正版新书]Python量化金融与人工智能(教材)朱顺泉著9787302581

篇 量化金融基础与Python技术

章 量化金融基础及Python
下载、安装与启动 3
1.1 量化金融基础 3
1.1.1 量化金融的概念 3
1.1.2 量化金融的优势 4
1.1.3 量化金融的历史和未来 4
1.1.4 量化金融的应用与流程 5
1.2 Python工具概述 7
1.3 Python工具的下载 9
1.4 Python的安装 10
1.5 Python的启动和退出 11
练习题 12
第2章 Python编程基础 13
2.1 Python的两个基本操作 13
2.2 Python数据结构 13
. Python函数 17
2.4 Python条件与循环 18
2.5 Python类与对象 19
练习题 20
第3章 Python金融数据存取 21
3.1 Python-NumPy数据存取 21
3.2 Python-Scipy数据存取 2
. Python-pandas的csv格式数据
文件存取 2
.4 Python-pandas的Excel格式数据
文件存取
.5 读取并查看数据表列
. 读取挖地兔财经的数据 24
3.7 挖地兔Tushare财经数据的
保存 25
3.8 使用Opendatatools工具获取数据 27
3.9 Python-quandl财经数据接口 28
3.10 下载Yahoo财经数据 29
3.11 存取Yahoo财经数据 29
练习题 31
第4章 Python工具库NumPy数组与
矩阵计算 32
4.1 NumPy概述 32
4.2 NumPy数组对象 32
4.3 创建数组 33
4.4 数组操作 34
4.5 数组元素访问 37
4.6 矩阵操作 38
4.7 缺失值处理 40
练习题 40
第5章 Python工具库SciPy优化与
统计分析 41
5.1 SciPy概述 41
5.2 scipy.optimize优化方法分析 41
5.3 利用CVXOPT求解二次规划问题 42
5.4 scipy.stats的统计方法分析 46
练习题 49
第6章 Python工具库Pandas数据
对象及数据分析 50
6.1 Pandas基础知识 50
6.1.1 数据对象 50
6.1.2 增删查改 51
6.1.3 Pandas常用函数 57
6.1.4 绘图 59
6.1.5 数据读写 59
6.2 Pandas本融数据分析 60
6.3 Pandas横向合并金融数据分析 63
6.4 Pandas纵向分类汇总金融数据分析 65
练习题 71


第2篇 Python统计分析

第7章 Python描述统计 75
7.1 描述统计的Python工具 75
7.2 数据集中趋势的度量 76
7.3 数据离散状况的度量 79
7.4 峰度、偏度与正态检验 81
7.5 异常数据处理 86
练习题 91
第8章 Python参数估计及其应用 92
8.1 参数估计与置信区间的含义 92
8.2 Python点估计 92
8.3 Python单正态总体均值区间估计 93
8.4 Python单正态总体方差区间估计 95
8.5 Python双正态总体均值差区间
估计 96
8.6 Python双正态总体方差比区间
估计 98
练习题 99
    
第9章 Python参数设检验 100
9.1 参数设检验的基本理论 100
9.1.1 p-value决策 100
9.1.2 设检验 102
9.2 Python单样本t检验 107
9.3 Python两个独立样本t检验 108
9.4 Python配对样本t检验 109
9.5 Python单样本方差设检验 110
9.6 Python双样本方差设检验 111
练习题 113
0章 Python相关分析与
回归分析 114
10.1 Python相关分析 114
10.2 Python一元线回归分析的
statsmodels应用 118
10.3 Python多元线回归分析 121
练习题 125

第3篇 Python基本计量经济分析

1章 Python多重共线处理 129
11.1 多重共线的概念 129
11.2 多重共线的后果 130
11.3 产生多重共线的原因 130
11.4 多重共线的识和检验 131
11.5 消除多重共线的方法 132
11.6 Python多重共线诊断 135
11.7 Python多重共线消除 137
练习题 138
2章 Python异方差处理 140
12.1 异方差的概念 140
12.2 异方差产生的原因 141
1. 异方差的后果 142
12.4 异方差的识别检验 143
12.4.1 图示法 143
12.4.2 统计检验方法 143
12.5 消除异方差的方法 145
12.6 Python异方差诊断 147
12.7 Python异方差消除 148
练习题 149
3章 Python自相关处理 151
13.1 自相关的概念 151
13.2 产生自相关的原因 151
13.3 自相关的后果 152
13.4 自相关的识别和检验 153
13.5 自相关的处理方法 155
13.6 Python自相关诊断与消除 157
练习题 159


第4篇 Python金融时间序列分析

4章 Python金融时间序列分析的
日期处理 163
14.1 引言 163
14.2 生成日期序列 168
14.3 低频数据向高频数据转换 170
练习题 174
5章 Python金融时间序列的
自相关与平稳 175
15.1 引言 175
15.2 自相关 175
15.3 平稳 178
15.4 白噪声和随机游走 179
15.5 Python模拟白噪声和平稳
检验 180
15.6 沪深300近三年来数据的平稳
检验分析 183
练习题 187
    
6章 Python金融时间序列分析的
ARIMA模型 188
16.1 引言 188
16.2 AR模型 188
16.3 MA模型 191
16.4 ARMA模型 194
16.5 ARIMA模型 197
16.6 结语 199
练习题 199
7章 Python金融时间序列分析的
ARCH与GARCH模型 200
17.1 引言 200
17.2 收益率时间序列特点 200
17.3 ARCH模型 202
17.4 GARCH模型 206
17.5 结语 210
练习题 210

第5篇 Python金融理论

8章 Python资产组合的
收益率与风险 213
18.1 持有期收益率 213
18.2 单项资产的期望收益率 214
18.3 单项资产的风险 214
18.4 单项资产的期望收益和风险的
估计 215
18.5 单项资产之间的协方差与
相关系数 216
18.6 Python计算资产组合的期望
收益和风险 218
练习题 221
9章 Python-optimize工具优化
资产组合均值方差模型 222
19.1 资产组合的可行集 222
19.1.1 资产组合可行集的一部分 222
19.1.2 资产组合可行集的模拟 2
19.2 有效边界与有效组合 225
19.3 Python应用于标准均值方差模型 227
19.3.1 标准均值方差模型 227
19.3.2 全局方差 0
19.3.3 有效资产组合 0
19.4 两分离定理 1
19.5 Python应用于Markowitz
组合优化 2
19.5.1 的选择 2
19.5.2 Markowitz组合优化
基本理论
19.5.3 组合优化的Python
应用 4
练习题
第20章 Python在有无风险资产的
均值方差模型中的应用 240
20.1 Python在存在无风险资产的均值
方差模型中应用 240
20.2 无风险资产对方差组合的
影响 242
20.3 Python应用于存在无风险资产的
两分离定理 243
20.4 预期收益率与贝塔关系式 244
20.5 Python应用于一个无风险资产和
两个风险资产的组合 245
    
练习题 248
2章 Python在资本资产定价
模型中的应用 249
21.1 资本资产定价模型设 249
21.2 Python应用于资本市场线 249
21.3 Python应用于券市场线 252
21.4 Python应用于资本资产定价
模型CAPM实际数据 254
练习题 256

第6篇 Python量化金融策略

第22章 贝塔对冲策略 261
22.1 贝塔对冲模型 261
22.2 风险对冲策略 261
练习题 265
第章 量化选股策略分析 266
.1 小市值的量化选股策略 266
.2 基本面财务指标的量化选股策略 268
练习题 271
第24章 量化择时策略分析 272
24.1 Talib技术分析工具库在量化
择时中的应用 272
24.2 海龟量化择时策略 276
24.3 金叉死叉双均线量化择时策略 277
24.4 应用Python分析量化择时策略 280
24.4.1 获取金融数据 280
24.4.2 量化择时收益计算策略 281
24.4.3 量化择时双均线策略 282
练习题 285
第25章 量化选股与量化择时组合
策略分析 286
25.1 量化纯选股策略 286
25.2 量化选股与量化择时组合策略 288
练习题 290
第26章 金融大数据量化统计
套利的协整配对交易策略 291
26.1 协整基本知识 291
26.2 平稳检验及其实例 293
26.3 基于Bigquant平台统计套利的
协整配对交易策略 295
练习题 301
第27章 基于Python环境的配对
交易策略 302
27.1 策略介绍 302
27.2 策略相关方法 302
27.3 策略的步骤 303
27.4 策略的演示 304
练习题 311
第28章 人工智能机器学习量化金融
策略 312
28.1 机器学习算法分类 312
28.2 常见的机器学习算法及其Python
代码 312
28.2.1 线回归 312
28.2.2 逻辑回归 313
28.. 决策树 314
28.2.4 支持向量机分类 315
28.2.5 朴素贝叶斯分类 316
28.2.6 KNN分类(K-近邻算法) 317
28.2.7 K-均值算法 318
28.2.8 随机森林算法 319
28.2.9 降维算法 319
28.2.10 Gradient Boosting和
AdaBoost 算法 320
28.3 广义线模型Logistic回归多分类
及其Python应用 320
28.3.1 算法原理 320
28.3.2 对象类参数介绍 322
28.3.3 逻辑回归分类算法实例 3
28.4 人工智能机器学习算法的支持
向量机及其应用 324
28.4.1 支持向量机的定义 324
28.4.2 优选化间隔 324
28.4.3 软间隔 328
28.4.4 核技巧 330
28.4.5 支持向量机的
Python应用实例 336
练习题 337
    



    
    
    
    
    
    
    

    
    
    

"朱顺泉，广东财经大学金融学院教授，长期从事生与的学、金融工程、公司金融、金融市场、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作，一直致力于财经与科技相结合的交叉应用研究。在人民、科学、清华、北大等出版社出版著作四十余部，。主持完成社会科学项目、社会科学项目等项目共十余项。主要研究方向：学、金融工程、金融市场、公司金融财务等。
"

"《Python量化金融与人工智能》是“2019年广东省高等教育教学研究和改革项目(大数据时代经济与金融计量分析课程教学改革)”“2020年广东财经大学学教学团队建设项目”“2020年学专业广东省品质专业建设项目”“2021年学专业重量品质专业建设项目”等阶段成果。
通过《Python量化金融与人工智能》，读者不仅能掌握使用Python及相关的库来解决实际经济与金融计量分析问题，而且能学会从实际经济与金融问题分析入手，利用Python进行经济与金融计量分析。
"