Python 金融數(shù)據(jù)分析：數(shù)據(jù)驅(qū)動金融

目錄
前言
第1章 Python與金融 1
1.1 Python簡介 1
1.2 金融科技發(fā)展 2
1.3 金融數(shù)據(jù)分析 3
1.4 Python在金融中的應(yīng)用 3
第2章 Python入門 4
2.1 Anaconda 4
2.2 NumPy 4
2.3 Pandas 8
2.4 Matplotlib 10
2.5 NumPy功能方法總結(jié) 13
2.6 Pandas功能方法總結(jié) 17
第3章 金融時間序列分析案例 24
3.1 股票市場數(shù)據(jù) 24
3.2 債券市場數(shù)據(jù) 38
3.3 衍生品市場數(shù)據(jù) 44
第4章 投資組合案例 50
4.1 收益率分析 50
4.2 投資風(fēng)險分析 54
4.3 股權(quán)組合有效邊界 58
4.4 CAPM模型 60
第5章 衍生品定價案例 64
5.1 資產(chǎn)定價 64
5.2 歐式期權(quán) 65
5.3 美式期權(quán) 67
5.4 布萊克-斯科爾斯模型定價 68
5.5 二叉樹定價 70
5.6 蒙特卡羅模擬和歐拉離散化定價 73
第6章 金融模型的模擬案例 78
6.1 隨機(jī)數(shù)生成 78
6.2 蒙特卡羅模擬 82
6.3 平方根擴(kuò)散 85
6.4 跳躍擴(kuò)散 87
第7章 深度學(xué)習(xí)案例 90
7.1 支持向量機(jī) 90
7.2 決策樹 92
7.3 深度學(xué)習(xí)框架——TensorFlow 94
7.4 深度學(xué)習(xí)框架——Keras 96
第8章 綜合案例 103
8.1 期權(quán)定價綜合應(yīng)用場景 103
8.2 層次風(fēng)險平價方法應(yīng)用場景 121
8.3 深度學(xué)習(xí)在金融市場中的應(yīng)用場景 125
參考文獻(xiàn) 137