金融大數據應用與Python實踐

葉福蘭 全國高等院校電腦基礎教育研究會理事，福建省電腦學會理事，校教師教學培訓師，現任大數據學院副院長，主要研究方向為數據挖掘。近年來，獲“福州市先進教育工作者”、“福州市教育系統直屬單位優秀共產黨員”等校級以上榮譽20餘項；主持廳級以上課題8項，參與重大教改課題3項，出版教材6部，第一作者發表論文20餘篇，主講《數據挖掘》等課程10餘門；指導大學生創新創業訓練項目國家級3項，省級2項；指導學生參加學科競賽獲國家級獎項4項，省級獎項11項。

目錄

第 1章　數字金融新技術　1

1.1　金融與物聯網　2

1.1.1　物聯網的概念　2

1.1.2　物聯網的起源與發展　3

1.1.3　物聯網的特徵　4

1.1.4　物聯網體系架構　4

1.1.5　物聯網在金融中的應用　6

1.2　金融與雲計算　7

1.2.1　雲計算的定義和特點　8

1.2.2　雲計算的演進之路　9

1.2.3　雲計算架構　9

1.2.4　雲計算部署模式　10

1.2.5　雲計算關鍵技術　11

1.2.6　雲計算在金融中的應用　12

1.3　金融與區塊鏈　12

1.3.1　區塊鏈和比特幣的關系　13

1.3.2　區塊鏈的基本概念和工作原理　13

1.3.3　區塊鏈的主要特徵　14

1.3.4　區塊鏈在金融中的應用　15

1.4　金融與大數據　15

1.4.1　數據產生的歷史　16

1.4.2　什麽是大數據　17

1.4.3　大數據的特徵　17

1.4.4　大數據的相關技術　18

1.4.5　大數據在金融中的應用　21

1.5　金融與人工智能　21

1.5.1　人工智能就在你身邊　21

1.5.2　人工智能的概念　23

1.5.3　人工智能學派　24

1.5.4　人工智能關鍵技術　25

1.5.5　人工智能在金融中的應用　29

練習題　29

第 2章　數字金融人才必備辦公技能　31

2.1　Excel在金融中的應用　32

2.1.1　Excel基本操作　32

2.1.2　外部數據的獲取　36

2.1.3　使用公式和函數處理數據　40

2.1.4　金融數據的統計與管理　51

2.1.5　數據分析與可視化　60

2.2　Power BI在金融中的應用　63

2.2.1　Power BI概述　63

2.2.2　數據連接與數據清洗　67

2.2.3　可視化圖表及視覺對象　73

2.2.4　可視化報表　74

練習題　78

第3章　金融統計分析概述　81

3.1　金融統計分析的對象　81

3.1.1　金融統計分析的研究對象　81

3.1.2　金融統計分析的研究內容　82

3.2　金融統計分析的基本方法　82

3.2.1　理論分析方法　83

3.2.2　統計分析方法　83

3.2.3　數量分析方法　84

練習題　84

第4章　常見金融統計分析軟件　86

4.1　SPSS在金融統計分析中的應用　87

4.1.1　SPSS簡介　87

4.1.2　應用案例　92

4.2　EViews在金融統計分析中的應用　100

4.2.1　EViews簡介　100

4.2.2　應用案例　104

4.3　Stata在金融統計分析中的應用　108

4.3.1　Stata簡介　108

4.3.2　應用案例　113

練習題　117

第5章　Python概述　119

5.1　瞭解Python　120

5.1.1　Python發展史　120

5.1.2　Python優勢　120

5.1.3　Python應用領域　121

5.2　搭建與使用Python集成開發環境　121

5.2.1　集成開發環境簡介　121

5.2.2　使用PyCharm　126

5.3　Python基本語法　131

5.3.1　程序的書寫規範　131

5.3.2　變量與保留字　132

5.3.3　基本輸入與輸出函數　134

練習題　134

第6章　數據類型　136

6.1　基本數據類型　136

6.1.1　數值型　137

6.1.2　字符串型　137

6.1.3　布爾型　141

6.1.4　數據類型操作　141

6.2　組合數據類型　142

6.2.1　元組　142

6.2.2　列表　144

6.2.3　字典　145

6.2.4　集合　147

6.2.5　元組、列表、字典和集合的區別　149

6.3　運算符與表達式　149

6.3.1　算術運算符與算術表達式　149

6.3.2　賦值運算符與賦值表達式　150

6.3.3　關系運算符與關系表達式　150

6.3.4　邏輯運算符與邏輯表達式　151

6.3.5　運算符的優先級　151

練習題　151

第7章　程序控制結構　153

7.1　分支結構　154

7.1.1　單分支結構：if語句　154

7.1.2　雙分支結構：if…else語句　154

7.1.3　多分支結構：if…elif…else語句　155

7.1.4　分支語句嵌套　157

7.2　循環結構　158

7.2.1　for循環結構　158

7.2.2　while循環結構　159

7.2.3　循環嵌套　160

7.2.4　break語句和continue語句　161

7.2.5　包含else語句的循環結構　162

7.3　異常處理　162

7.3.1　異常類別　163

7.3.2　異常處理基本結構　163

7.3.3　常見的異常類型　163

7.3.4　異常處理示例　164

練習題　165

第8章　函數　167

8.1　函數概述　168

8.1.1　函數的基本概念　168

8.1.2　Python函數的分類　168

8.2　函數的定義和調用　170

8.2.1　函數的定義　170

8.2.2　函數的調用　171

8.2.3　lambda函數　171

8.2.4　函數的返回值　173

8.3　函數參數傳遞　174

8.3.1　位置傳遞　174

8.3.2　關鍵字傳遞　174

8.3.3　默認值傳遞　175

8.3.4　星號傳遞　176

8.4　變量作用域　177

8.4.1　局部變量　177

8.4.2　全局變量　178

8.4.3　global和nonlocal關鍵字　179

練習題　180

第9章　文件操作　182

9.1　文件概述　182

9.2　文件訪問　183

9.2.1　文件的打開　183

9.2.2　文件的遍歷　184

9.2.3　文件的關閉　185

9.3　文件的其他操作　186

9.3.1　文件的讀取　186

9.3.2　文件的定位　187

9.3.3　文件的寫入　187

9.3.4　文件與目錄操作　189

練習題　192

第 10章　Python數據分析常用第三方庫　193

10.1　數據分析基礎庫之NumPy　194

10.1.1　NumPy簡介　194

10.1.2　NumPy基本數據結構　194

10.1.3　NumPy核心功能及其應用　198

10.2　數據分析基礎庫之Pandas　206

10.2.1　Pandas簡介　206

10.2.2　Pandas基本數據結構　207

10.2.3　Pandas核心功能及其應用　212

10.3　數據可視化基礎庫之Matplotlib　221

10.3.1　Matplotlib簡介　221

10.3.2　Matplotlib核心功能及其應用　222

練習題　229

第 11章　金融與數據挖掘　232

11.1　生活中的金融　233

11.1.1　案例1：商場購物——現金和電子支付　233

11.1.2　案例2：銀行存款並購買理財產品——儲蓄和投資　233

11.1.3　案例3：證券公司開戶炒股——投資與理財　234

11.2　數據挖掘　234

11.2.1　數據挖掘的概念　234

11.2.2　大規模數據集　235

11.2.3　數據挖掘方法　236

11.3　數據挖掘在金融中的應用　237

練習題　238

第 12章　數據預處理和數據探索　240

12.1　數據挖掘的基本步驟　241

12.1.1　目標分析與拆解　241

12.1.2　數據收集　242

12.1.3　數據預處理、數據探索和可視化　242

12.1.4　分析與建模　244

12.1.5　模型評估　245

12.2　案例分析——數據收集和數據預處理　247

練習題　251

第 13章　數據挖掘常用方法　253

13.1　監督學習　253

13.1.1　回歸　254

13.1.2　分類　256

13.2　無監督學習　266

13.2.1　聚類　266

13.2.2　案例分析——銀行客戶群體劃分　270

13.2.3　關聯規則分析　275

13.2.4　案例分析——信用卡推薦　282

13.3　時間序列分析　285

13.3.1　時間序列分析概述　285

13.3.2　時間序列分析模型——ARIMA模型　285

13.3.3　案例分析——股票收盤價分析　287

練習題　293