第 1部分 入门篇
第 1章 Python概览 2
1．1 Python的定义与比较优势 3
1．1．1 Python简介 3
1．1．2 Python的比较优势 4
1．2 Python之父—吉多·范罗苏姆 5
1．3 Python的演进历史和常用版本 7
1．4 Python的安装 8
1．4．1 单独安装 8
1．4．2 集成安装 8
1．4．3 安装并启动Anaconda 9
1．4．4 Spyder的界面 12
1．5 学习Python的方法论 13
1．5．1 学习的态度 13
1．5．2 学习的原则 13
1．5．3 学习的方法 14
1．6 金融数据的获取 15
1．6．1 万得（Wind） 15
1．6．2 同花顺 15
1．6．3 CCER经济金融数据库 15
1．6．4 国泰安经济金融研究数据库 16
1．7 小结 16
1．8 拓展阅读 16
第 2章 结合金融演示Python的基本
操作 17
2．1 金融变量在Python中的赋值 18
2．2 Python的数据类型 18
2．2．1 整型 19
2．2．2 浮点型 19
2．2．3 复数 20
2．2．4 字符串 20
2．3 Python的数据结构 23
2．3．1 元组 23
2．3．2 列表 25
2．3．3 集合 28
2．3．4 字典 30
2．4 Python的运算符号 33
2．4．1 基本算术运算符号 33
2．4．2 关系运算符号 36
2．4．3 赋值运算符号 37
2．4．4 成员运算符号 38
2．5 Python的主要内置函数 39
2．6 自定义函数 43
2．6．1 运用def语法 43
2．6．2 运用lambda函数 44
2．7 Python的语句 44
2．7．1 条件语句 44
2．7．2 循环语句 46
2．7．3 条件语句和循环语句结合 48
2．8 模块的导入与math模块 49
2．8．1 模块导入的若干种方法 50
2．8．2 math模块 51
2．9 小结 53
2．10 拓展阅读 53
第 2部分 基础篇
第3章 结合金融场景演示NumPy
模块的操作 56
3．1 从一个投资案例讲起 57
3．2 N维数组 58
3．2．1 数组的结构 58
3．2．2 数组的便捷生成 60
3．3 数组的索引、切片和排序 63
3．3．1 索引 63
3．3．2 切片 64
3．3．3 排序 64
3．4 数组的相关运算 65
3．4．1 数组内的运算 65
3．4．2 数组间的运算 69
3．4．3 矩阵的操作 72
3．5 通过NumPy生成随机数 74
3．5．1 主要的统计分布 74
3．5．2 主要函数 80
3．5．3 相关示例 82
3．6 小结 85
3．7 拓展阅读 86
第4章 结合金融时间序列演示Pandas
模块的操作 87
4．1 Pandas的数据结构 88
4．1．1 序列 88
4．1．2 数据框 90
4．1．3 外部数据导入并直接生成
数据框 91
4．2 数组框的可视化 93
4．2．1 中文字体的可视化 93
4．2．2 数据框可视化的函数与参数 94
4．2．3 一个示例 95
4．3 数据框内部的操作 96
4．3．1 描述数据框的基本性质 96
4．3．2 数据框的索引与截取 98
4．3．3 数据框的排序 100
4．3．4 数据框的更改 102
4．4 数据框之间的操作 105
4．4．1 生成两个新的数据框 105
4．4．2 函数concat的运用 106
4．4．3 函数merge的运用 108
4．4．4 函数join的运用 109
4．5 数组框的主要统计函数 109
4．5．1 静态的统计函数 110
4．5．2 移动窗口与动态统计函数 114
4．6 小结 117
4．7 拓展阅读 117
第5章 结合金融场景演示Matplotlib
模块的操作 118
5．1 基本函数 119
5．2 曲线图 122
5．2．1 单一曲线图 123
5．2．2 多图绘制 124
5．3 直方图 126
5．3．1 单一样本的直方图 126
5．3．2 多个样本的直方图 128
5．4 条形图 129
5．4．1 垂直条形图 130
5．4．2 水平条形图 132
5．5 散点图 133
5．6 饼图 136
5．7 小结 138
5．8 拓展阅读 138
第6章 结合金融场景演示SciPy等
模块的操作 139
6．1 SciPy模块 140
6．1．1 求积分 141
6．1．2 插值法 142
6．1．3 求解方程组 144
6．1．4 最优化求解 146
6．1．5 统计功能 150
6．2 StatsModels模块 156
6．3 波动率模型与arch模块 159
6．3．1 估计波动率 159
6．3．2 ARCH模型 160
6．3．3 GARCH模型 161
6．3．4 arch模块 163
6．4 datetime模块 167
6．4．1 创建时间的对象 168
6．4．2 访问时间对象的属性 169
6．4．3 时间对象的运算 169
6．5 小结 171
6．6 拓展阅读 171
第3部分 提高篇
第7章 运用Python分析利率与债券 174
7．1 利率体系 175
7．1．1 中央银行利率 175
7．1．2 金融机构利率 177
7．1．3 金融市场利率 179
7．2 债券市场 182
7．2．1 债券交易场所 183
7．2．2 债券品种 185
7．3 利率的度量 188
7．3．1 利率的复利频次 189
7．3．2 连续复利 192
7．3．3 零息利率 194
7．4 债券定价与债券收益率 195
7．4．1 债券的核心要素 195
7．4．2 基于单一贴现率的债券定价 195
7．4．3 债券到期收益率 196
7．4．4 基于不同期限贴现率的债券
定价 197
7．4．5 通过票息剥离法计算零息
利率 198
7．4．6 运用零息利率对债券定价 203
7．5 远期利率与远期利率协议 204
7．5．1 远期利率 204
7．5．2 远期利率协议 207
7．6 衡量债券利率风险的线性指标—
久期 211
7．6．1 麦考利久期 212
7．6．2 修正久期 214
7．6．3 美元久期 217
7．7 衡量债券利率风险的非线性
指标—凸性 218
7．7．1 凸性的表达式 219
7．7．2 案例 219
7．7．3 重要关系式 220
7．8 小结 221
7．9 拓展阅读 221
第8章 运用Python分析股票投资 222
8．1 股票市场简介 223
8．1．1 多层次股票市场 223
8．1．2 主要的股票指数 225
8．2 股票投资组合 228
8．2．1 投资组合的主要变量 229
8．2．2 投资组合的有效前沿 235
8．2．3 资本市场线 239
8．3 资本资产定价模型 241
8．3．1 系统风险与非系统风险 241
8．3．2 模型数学表达式及运用 245
8．4 股价服从的随机过程 249
8．4．1 马尔可夫过程与有效市场假说 249
8．4．2 维纳过程与广义维纳过程 251
8．4．3 几何布朗运动 253
8．5 投资组合的绩效评估 259
8．5．1 夏普比率 259
8．5．2 索提诺比率 262
8．5．3 特雷诺比率 264
8．5．4 信息比率 266
8．6 小结 268
8．7 拓展阅读 269
第9章 运用Python分析期货套期
保值 270
9．1 期货市场的简介 271
9．1．1 期货交易所及合约品种 271
9．1．2 股指期货合约的介绍 275
9．1．3 国债期货合约的介绍 277
9．1．4 参与期货交易的动机 279
9．2 股指期货的套期保值 280
9．2．1 套期保值的类型 280
9．2．2 追加保证金的风险 282
9．2．3 基差风险 285
9．2．4 交叉套期保值 289
9．3 国债期货合约的套期保值 297
9．3．1 计息天数规则 298
9．3．2 国债的报价 300
9．3．3 国债期货最终价格 301
9．3．4 国债期货的最廉价交割 304
9．3．5 基于久期的套期保值策略 307
9．4 小结 310
9．5 拓展阅读 310
第 10章 运用Python分析期权的
定价与风险 311
10．1 A股股票期权市场简介 312
10．1．1 权证市场 312
10．1．2 股指期权合约 313
10．2 期权类型和到期时的盈亏 315
10．2．1 期权的类型和要素 315
10．2．2 看涨期权到期时的盈亏 316
10．2．3 看跌期权到期时的盈亏 318
10．2．4 看跌-看涨平价关系式 320
10．3 布莱克-斯科尔斯-默顿模型 323
10．4 期权价格与相关变量的关系 325
10．4．1 期权价格与基础资产价格的
关系 325
10．4．2 期权价格与执行价格的关系 326
10．4．3 期权价格与波动率的关系 327
10．4．4 期权价格与无风险收益率的
关系 328
10．4．5 期权价格与期权期限的关系 330
10．5 衡量期权的风险—希腊字母 331
10．5．1 期权的Delta 331
10．5．2 期权的Gamma 335
10．5．3 期权的Theta 339
10．5．4 期权的Vega 343
10．5．5 期权的Rho 347
10．6 期权的隐含波动率 351
10．6．1 运用牛顿迭代法计算隐含
波动率 351
10．6．2 运用二分查找法计算隐含
波动率 353
10．7 波动率微笑与斜偏 355
10．7．1 波动率微笑 355
10．7．2 波动率斜偏 358
10．8 小结 362
10．9 拓展阅读 362
第 11章 运用Python分析期权交易
策略 363
11．1 保本票据 364
11．1．1 一个虚拟的案例 364
11．1．2 一个真实市场的案例 366
11．2 单一期权与单一基础资产的策略 368
11．2．1 买入备兑看涨期权 369
11．2．2 卖出备兑看涨期权 371
11．2．3 买入保护看跌期权 373
11．2．4 卖出保护看跌期权 375
11．2．5 策略的期间收益 377
11．3 价差交易策略 381
11．3．1 牛市价差策略 381
11．3．2 熊市价差策略 385
11．3．3 盒式价差策略 389
11．3．4 蝶式价差策略 392
11．4 组合策略 397
11．4．1 跨式组合策略 397
11．4．2 序列组合策略与带式组合
策略 401
11．4．3 宽跨式组合策略 404
11．5 小结 412
11．6 拓展阅读 412
第 12章 运用Python测度风险价值 413
12．1 风险价值的概述 414
12．1．1 风险价值的定义 414
12．1．2 运用Python对风险价值
可视化 415
12．1．3 风险价值的优点与局限性 417
12．2 风险价值的方差-协方差法 418
12．2．1 方差-协方差法的简介 418
12．2．2 案例 420
12．3 风险价值的历史模拟法 423
12．3．1 历史模拟法的简介 423
12．3．2 案例 425
12．4 蒙特卡罗模拟法 428
12．4．1 蒙特卡罗模拟的简介 428
12．4．2 案例 430
12．5 回溯检验、压力测试与压力风险
价值 434
12．5．1 回溯检验 434
12．5．2 压力测试 437
12．5．3 压力风险价值 439
12．5．4 比较不同方法计算的风险
价值 443
12．6 小结 443
12．7 扩展阅读 443
后记 445
· · · · · · (收起)
第 1章 Python概览 2
1．1 Python的定义与比较优势 3
1．1．1 Python简介 3
1．1．2 Python的比较优势 4
1．2 Python之父—吉多·范罗苏姆 5
1．3 Python的演进历史和常用版本 7
1．4 Python的安装 8
1．4．1 单独安装 8
1．4．2 集成安装 8
1．4．3 安装并启动Anaconda 9
1．4．4 Spyder的界面 12
1．5 学习Python的方法论 13
1．5．1 学习的态度 13
1．5．2 学习的原则 13
1．5．3 学习的方法 14
1．6 金融数据的获取 15
1．6．1 万得（Wind） 15
1．6．2 同花顺 15
1．6．3 CCER经济金融数据库 15
1．6．4 国泰安经济金融研究数据库 16
1．7 小结 16
1．8 拓展阅读 16
第 2章 结合金融演示Python的基本
操作 17
2．1 金融变量在Python中的赋值 18
2．2 Python的数据类型 18
2．2．1 整型 19
2．2．2 浮点型 19
2．2．3 复数 20
2．2．4 字符串 20
2．3 Python的数据结构 23
2．3．1 元组 23
2．3．2 列表 25
2．3．3 集合 28
2．3．4 字典 30
2．4 Python的运算符号 33
2．4．1 基本算术运算符号 33
2．4．2 关系运算符号 36
2．4．3 赋值运算符号 37
2．4．4 成员运算符号 38
2．5 Python的主要内置函数 39
2．6 自定义函数 43
2．6．1 运用def语法 43
2．6．2 运用lambda函数 44
2．7 Python的语句 44
2．7．1 条件语句 44
2．7．2 循环语句 46
2．7．3 条件语句和循环语句结合 48
2．8 模块的导入与math模块 49
2．8．1 模块导入的若干种方法 50
2．8．2 math模块 51
2．9 小结 53
2．10 拓展阅读 53
第 2部分 基础篇
第3章 结合金融场景演示NumPy
模块的操作 56
3．1 从一个投资案例讲起 57
3．2 N维数组 58
3．2．1 数组的结构 58
3．2．2 数组的便捷生成 60
3．3 数组的索引、切片和排序 63
3．3．1 索引 63
3．3．2 切片 64
3．3．3 排序 64
3．4 数组的相关运算 65
3．4．1 数组内的运算 65
3．4．2 数组间的运算 69
3．4．3 矩阵的操作 72
3．5 通过NumPy生成随机数 74
3．5．1 主要的统计分布 74
3．5．2 主要函数 80
3．5．3 相关示例 82
3．6 小结 85
3．7 拓展阅读 86
第4章 结合金融时间序列演示Pandas
模块的操作 87
4．1 Pandas的数据结构 88
4．1．1 序列 88
4．1．2 数据框 90
4．1．3 外部数据导入并直接生成
数据框 91
4．2 数组框的可视化 93
4．2．1 中文字体的可视化 93
4．2．2 数据框可视化的函数与参数 94
4．2．3 一个示例 95
4．3 数据框内部的操作 96
4．3．1 描述数据框的基本性质 96
4．3．2 数据框的索引与截取 98
4．3．3 数据框的排序 100
4．3．4 数据框的更改 102
4．4 数据框之间的操作 105
4．4．1 生成两个新的数据框 105
4．4．2 函数concat的运用 106
4．4．3 函数merge的运用 108
4．4．4 函数join的运用 109
4．5 数组框的主要统计函数 109
4．5．1 静态的统计函数 110
4．5．2 移动窗口与动态统计函数 114
4．6 小结 117
4．7 拓展阅读 117
第5章 结合金融场景演示Matplotlib
模块的操作 118
5．1 基本函数 119
5．2 曲线图 122
5．2．1 单一曲线图 123
5．2．2 多图绘制 124
5．3 直方图 126
5．3．1 单一样本的直方图 126
5．3．2 多个样本的直方图 128
5．4 条形图 129
5．4．1 垂直条形图 130
5．4．2 水平条形图 132
5．5 散点图 133
5．6 饼图 136
5．7 小结 138
5．8 拓展阅读 138
第6章 结合金融场景演示SciPy等
模块的操作 139
6．1 SciPy模块 140
6．1．1 求积分 141
6．1．2 插值法 142
6．1．3 求解方程组 144
6．1．4 最优化求解 146
6．1．5 统计功能 150
6．2 StatsModels模块 156
6．3 波动率模型与arch模块 159
6．3．1 估计波动率 159
6．3．2 ARCH模型 160
6．3．3 GARCH模型 161
6．3．4 arch模块 163
6．4 datetime模块 167
6．4．1 创建时间的对象 168
6．4．2 访问时间对象的属性 169
6．4．3 时间对象的运算 169
6．5 小结 171
6．6 拓展阅读 171
第3部分 提高篇
第7章 运用Python分析利率与债券 174
7．1 利率体系 175
7．1．1 中央银行利率 175
7．1．2 金融机构利率 177
7．1．3 金融市场利率 179
7．2 债券市场 182
7．2．1 债券交易场所 183
7．2．2 债券品种 185
7．3 利率的度量 188
7．3．1 利率的复利频次 189
7．3．2 连续复利 192
7．3．3 零息利率 194
7．4 债券定价与债券收益率 195
7．4．1 债券的核心要素 195
7．4．2 基于单一贴现率的债券定价 195
7．4．3 债券到期收益率 196
7．4．4 基于不同期限贴现率的债券
定价 197
7．4．5 通过票息剥离法计算零息
利率 198
7．4．6 运用零息利率对债券定价 203
7．5 远期利率与远期利率协议 204
7．5．1 远期利率 204
7．5．2 远期利率协议 207
7．6 衡量债券利率风险的线性指标—
久期 211
7．6．1 麦考利久期 212
7．6．2 修正久期 214
7．6．3 美元久期 217
7．7 衡量债券利率风险的非线性
指标—凸性 218
7．7．1 凸性的表达式 219
7．7．2 案例 219
7．7．3 重要关系式 220
7．8 小结 221
7．9 拓展阅读 221
第8章 运用Python分析股票投资 222
8．1 股票市场简介 223
8．1．1 多层次股票市场 223
8．1．2 主要的股票指数 225
8．2 股票投资组合 228
8．2．1 投资组合的主要变量 229
8．2．2 投资组合的有效前沿 235
8．2．3 资本市场线 239
8．3 资本资产定价模型 241
8．3．1 系统风险与非系统风险 241
8．3．2 模型数学表达式及运用 245
8．4 股价服从的随机过程 249
8．4．1 马尔可夫过程与有效市场假说 249
8．4．2 维纳过程与广义维纳过程 251
8．4．3 几何布朗运动 253
8．5 投资组合的绩效评估 259
8．5．1 夏普比率 259
8．5．2 索提诺比率 262
8．5．3 特雷诺比率 264
8．5．4 信息比率 266
8．6 小结 268
8．7 拓展阅读 269
第9章 运用Python分析期货套期
保值 270
9．1 期货市场的简介 271
9．1．1 期货交易所及合约品种 271
9．1．2 股指期货合约的介绍 275
9．1．3 国债期货合约的介绍 277
9．1．4 参与期货交易的动机 279
9．2 股指期货的套期保值 280
9．2．1 套期保值的类型 280
9．2．2 追加保证金的风险 282
9．2．3 基差风险 285
9．2．4 交叉套期保值 289
9．3 国债期货合约的套期保值 297
9．3．1 计息天数规则 298
9．3．2 国债的报价 300
9．3．3 国债期货最终价格 301
9．3．4 国债期货的最廉价交割 304
9．3．5 基于久期的套期保值策略 307
9．4 小结 310
9．5 拓展阅读 310
第 10章 运用Python分析期权的
定价与风险 311
10．1 A股股票期权市场简介 312
10．1．1 权证市场 312
10．1．2 股指期权合约 313
10．2 期权类型和到期时的盈亏 315
10．2．1 期权的类型和要素 315
10．2．2 看涨期权到期时的盈亏 316
10．2．3 看跌期权到期时的盈亏 318
10．2．4 看跌-看涨平价关系式 320
10．3 布莱克-斯科尔斯-默顿模型 323
10．4 期权价格与相关变量的关系 325
10．4．1 期权价格与基础资产价格的
关系 325
10．4．2 期权价格与执行价格的关系 326
10．4．3 期权价格与波动率的关系 327
10．4．4 期权价格与无风险收益率的
关系 328
10．4．5 期权价格与期权期限的关系 330
10．5 衡量期权的风险—希腊字母 331
10．5．1 期权的Delta 331
10．5．2 期权的Gamma 335
10．5．3 期权的Theta 339
10．5．4 期权的Vega 343
10．5．5 期权的Rho 347
10．6 期权的隐含波动率 351
10．6．1 运用牛顿迭代法计算隐含
波动率 351
10．6．2 运用二分查找法计算隐含
波动率 353
10．7 波动率微笑与斜偏 355
10．7．1 波动率微笑 355
10．7．2 波动率斜偏 358
10．8 小结 362
10．9 拓展阅读 362
第 11章 运用Python分析期权交易
策略 363
11．1 保本票据 364
11．1．1 一个虚拟的案例 364
11．1．2 一个真实市场的案例 366
11．2 单一期权与单一基础资产的策略 368
11．2．1 买入备兑看涨期权 369
11．2．2 卖出备兑看涨期权 371
11．2．3 买入保护看跌期权 373
11．2．4 卖出保护看跌期权 375
11．2．5 策略的期间收益 377
11．3 价差交易策略 381
11．3．1 牛市价差策略 381
11．3．2 熊市价差策略 385
11．3．3 盒式价差策略 389
11．3．4 蝶式价差策略 392
11．4 组合策略 397
11．4．1 跨式组合策略 397
11．4．2 序列组合策略与带式组合
策略 401
11．4．3 宽跨式组合策略 404
11．5 小结 412
11．6 拓展阅读 412
第 12章 运用Python测度风险价值 413
12．1 风险价值的概述 414
12．1．1 风险价值的定义 414
12．1．2 运用Python对风险价值
可视化 415
12．1．3 风险价值的优点与局限性 417
12．2 风险价值的方差-协方差法 418
12．2．1 方差-协方差法的简介 418
12．2．2 案例 420
12．3 风险价值的历史模拟法 423
12．3．1 历史模拟法的简介 423
12．3．2 案例 425
12．4 蒙特卡罗模拟法 428
12．4．1 蒙特卡罗模拟的简介 428
12．4．2 案例 430
12．5 回溯检验、压力测试与压力风险
价值 434
12．5．1 回溯检验 434
12．5．2 压力测试 437
12．5．3 压力风险价值 439
12．5．4 比较不同方法计算的风险
价值 443
12．6 小结 443
12．7 扩展阅读 443
后记 445
· · · · · · (收起)
具体描述
金融科技時代已經到來，善於將金融理論與IT技術進行深度融閤的人，將成為新時代獨具競爭力的金融科技類人纔。無論是打算在金融領域求職的新人，還是希望進一步提升個人能力的“職場老手”，本書都值得一看。
1.內容前沿，將Python編程與金融分析、風險管理巧妙結閤，引領金融科技新時代。
2.源於實踐，完美整閤瞭作者20餘年的金融從業經驗和Python編程實踐。
3.實例豐富，提供244個金融實戰案例，彰顯Python在金融領域運用的簡潔與高效。
4.注重效率，清晰的編程步驟和詳盡的代碼注釋，幫你輕鬆理解並掌握Python編程。
5.覆蓋麵廣，案例涵蓋貨幣市場、債券市場、股票市場、期貨市場和期權市場。
6.聚焦風控，深度剖析各類金融産品的風險，討論風險管理的重要工具和量化模型。
Python是一門開源的編程語言，憑藉其易學和靈活的特點，得到瞭越來越多人的認可和青睞。它在金融領域也有著非常好的應用現狀和前景。
本書聚焦於Python在金融分析與風險管理的應用，全書分為入門篇、基礎篇和提高篇，共12章。入門篇對Python做瞭介紹並結閤金融場景演示瞭Python的基本操作；基礎篇結閤金融場景，講解NumPy、Pandas、Matplotlib、SciPy等Python模塊的具體運用；提高篇詳細討論運用Python分析利率、債券、股票、期貨、期權以及風險價值等內容。
本書是專注於Python在金融領域運用的普及性讀物，作者斯文博士在金融與風險管理方麵有著深厚的積纍，同時也有著豐富的編程經驗，一直緻力於倡導和推廣Python在金融領域的運用。
本書適閤想要掌握Python應用的金融學習者、金融從業者閱讀，也適閤想要轉行到金融領域的程序員以及對Python在金融領域的實踐應用感興趣的人士閱讀，並且不要求讀者有Python編程基礎。
用户评价
评分
##已买，有用性很有限
评分 评分 评分##还行吧
评分 评分##将金融分析与python结合起来，很适合python的初学者，但是还是要一些金融的功底才能看懂，前半部分主要是将python，后半部分是金融与python的结合，但是侧重于金融模型的函数构建。作为入门书，可读。
评分##还行吧
评分##对Hull书的部分章节运用Python对国内数据的简单实现，适合入门。不过对理论理解有所帮助，为读者做更深入的操作开了个头。书的文字部分写得认真，代码写的比较初级、但解释清楚、可以运行，比一些现有的粗糙翻译外国教材还是要好些
评分相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有