正版新书]基于Python的金融分析与风险管理 第2版斯文 著9787115

篇 基础篇

章 结合金融场景演示Python基本编程 2

1.1 关于Python的简要介绍 3

1.1.1 Python是什么 3

1.1.2 Python的比较优势 4

1.1.3 Python的版本迭代 4

1.1.4 Python的系统部署 5

1.1.5 Spyder及其操作界面 6

1.2 Python的变量赋值与数据类型 7

1.2.1 变量赋值 7

1.2.2 整型 8

1.2.3 浮点型 9

1.2.4 复数 9

1.2.5 字符串 10

1.3 Python的数据结构 12

1.3.1 元组 12

1.3.2 列表 13

1.3.3 集合 16

1.3.4 字典 17

1.4 Python的运算符号 19

1.4.1 基本算术运算符号 19

1.4.2 关系运算符号 22

1.4.3 赋值运算符号 23

1.4.4 成员运算符号 24

1.5 Python的内置函数与自定义函数 25

1.5.1 内置函数 25

1.5.2 自定义函数 28

1.6 Python的句型 29

1.6.1 条件语句 30

1.6.2 循环语句 31

1.6.3 条件语句和循环语句结合 32

1.7 模块的导入与math模块 34

1.7.1 模块导入的若干种方法 35

1.7.2 math模块 35

1.8 本章小结 37

1.9 拓展阅读 37

第2章 结合金融场景演示NumPy模块编程 38

2.1 从一个投资案例讲起 38

2.2 N维数组 40

2.2.1 数组的结构 40

2.2.2 一些特殊的数组 42

2.3 数组的相关功能 44

2.3.1 索引 44

2.3.2 切片 45

2.3.3 排序 45

2.3.4 合并 46

2.4 数组的相关运算 47

2.4.1 数组内的运算 47

2.4.2 数组间的运算 51

2.4.3 矩阵的处理 54

2.5 基于特定统计分布的随机抽样 56

2.5.1 主要的统计分布 56

2.5.2 主要函数及参数 60

2.5.3 随机抽样的示例 62

2.6 现金流模型 65

2.6.1 现金流终值 65

2.6.2 现金流现值 66

2.6.3 净现值与内含报酬率 68

2.6.4 住房按揭贷款的等额本息还款 70

2.7 本章小结 72

2.8 拓展阅读 73

第3章 结合金融时间序列演示pandas模块编程 74

3.1 pandas的数据结构 74

3.1.1 序列 75

3.1.2 数据框 76

3.1.3 外部数据的直接导入 77

3.1.4 创建序列或数据框的时间数列 79

3.2 数据框的可视化 81

3.2.1 中文字体的显示 81

3.2.2 数据框可视化的函数与参数 81

3.3 数据框内部的操作 84

3.3.1 查看数据框的基本性质 84

3.3.2 数据框的索引与截取 85

3.3.3 数据框的排序 87

3.3.4 数据框的更改 88

3.4 数据框之间的合并 92

3.4.1 创建两个新数据框 93

3.4.2 concat函数的运用 94

3.4.3 merge函数的运用 95

3.4.4 join函数的运用 95

3.5 数据框的主要统计函数 96

3.5.1 静态统计函数 96

3.5.2 移动窗口与动态统计函数 100

3.6 本章小结 103

3.7 拓展阅读 103

第4章 结合金融场景演示Matplotlib模块编程 104

4.1 基本函数 104

4.2 曲线图 108

4.2.1 单一曲线图 108

4.2.2 多图绘制 111

4.3 直方图 113

4.3.1 单一样本的直方图 113

4.3.2 多个样本的直方图 115

4.4 条形图 117

4.4.1 垂直条形图 118

4.4.2 水平条形图 119

4.4.3 综合条形图与折线图的双轴图 120

4.5 散点图 122

4.6 饼图 124

4.7 雷达图 125

4.8 K线图 127

4.9 本章小结 130

4.10 拓展阅读 130

第5章 结合金融场景演示SciPy等模块编程 131

5.1 SciPy模块 131

5.1.1 求积分 132

5.1.2 插值法 133

5.1.3 求解方程组 135

5.1.4 最优化方法 137

5.1.5 统计功能 140

5.2 statsmodels模块 146

5.3 波动率模型与arch模块 150

5.3.1 估计波动率 150

5.3.2 ARCH模型 151

5.3.3 GARCH模型 152

5.3.4 arch模块 152

5.4 datetime模块 157

5.4.1 创建时间对象 157

5.4.2 访问时间对象的属性 158

5.4.3 时间对象的运算 159

5.5 本章小结 160

5.6 拓展阅读 160



第2篇 中阶篇

第6章 运用Python分析利率与汇率 162

6.1 人民币利率体系 162

6.1.1 中央银行利率 163

6.1.2 金融机构利率 165

6.1.3 金融市场利率 166

6.2 人民币汇率体系 169

6.2.1 人民币汇率制度的演变 169

6.2.2 人民币汇率相关产品 171

6.2.3 人民币汇率指数 173

6.3 利率的度量 174

6.3.1 利率的相对性 175

6.3.2 利率的等价性 178

6.3.3 零息利率 180

6.4 远期利率与远期利率协议 181

6.4.1 远期利率的测算 181

6.4.2 远期利率协议的现金流与定价 183

6.5 汇率报价与套利 188

6.5.1 汇率报价 188

6.5.2 三角套利 190

6.6 远期汇率与远期外汇合约 193

6.6.1 远期汇率的测算 194

6.6.2 抵补套利 195

6.6.3 远期外汇合约的定价 199

6.7 本章小结 203

6.8 拓展阅读 203

第7章 运用Python分析债券 204

7.1 债券市场概览 204

7.1.1 债券交易场所 205

7.1.2 债券品种 207

7.1.3 债券数据的服务机构 210

7.2 债券定价与债券收益率 211

7.2.1 债券的核心要素 211

7.2.2 基于单一贴现率的债券定价 211

7.2.3 债券到期收益率 213

7.2.4 基于不同期限贴现率的债券定价 215

7.2.5 通过票息剥离法计算零息利率 216

7.2.6 运用零息利率对债券定价 219

7.3 衡量债券利率风险的线性指标——久期 220

7.3.1 麦考利久期 220

7.3.2 修正久期 225

7.3.3 美元久期 228

7.4 衡量债券利率风险的非线性指标——凸性 229

7.4.1 凸性的表达式 230

7.4.2 凸性的作用 231

7.5 测度债券的信用风险 234

7.5.1 信用评级 234

7.5.2 违约概率与违约回收率 236

7.5.3 通过债券价格测度违约概率 237

7.6 本章小结 241

7.7 拓展阅读 241

第8章 运用Python分析股票 242

8.1 股票市场简介 243

8.1.1 多层次股票市场 243

8.1.2 主要的股票指数 245

8.2 股票内在价值 249

8.2.1 股息贴现模型 249

8.2.2 零增长模型 250

8.2.3 不变增长模型 251

8.2.4 二阶段增长模型 252

8.2.5 三阶段增长模型 255

8.3 股票价格服从的随机过程 259

8.3.1 马尔可夫过程与有效市场假说 260

8.3.2 维纳过程与广义维纳过程 262

8.3.3 几何布朗运动 263

8.4 构建股票最优投资组合 267

8.4.1 投资组合的主要变量 267

8.4.2 投资组合的可行集与有效前沿 272

8.4.3 资本市场线 276

8.5 资本资产定价模型 279

8.5.1 系统风险与非系统风险 279

8.5.2 模型数学表达式及运用 282

8.5.3 证券市场线 284

8.6 投资组合的绩效评估 285

8.6.1 夏普比率 286

8.6.2 索提诺比率 289

8.6.3 特雷诺比率 290

8.6.4 卡玛比率 293

8.6.5 信息比率 295

8.7 本章小结 298

8.8 拓展阅读 298

第9章 运用Python分析互换 299

9.1 互换市场的概况 299

9.1.1 利率互换市场 300

9.1.2 货币互换市场 302

9.1.3 信用违约互换市场 303

9.2 利率互换 305

9.2.1 利率互换的运作机理 306

9.2.2 利率互换的期间现金流 307

9.2.3 利率互换的等价性 308

9.2.4 互换利率的计算 310

9.2.5 利率互换的定价 312

9.3 货币互换 315

9.3.1 货币互换的运作机理 316

9.3.2 双固定利率货币互换的期间现金流 317

9.3.3 固定对浮动货币互换的期间现金流 319

9.3.4 双浮动利率货币互换的期间现金流 321

9.3.5 货币互换的等价性与定价 325

9.4 信用违约互换 331

9.4.1 信用违约互换的运作机理 331

9.4.2 信用违约互换的期间现金流 332

9.4.3 累积违约概率、边际违约概率与存活率 335

9.4.4 信用违约互换价差 337

9.5 本章小结 341

9.6 拓展阅读 341

0章 运用Python分析期货 342

10.1 期货市场概览 342

10.1.1 期货交易所及期货合约品种 343

10.1.2 商品期货合约的介绍 347

10.1.3 股指期货合约的介绍 349

10.1.4 国债期货合约的介绍 350

10.1.5 期货交易的头寸方向与动机 352

10.2 期货价格与现货价格的关系 353

10.2.1 导致期货价格与现货价格存在差异的因素 353

10.2.2 期货价格与现货价格的关系式 355

10.2.3 期货价格的收敛性 358

10.3 股指期货的套期保值 360

10.3.1 套期保值的类型 361

10.3.2 追加保证金的风险 363

10.3.3 基差风险 366

10.3.4 交叉套期保值 368

10.3.5 滚动套期保值与移仓风险 375

10.4 国债期货的套期保值 380

10.4.1 计息天数规则 380

10.4.2 国债的报价 382

10.4.3 国债期货最终价格 384

10.4.4 国债期货的最廉价交割 386

10.4.5 基于久期的套期保值策略 389

10.5 本章小结 391

10.6 拓展阅读 392

第3篇 高阶篇

1章 运用Python分析期权定价 394

11.1 A股期权市场简介 394

11.1.1 权证市场 395

11.1.2 股票期权合约 395

11.1.3 股指期权合约 398

11.2 期权类型与到期盈亏 400

11.2.1 期权的类型和要素 400

11.2.2 看涨期权的到期盈亏 400

11.2.3 看跌期权的到期盈亏 402

11.2.4 看跌-看涨平价关系式 404

11.3 欧式期权定价——布莱克-斯科尔斯-默顿模型 407

11.3.1 模型介绍 407

11.3.2 期权价格与基础资产价格的关系 409

11.3.3 期权价格与行权价格的关系 410

11.3.4 期权价格与波动率的关系 411

11.3.5 期权价格与无风险收益率的关系 412

11.3.6 期权价格与期权期限的关系 413

11.3.7 内在价值与时间价值 414

11.4 欧式期权定价——二叉树模型 415

11.4.1 一步二叉树模型 416

11.4.2 两步二叉树模型 420

11.4.3 N步二叉树模型 423

11.5 美式期权定价 430

11.5.1 定价的基本思路 430

11.5.2 推广的数学表达式 432

11.5.3 运用矩阵运算 433

11.5.4 美式期权与欧式期权的关系 436

11.6 本章小结 440

11.7 拓展阅读 441

2章 运用Python测度期权希腊字母与隐含波动率 442

12.1 期权的Delta 443

12.1.1 欧式期权的Delta 443

12.1.2 基础资产价格、期权期限与期权Delta的关系 446

12.1.3 基于Delta的对冲 449

12.1.4 美式期权的Delta 451

12.2 期权的Gamma 454

12.2.1 欧式期权的Gamma 454

12.2.2 基础资产价格、期权期限与期权Gamma的关系 456

12.2.3 美式期权的Gamma 458

12.3 期权的Theta 461

12.3.1 欧式期权的Theta 461

12.3.2 基础资产价格、期权期限与期权Theta的关系 463

12.3.3 美式期权的Theta 465

12.4 期权的Vega 468

12.4.1 欧式期权的Vega 468

12.4.2 基础资产价格、期权期限与期权Vega的关系 469

12.4.3 美式期权的Vega 471

12.5 期权的Rho 474

12.5.1 欧式期权的Rho 474

12.5.2 基础资产价格、期权期限与期权Rho的关系 475

12.5.3 美式期权的Rho 477

12.6 期权的隐含波动率 480

12.6.1 计算隐含波动率的牛顿迭代法 480

12.6.2 计算隐含波动率的二分查找法 482

12.6.3 波动率微笑 485

12.6.4 波动率斜偏 487

12.7 本章小结 489

12.8 拓展阅读 490

3章 运用Python构建期权交易策略 491

13.1 合成保本票据的策略 491

13.1.1 抽象金融市场的策略运用 492

13.1.2 现实金融市场的策略运用 493

13.2 单一期权与单一基础资产的策略 496

13.2.1 买入备兑看涨期权 497

13.2.2 卖出备兑看涨期权 499

13.2.3 买入保护看跌期权 501

13.2.4 卖出保护看跌期权 502

13.2.5 策略的期间收益 504

13.3 价差交易策略 506

13.3.1 牛市价差策略 507

13.3.2 熊市价差策略 511

13.3.3 盒式价差策略 514

13.3.4 蝶式价差策略 517

13.3.5 日历价差策略 521

13.4 组合策略 526

13.4.1 跨式组合策略 526

13.4.2 序列组合策略与带式组合策略 529

13.4.3 宽跨式组合策略 531

13.5 本章小结 539

13.6 拓展阅读 539

4章 运用Python分析期权延伸性应用 540

14.1 测度企业的违约风险——默顿模型 540

14.1.1 模型的引出 541

14.1.2 模型的相关细节 541

14.1.3 测度首只违约债券——超日债的违约概率 543

14.2 可转换债券 545

14.2.1 可转换债券的概况 546

14.2.2 可转换债券的定价 549

14.3 期货期权 554

14.3.1 期货期权的概况 554

14.3.2 欧式期货期权的定价——布莱克模型 556

14.3.3 美式期货期权的定价——二叉树模型 559

14.4 利率期权 563

14.4.1 利率期权简介 563

14.4.2 利率上限期权 564

14.4.3 利率下限期权与利率双限期权 568

14.4.4 利率互换期权 571

14.5 本章小结 576

14.6 拓展阅读 577

5章 运用Python测量风险价值 578

15.1 风险价值概述 578

15.1.1 风险价值的定义 579

15.1.2 风险价值的可视化 580

15.1.3 风险价值的优势与局限 581

15.2 方差-协方差法 582

15.2.1 方差-协方差法的细节 582

15.2.2 方差-协方差法的应用 583

15.3 历史模拟法 586

15.3.1 历史模拟法的细节 586

15.3.2 历史模拟法的运用 588

15.4 蒙特卡罗模拟法 590

15.4.1 蒙特卡罗模拟法的细节 590

15.4.2 蒙特卡罗模拟法的运用 591

15.5 回溯检验、压力测试与压力风险价值 595

15.5.1 回溯检验 595

15.5.2 压力测试 598

15.5.3 压力风险价值 600

15.5.4 比较不同方法测量的风险价值 602

15.6 信用风险价值 603

15.6.1 违约相关性 603

15.6.2 违约时间的高斯copula模型 604

15.6.3 基于因子的相关性结构 605

15.6.4 测度信用风险价值 606

15.7 本章小结 610

15.8 拓展阅读 611

斯文，笔名“华尔街先生”，浙江湖州人，经济学博士，中国注册会计师（Certified Public Accountant，CPA），特许金融分析师（Chartered Finan Analyst，CFA），金融风险管理师（Finan Risk Manager，FRM）。在国内某金融控股集团担任不错风控总监，拥有在中外资银行、证券公司、信托公司等机构十余年的金融与风险管理从业经验。
同时，他也是上海财经大学风险管理校友俱乐部的发起人兼理事长、《上财风险管理论坛》杂志主编、上海资产管理行业风险管理同业交流会秘书长，并担任中南财经政法大学、华东政法大学等多所国内高校的金融硕士研究生兼职导师，公开发表学术论文50余篇，出版了专著《中国外汇衍生品市场研究》（上海人民出版社2016年8月出版），多次荣获重量、省部级的荣誉称号。
除此之外，他还历时3年多推出了《期权、期货及其他衍生产品（第九版）》视频课程（共360讲），累计观看人次超过百万，累计撰写了10万多行与金融相关的Python代码，长期致力于倡导并推广Python在金融领域的运用。

1.更丰富的教学内容：第2版从12章扩展到15章，并依次划分为基础篇、中阶篇以及高阶篇，方便读者从入门到进阶进行阶段性的学习；
1.更丰富的金融产品：第2版新增汇率产品、互换合约、商品期货、可提前行权的美式期权期货期权等，进一步完善“金融知识图谱”；
2.更广泛的量化模型：第2版新增现金流模型、汇率套利模型、股票定价模型、卡玛指数等，使读者能掌握更丰富的金融量化分析工具；
3.更完备的金融示例：第2版示例数量从版的224个增加至318个，以此多方面涵盖新增的金融产品与量化模型，相关数据更新至2020年。
4.更高阶的软件版本：优化了代码示例，使用更新的Python第三方模块，提升了代码性能。

Python是一门开源的计算机编程语言，凭借其易学、灵活等特点，得到了越来越多人的认可和青睐。金融科技日新月异，金融行业的数字化、科技化和智慧化快速推进，Python在金融领域有着很好的应用现状和前景。

本书在上一版的基础上进行了内容升级，持续聚焦Python在金融分析与风险管理的应用，第2版从原先的12章扩充至15章，并依次划分为基础篇（共5章）、中阶篇（共5章）以及高阶篇（共5章），基础篇结合金融场景演示了Python语言以及NumPy、pandas、Matplotlib、SciPy以及statsmodel等金融领域常用的第三方模块的编程方法；中阶篇通过Python编程结合金融实例，依次探讨利率、汇率、债券、股票、互换合约、期货合约等产品的定价、风险测度以及风险管控等内容；高阶篇则融合Python与金融案例，探究了期权的定价、希腊字母、动态对冲、隐含波动率、交易策略及其他延伸知识点，此外，高阶篇还涉及投资组合风险价值建模等具有较强技术性的内容。

本书旨在通过更丰富的金融产品、更广泛的量化模型、更完备的金融示例、更高的软件版本，为读者提供更加便捷的Python金融实战体验与解决方案。

本书适合想要掌握Python应用的金融学习者、金融从业者阅读，也适合想要转行到金融领域的程序员以及对Python在金融领域的实践应用感兴趣的人士阅读，并且不要求读者具有Python编程基础和金融基础。