　548 18.3.1　模擬類　548 18.3.2　用例　550 18.4　跳躍擴(kuò)散　553 18.4.1　模擬類　553 18.4.2　用例　556 18.5　平方根擴(kuò)散　557 18.5.1　模擬類　558 18.5.2　用例　560 18.6　結(jié)語　561 18.7　延伸閱讀　563 第　19章 衍生品估值　565 19.1　通用估值類　566 19.2　歐式行權(quán)　570 19.2.1　估值類　570 19.2.2　用例　572 19.3　美式行權(quán)　577 19.3.1　最小二乘蒙特卡洛方法　577 19.3.2　估值類　578 19.3.3　用例　580 19.4　結(jié)語　583 19.5　延伸閱讀　585 第　20章 投資組合估值　587 20.1　衍生品頭寸　588 20.1.1　類　588 20.1.2　用例　590 20.2　衍生品投資組合　592 20.2.1　類　592 20.2.2　用例　597 20.3　結(jié)語　604 20.4　延伸閱讀　605 第　21章 基于市場(chǎng)的估值　607 21.1　期權(quán)數(shù)據(jù)　608 21.2　模型檢驗(yàn)　610 21.2.1　相關(guān)市場(chǎng)數(shù)據(jù)　611 21.2.2　期權(quán)建模　612 21.2.3　檢驗(yàn)過程　615 21.3　投資組合估值　620 21.3.1　建立期權(quán)頭寸模型　621 21.3.2　期權(quán)投資組合　622 21.4　Python代碼　623 21.5　結(jié)語　625 21.6　延伸閱讀　626 附錄A　日期與時(shí)間　627 A.1　Python　627 A.2　NumPy　633 A.3　pandas　636 附錄B　BSM期權(quán)類　641 B.1　類定義　641 B.2　類的使用　643