第1篇 Python技術(shù)基礎(chǔ)與財(cái)務(wù)數(shù)據(jù)獲取
第1章 Python基礎(chǔ)快速入門
1.1 Python安裝與第一個(gè) Python程序
1.2 Python基礎(chǔ)知識(shí)
1.3 Python語(yǔ)句
1.4 函數(shù)與模塊
第2章 通過(guò)Tushare數(shù)據(jù)接口快速獲取財(cái)務(wù)數(shù)據(jù)
2.1 Tushare基本介紹
2.2 通過(guò) Tushare數(shù)據(jù)接口獲取財(cái)務(wù)數(shù)據(jù)
2.3 通過(guò) Tushare數(shù)據(jù)接口獲取股票行情等其他數(shù)據(jù)
第2篇 Python數(shù)據(jù)分析技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)
第3章 財(cái)務(wù)數(shù)據(jù)分析利器——Pandas庫(kù)
3.1 DataFrame的創(chuàng)建
3.2 文件的讀取和寫入
3.3 數(shù)據(jù)讀取與篩選
3.4 數(shù)據(jù)表拼接
3.5 案例實(shí)戰(zhàn):財(cái)務(wù)數(shù)據(jù)處理
3.6 案例實(shí)戰(zhàn):財(cái)務(wù)數(shù)據(jù)獲取進(jìn)階
第4章 財(cái)務(wù)可視化基礎(chǔ)——Matplotlib庫(kù)
4.1 Matplotlib基本圖形繪制
4.2 Matplotlib可視化小技巧
4.3 案例實(shí)戰(zhàn):Matplotlib財(cái)務(wù)可視化
第5章 財(cái)務(wù)靜態(tài)分析
5.1 盈利能力指標(biāo)
5.2 營(yíng)運(yùn)能力指標(biāo)
5.3 償債能力指標(biāo)
5.4 成長(zhǎng)能力指標(biāo)
5.5 綜合案例
第6章 財(cái)務(wù)趨勢(shì)分析
6.1 盈利能力分析
6.2 營(yíng)運(yùn)能力分析
6.3 償債能力分析
6.4 成長(zhǎng)能力分析
6.5 趨勢(shì)分析綜合評(píng)分
第7章 財(cái)務(wù)同業(yè)比較分析
7.1 盈利能力比較
7.2 營(yíng)運(yùn)能力比較
7.3 償債能力比較
7.4 成長(zhǎng)能力比較
7.5 同業(yè)分析綜合評(píng)分
第8章 現(xiàn)金流量表進(jìn)階分析
8.1 指標(biāo)1:經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~/凈利潤(rùn)
8.2 指標(biāo)2:銷售商品、提供勞務(wù)收到的現(xiàn)金/營(yíng)業(yè)收入
8.3 指標(biāo)3:期末現(xiàn)金及現(xiàn)金等價(jià)物余額>有息負(fù)債 (應(yīng)付債券+短期
借款+長(zhǎng)期借款)
8.4 指標(biāo)4:自由現(xiàn)金流
8.5 指標(biāo)5:現(xiàn)金流畫像
8.6 行業(yè)橫向?qū)Ρ?
第9章 杜邦分析
9.1 杜邦分析法介紹
9.2 利用杜邦分析法進(jìn)行公司基本面分析
9.3 杜邦分析法反映的三種業(yè)績(jī)驅(qū)動(dòng)模式
第10章 批量篩選優(yōu)質(zhì)上市公司
10.1 指標(biāo)體系
10.2 標(biāo)準(zhǔn)維度
10.3 案例實(shí)戰(zhàn)
第3篇 機(jī)器學(xué)習(xí)技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)
第11章 線性回歸模型+財(cái)務(wù)會(huì)計(jì)案例實(shí)戰(zhàn)
11.1 一元線性回歸模型
11.2 線性回歸模型評(píng)估
11.3 多元線性回歸模型
第12章 決策樹模型+財(cái)務(wù)舞弊模型構(gòu)建
12.1 決策樹模型的基本原理
12.2 案例實(shí)戰(zhàn):財(cái)務(wù)舞弊預(yù)測(cè)模型
12.3 模型的參數(shù)調(diào)優(yōu)
第13章 集成學(xué)習(xí)模型+財(cái)務(wù)舞弊預(yù)測(cè)
13.1 隨機(jī)森林模型的基本原理和代碼實(shí)現(xiàn)
13.2 GBDT 算法原理
13.3 XGBoost算法原理
13.4 案例實(shí)戰(zhàn):基于集成學(xué)習(xí)模型的財(cái)務(wù)舞弊模型