量化金融投資及其Python套用

《量化金融投資及其Python套用》是由清華大學出版社於2018年9月出版的圖書，作者是朱順泉。

基本介紹

• 書名：量化金融投資及其Python套用 
• 作者：朱順泉 
• ISBN：9787302500414 
• 定價：49元 
• 出版社：清華大學出版社 
• 出版時間：2018.09.01 

內容簡介

《量化金融投資及其Python套用》內容包括：（1）量化金融投資的Python工作環境；（2）Python基礎知識與編程基礎；（3）量化金融投資程式包Python-NumPy套用；（4）量化金融投資程式包Python-SciPy套用；（5）量化金融投資程式包Python-Pandas基本數據結構；（6）量化金融投資程式包Python-Pandas在金融數據處理中的套用；（7）金融時間序列分析及其Python套用；（8）中國股市分析及其Python套用；（9）機器學習神經網路算法及其Python套用；（10）機器學習支持向量機SVM及其Python套用；（11）歐式期權定價的Python套用；（12）函式插值的Python套用；（13）期權定價二叉樹算法的Python套用；（14）偏微分方程顯式差分法的Python套用；（15）偏微分方程隱式差分法的Python套用；（16）Black-Scholes偏微分方程隱

圖書目錄

第1章量化金融投資平台與Python工作環境

1.1國內外量化金融投資平台概述

1.2優礦平台界面

1.3優礦平台提供的服務

1.4優礦平台的Notebook功能

1.5優礦平台支持的Python程式包

1.6Python的下載

1.7Python的安裝

1.8Python的啟動和退出

練習題

第2章Python的兩個基本操作與編程基礎

2.1Python的兩個基本操作

2.2Python容器

2.3Python函式

2.4Python條件與循環

2.5Python類與對象

練習題

第3章NumPy在量化金融投資分析中的套用

3.1NumPy概述

3.2NumPy對象初步：數組

3.3創建數組

3.4數組和矩陣的運算

3.5訪問數組和矩陣元素

3.6矩陣操作

3.7缺失值

3.8一元線性回歸分析的NumPy套用

練習題

第4章SciPy在量化金融投資分析中的套用

4.1SciPy概述

4.2統計知識

4.3最佳化知識

4.3.1無約束最佳化問題

4.3.2有約束最佳化問題

4.3.3利用CVXOPT求解二次規劃問題

練習題

第5章pandas的基本數據結構

5.1pandas介紹

5.2pandas數據結構：Series

5.2.1創建Series

5.2.2Series數據的訪問

5.3pandas數據結構：DataFrame

5.3.1創建DataFrame

5.3.2DataFrame數據的訪問

練習題

第6章pandas在金融數據處理中的套用

6.1創建數據結構的方式

6.2數據的查看

6.3數據的訪問和操作

6.3.1再談數據的訪問

6.3.2處理缺失數據

6.3.3數據操作

6.4數據可視化

練習題

第7章金融時間序列分析及其Python套用

7.1時間序列分析的基礎知識

7.1.1時間序列的概念及其特徵

7.1.2平穩性

7.1.3相關係數和自相關函式

7.1.4白噪聲序列和線性時間序列

7.2自回歸模型

7.2.1AR(p)模型的特徵根及平穩性檢驗

7.2.2AR(p)模型的定階

7.2.3模型的檢驗

7.2.4擬合優度及預測

7.3移動平均模型及預測

7.3.1MA（q）模型的性質

7.3.2MA(q)模型的階次判定

7.3.3建模和預測

7.4自回歸移動平均模型及預測

7.4.1確定ARMA（p,q）模型的階次

7.4.2ARMA模型的建立及預測

7.5ARIMA模型及預測

7.5.1單位根檢驗

7.5.2ARIMA(p,d,q)模型階次確定

7.5.3ARIMA模型的建立及預測

7.6自回歸條件異方差模型ARCH及預測

7.6.1波動率的特徵

7.6.2ARCH模型的基本原理

7.6.3ARCH模型的建立及預測

7.7廣義自回歸條件異方差模型GARCH及波動率預測

7.7.1GARCH模型的建立

7.7.2波動率預測

練習題

第8章中國股市分析及其Python套用

8.1股票的基本信息

8.2股票收益風險分析

8.3基於風險價值的蒙特卡洛方法

練習題

第9章機器學習神經網路算法及其Python套用

9.1BP神經網路的拓撲結構

9.2BP神經網路的學習算法

9.3BP神經網路的學習程式

9.4BP神經網路算法股票預測的Python套用

練習題

第10章機器學習支持向量機及其Python套用

10.1機器學習支持向量機原理

10.2機器學習支持向量機的套用

練習題

第11章歐式期權定價的Python套用

11.1期權定價公式的Python函式

11.2使用NumPy加速批量計算

11.2.1使用循環的方式

11.2.2使用NumPy向量計算

11.3使用SciPy做仿真計算

11.4計算隱含波動率

練習題

第12章函式插值的Python套用

12.1如何使用SciPy做函式插值

12.2函式插值套用——期權波動率曲面構造

練習題

第13章期權定價二叉樹算法的Python套用

13.1二叉樹算法的Python描述

13.2用面向對象的方法實現二叉樹算法

13.2.1二叉樹框架

13.2.2二叉樹類型描述

13.2.3償付函式

13.2.4組裝

13.3美式期權定價的二叉樹算法

練習題

第14章偏微分方程顯式差分法的Python套用

14.1熱傳導方程

14.2顯式差分格式

14.3模組組裝

14.4顯式格式的條件穩定性

練習題

第15章偏微分方程隱式差分法的Python套用

15.1隱式差分格式

15.1.1矩陣求解

15.1.2隱式格式求解

15.2模組組裝

15.3使用SciPy加速

練習題

第16章BlackScholesMerton偏微分方程隱式差分法的Python套用

16.1BlackScholesMerton偏微分方差初邊值問題的提出

16.2偏微分方程隱式差分法

16.3Python套用實現

16.4收斂性測試

練習題

第17章優礦平台的量化金融投資初步

17.1量化金融投資基礎

17.2量化金融投資及其策略

17.3設定初始數據

17.4選取股票池

17.5初始化回測賬戶

17.6設定買賣條件

17.7組合成完整的量化策略

練習題

第18章Alpha對沖模型的Python套用

18.1Alpha對沖模型

18.2優礦平台的“三劍客”

18.3優礦平台對沖模型實例

練習題

第19章Signal框架下的Alpha量化金融投資策略的Python套用

19.1為什麼選擇Alpha對沖模型

19.2在優礦平台上構建Alpha對沖模型的神器——Signal框架

19.3典型公募基金團隊如何構建自己的Alpha對沖模型

19.4如何在優礦平台上一人超越一個公募基金團隊

練習題

第20章量化金融投資組合最佳化的Python套用

20.1馬科維茨投資組合最佳化基本理論

20.2投資組合最佳化的Python套用實例

20.3投資組合最佳化實際數據的Python套用

練習題

參考文獻