新書推薦：
《
大模型启示录
》
售價：NT$
510.0
《
东法西渐：19世纪前西方对中国法的记述与评价
》
售價：NT$
918.0
《
养育男孩：官方升级版
》
售價：NT$
230.0
《
小原流花道技法教程
》
售價：NT$
500.0
《
少女映像室 唯美人像摄影从入门到实战
》
售價：NT$
505.0
《
詹姆斯·伍德系列：不负责任的自我：论笑与小说（“美国图书评论奖”入围作品 当代重要文学批评家詹姆斯·伍德对“文学中的笑与喜剧”的精湛研究）
》
售價：NT$
398.0
《
武当内家散手
》
售價：NT$
230.0
《
诛吕：“诸吕之乱”的真相与吕太后时期的权力结构
》
售價：NT$
454.0
|
| 編輯推薦： |
《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年广东财经大学投资学教学团队建设项目”“2020年投资学专业广东省一流本科专业建设项目”“2021年投资学专业一流本科专业建设项目”等阶段性成果。
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。
|
| 內容簡介： |
|
《Python量化金融与人工智能》内容包括：量化金融投资基础及Python下载、安装与启动，Python编程基础，Python金融数据存取，Python工具库NumPy数组与矩阵计算，Python工具库SciPy优化与统计分析，Python工具库Pandas数据对象及数据分析，Python描述统计，Python参数估计及其应用，Python参数假设检验，Python相关分析与回归分析，Python多重共线性处理，Python异方差处理，Python自相关处理，Python金融时间序列分析的日期处理，Python金融时间序列的自相关性与平稳性，Python金融时间序列分析的ARIMA模型，Python金融时间序列分析的ARCH与GARCH模型，Python资产组合的收益率与风险，Python-optimize工具优化资产组合均值方差模型，Python在有无风险资产的均值方差模型中的应用，Python在资本资产定价模型中的应用，贝塔对冲策略，量化选股策略分析，量化择时策略分析，量化选股与量化择时组合策略分析，金融大数据量化投资统计套利的协整配对交易策略，基于Python环境的配对交易策略，人工智能机器学习量化金融策略等。 《Python量化金融与人工智能》内容新颖、全面，实用性强，融理论、方法、应用于一体，是一部供金融学、金融工程、投资学、保险学、经济学、财政学、统计学、应用统计、数量经济学、管理科学与工程、计算机应用技术、应用数学、计算数学、概率统计、财务管理、会计学、工商管理等专业的本科高年级学生与研究生使用的参考书。
|
| 關於作者： |
|
朱顺泉，广东财经大学金融学院教授，长期从事本科生与研究生的投资学、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，。主持完成国家社会科学项目基金、教育部社会科学项目基金等项目共十余项。主要研究方向：投资学、金融工程、金融市场、公司金融财务等。
|
| 目錄：
|
第1篇 量化金融投资基础与Python技术
第1章 量化金融投资基础及Python
下载、安装与启动 3
1.1 量化金融投资基础 3
1.1.1 量化金融投资的概念 3
1.1.2 量化金融投资的优势 4
1.1.3 量化金融投资的历史和未来 4
1.1.4 量化金融投资的应用与流程 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
2.3 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 22
3.3 Python-pandas的csv格式数据
文件存取 22
3.4 Python-pandas的Excel格式数据
文件存取 23
3.5 读取并查看数据表列 23
3.6 读取挖地兔财经网站的数据 24
3.7 挖地兔Tushare财经网站数据的
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财经网站数据 29
3.11 存取Yahoo财经网站数据 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基本金融数据分析 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 描述性统计的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、偏度与正态性检验 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参数假设检验 100
9.1 参数假设检验的基本理论 100
9.1.1 p-value决策 100
9.1.2 假设检验 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单样本方差假设检验 110
9.6 Python双样本方差假设检验 111
练习题 113
第10章 Python相关分析与
回归分析 114
10.1 Python相关分析 114
10.2 Python一元线性回归分析的
statsmodels应用 118
10.3 Python多元线性回归分析 121
练习题 125
第3篇 Python基本计量经济分析
第11章 Python多重共线性处理 129
11.1 多重共线性的概念 129
11.2 多重共线性的后果 130
11.3 产生多重共线性的原因 130
11.4 多重共线性的识别和检验 131
11.5 消除多重共线性的方法 132
11.6 Python多重共线性诊断 135
11.7 Python多重共线性消除 137
练习题 138
第12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
12.3 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
第13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自相关性诊断与消除 157
练习题 159
第4篇 Python金融时间序列分析
第14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
第15章 Python金融时间序列的
自相关性与平稳性 175
15.1 引言 175
15.2 自相关性 175
15.3 平稳性 178
15.4 白噪声和随机游走 179
15.5 Python模拟白噪声和平稳性
检验 180
15.6 沪深300近三年来数据的平稳性
检验分析 183
练习题 187
第16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
第17章 Python金融时间序列分析的
ARCH与GARCH模型 200
17.1 引言 200
17.2 股票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金融投资理论
第18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
第19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 223
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 全局小方差 230
19.3.3 有效资产组合 230
19.4 两基金分离定理 231
19.5 Python应用于Markowitz投资
组合优化 232
19.5.1 股票的选择 232
19.5.2 Markowitz投资组合优化
基本理论 233
19.5.3 投资组合优化的Python
应用 234
练习题 239
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 无风险资产对小方差组合的
影响 242
20.3 Python应用于存在无风险资产的
两基金分离定理 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
第21章 Python在资本资产定价
模型中的应用 249
21.1 资本资产定价模型假设 249
21.2 Python应用于资本市场线 249
21.3 Python应用于证券市场线 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量化金融投资策略
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23章 量化选股策略分析 266
23.1 小市值的量化选股策略 266
23.2 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 金融大数据量化投资统计
套利的协整配对交易策略 291
26.1 协整基本知识 291
26.2 平稳性检验及其实例 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 线性回归 312
28.2.2 逻辑回归 313
28.2.3 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 广义线性模型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 323
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 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
|
| 內容試閱：
|
“量化金融投资”以数据为基础，以优化和统计等数学模型为核心，结合现代金融理论(金融市场及机构、公司金融、投资学、金融工程等)，在各类金融机构以及监管部门中都有广泛的应用。量化金融投资起源于投资组合理论，随着投资管理技术、云计算、大数据、人工智能及计算机技术的快速发展，在金融市场逐步成熟之后，量化金融投资得到了迅速发展。在目前国际、国内经济大背景，以及中国股票市场、期货市场形态多变的投资环境下，量化金融投资应如何调整策略以适应新的投资环境，量化金融投资该如何在期货市场持续发展，如何在中国特色特定的金融市场环境中开展量化金融投资与对冲基金业务等问题，值得我们深思！诸如此类的问题，亟须学者们进行深入研究，为中国量化金融投资发展指明方向。本书的构思，正是在这样的背景下提出来的。
随着信息科技的普及、金融计量方法的蓬勃发展以及金融衍生工具的多样化选择，金融科技与量化金融投资快速发展，掀起了一股热潮，金融市场特别是基金和证券行业对金融科技与量化金融投资人才的需求逐年攀升，但市场上这方面的人才却十分匮乏。目前国内就“量化金融投资”这门新兴交叉学科缺乏相应的教学辅导资料，而且许多高等学校对这门学科的建设缺乏经验。鉴于此，我们特出版本书，以适应金融科技与量化金融投资专业创新型人才培养的知识结构要求。
本书以Bigquant量化金融投资平台为基础，利用我国的实际数据给出金融投资方法与策略的Python应用，具有很好的实用价值。本书实例丰富，具有很强的针对性，读者只需按照书中介绍的步骤一步一步地实际操作，就能掌握全书的内容。量化技术与方法在Python环境下运行，量化金融投资的部分策略在Bigquant量化金融投资云计算平台下运行，部分策略在Python-Spyder环境下调试、运行。
本书共分6篇：第1篇为量化金融投资基础与Python技术；第2篇为Python统计分析；第3篇为Python基本计量经济分析；第4篇为Python金融时间序列分析；第5篇为Python金融投资理论；第6篇为Python量化金融投资策略。具体内容是这样安排的：第1章介绍量化金融投资基础及Python下载、安装与启动；第2章介绍Python编程基础；第3章介绍Python金融数据存取；第4章介绍Python工具库NumPy数组与矩阵计算；第5章介绍Python工具库SciPy优化与统计分析；第6章介绍Python工具库Pandas数据对象及数据分析；第7章介绍Python描述统计；第8章介绍Python参数估计及其应用；第9章介绍Python参数假设检验；第10章介绍Python相关分析与回归分析；第11章介绍Python多重共线性处理；第12章介绍Python异方差处理；第13章介绍Python自相关处理；第14章介绍Python金融时间序列分析的日期处理；第15章介绍Python金融时间序列的自相关性与平稳性；第16章介绍Python金融时间序列分析的ARIMA模型；第17章介绍Python金融时间序列分析的ARCH与GARCH模型；第18章介绍Python资产组合的收益率与风险；第19章介绍Python-optimize工具优化资产组合均值方差模型；第20章介绍Python在有无风险资产的均值方差模型中的应用；第21章介绍Python在资本资产定价模型中的应用；第22章介绍贝塔对冲策略；第23章介绍量化选股策略分析；第24章介绍量化择时策略分析；第25章介绍量化选股与量化择时组合策略分析；第?26?章介绍金融大数据量化投资统计套利的协整配对交易策略；第?27?章介绍基于Python环境的配对交易策略；第28章介绍人工智能机器学习量化金融策略等。
本书是“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年广东财经大学投资学教学团队建设项目”“2020年投资学专业广东省一流本科专业建设项目”“2021年投资学专业一流本科专业建设项目”等阶段性成果。
本书是一部供金融学、金融工程、投资学、保险学、经济学、财政学、统计学、应用统计、数量经济学、管理科学与工程、计算机应用技术、应用数学、计算数学、概率统计、财务管理、会计学、工商管理等专业的本科高年级学生与研究生使用的参考书；也适合以下Python工作者使用，如有计算机背景的软件工程师、有数据分析背景的数据科学家；金融行业从业者，如券商研究员、金融分析师、基金经理、宽客等。
由于时间和水平的限制，书中难免出现纰漏，恳请读者谅解并提出宝贵意见。
编 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
