金融科技

朱順泉

金融科技 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-04-01
  • 售價: $408
  • 語言: 簡體中文
  • ISBN: 7302655804
  • ISBN-13: 9787302655800
  • 相關分類: Fintech

    • 下單後立即進貨 (約4週~6週)

  • 金融科技-preview-1
  • 金融科技-preview-2
  • 金融科技-preview-3
  • 金融科技-preview-4
  • 金融科技-preview-5
  • 金融科技-preview-6
  • 金融科技-preview-7
金融科技-preview-1

相關主題

商品描述

"本書共5篇23章，內容包括:(1)量化投資基礎及Python應用環境；(2)Python程序設計基礎；(3)Python金融投資數據獲取；(4)Python工具庫NumPy數組與矩陣計算；(5)Python工具庫SciPy優化與統計；(6)Pandas金融投資數據分析；(7)Python描述性統計；(8)Python相關分析與回歸分析；(9)Python金融時間序列的自相關性與平穩性；(10)Python金融時間序列分析的ARIMA模型；(11)Python金融時間序列分析的ARCH與GARCH模型；(12)Python計算資產組合的收益率與風險；(13)Python優化工具在投資組合均值方差模型中的應用；(14)Python應用於存在無風險資產的均值方差模型；(15)Python在資本資產定價模型中的應用；(16)貝塔對沖策略；(17)量化選股策略；(18)量化擇時策略；(19)量化選股與量化擇時組合策略；(20)量化投資統計套利的協整配對交易策略；(21)基於Python環境的配對交易策略；(22)人工智能機器學習算法量化投資；(23)Backtrader量化交易軟件介紹。 本書內容新穎、全面，實用性強，融理論、方法、應用於一體，可作為金融科技、金融工程、金融學、投資學、保險學、會計學、財務管理、經濟學、財政學、統計學、數量經濟學、管理科學與工程、應用數學、計算機應用技術等專業的高年級本科生和研究生的教材或參考書。 "

作者簡介

朱順泉，男，漢族，湖南省邵東市人。2001南大學管理科學與工程專業金融工程方向研究生畢業，獲管理學博士學位，2004年於上海財經大學應用經濟學專業金融計量與統計方向博士後研究出站，2006年評為教授。曾先後工作於湖南財經學院、湖南大學、暨南大學等，指導各類碩士生90余人，現為廣東財經大學金融學院教授，長期從事本科生與研究生的投資學、金融工程、公司金融、金融市場、金融計量學、經濟博弈論、數據模型與決策等課程的教學和科研工作，一直致力於財經與科技相結合的交叉應用研究。發表學術論文一百余篇，主持完成國家社會科學項目、國家級一流專業建設點項目、教育部社會科學項目、廣東省一流專業建設點項目、廣東省科技計劃項目、廣東省哲學社會科學項目等共十余項。

目錄大綱

目錄

第1篇量化投資基礎與Python環境

第1章量化投資基礎及Python應用環境

1.1量化投資基礎

1．2為什麼選擇Python工具

1．3下載安裝Python執行文件

1．4Python工具Anaconda的下載

1．5Python的安裝

1．6Python的啟動和退出

練習題

第2章Python程序設計基礎

2．1Python基本知識

2．2Python數據結構

2．3Python函數

2．4幾個常用函數

2．5Python條件與循環

2．6Python類與對象

練習題

第3章Python金融投資數據獲取

3．1金融投資數據獲取的Tushare模塊

3．2金融投資數據獲取的Baostock模塊

3．3金融投資數據獲取的Yfinance模塊

3．4Pandas_datareader獲取金融投資數據

3．5Quandl財經數據接口

練習題

第4章Python工具庫NumPy數組與矩陣計算

4．1NumPy概述

4．2NumPy數組對象

4．3創建數組

4．4數組操作

4．5數組元素訪問

4．6矩陣操作

4．7缺失值處理

練習題

第5章Python工具庫SciPy優化與統計

5．1SciPy概述

5．2scipy．optimize優化方法

5．3scipy．optimize的minimize工具在投資組合資產配置中的應用

5．4scipy．stats的統計方法

練習題

第6章Pandas金融投資數據分析

6．1Pandas數據對象基礎知識

6．2Pandas獲取金融投資數據

6．3Pandas金融投資數據分析

練習題

第2篇Python統計分析

第7章Python描述性統計

7．1描述性統計的Python工具

7．2數據集中趨勢的度量

7．3數據離散狀況的度量

7．4峰度、偏度與正態性檢驗

7．5異常數據處理

練習題

第8章Python相關分析與回歸分析

8．1Python相關分析

8．2Python一元線性回歸分析的Statsmodels應用

8．3Python多元線性回歸分析

練習題

第3篇Python金融時間序列分析

第9章Python金融時間序列的自相關性與平穩性

9．1引言

9．2自相關性

9．3平穩性

9．4白噪聲和隨機遊走

9．5Python模擬白噪聲和平穩性檢驗

9．6滬深300近三年來數據的平穩性檢驗分析

練習題

第10章Python金融時間序列分析的ARIMA模型

10．1引言

10．2AR模型

10．3MA模型

10．4ARMA模型

10．5ARIMA模型

10．6結語

練習題

第11章Python金融時間序列分析的ARCH與GARCH模型

11．1引言

11．2股票收益率時間序列特點

11．3ARCH模型

11．4GARCH模型

11．5結語

練習題

第4篇Python金融投資理論

第12章Python計算資產組合的收益率與風險

12．1持有期收益率

12．2單項資產的期望收益率

12．3單項資產的風險

12．4單項資產的期望收益和風險的估計

12．5單項資產之間的協方差與相關系數

12．6Python計算資產組合的期望收益和風險

練習題

第13章Python優化工具在投資組合均值方差模型中的應用

13．1資產組合的可行集

13．2有效邊界與有效組合

13．3Python應用於標準均值方差模型

13．4兩基金分離定理

13．5Python繪制資產組合的有效邊界

13．6Python應用於Markowitz投資組合優化

練習題

第14章Python應用於存在無風險資產的均值方差模型

14．1存在無風險資產的均值方差模型及其Python應用

14．2無風險資產對最小方差組合的影響

14．3Python應用於存在無風險資產的兩基金分離定理

14．4預期收益率與貝塔關系式

14．5Python應用於一個無風險資產和兩個風險資產的組合

14．6Python應用於默頓定理

14．7Python應用於布萊克利特曼(BlackLitterman)模型

練習題

第15章Python在資本資產定價模型中的應用

15．1資本資產定價模型假設

15．2Python應用於資本市場線

15．3Python應用於證券市場線

15．4Python應用於價格型資本資產定價模型

15．5Python應用於資本資產定價模型CAPM實際數據

練習題

第5篇Python量化投資策略

第16章貝塔對沖策略

16．1貝塔對沖模型

16．2貝塔對沖策略

16．3市場風險對沖策略案例

16．4市場風險對沖的進一步分析

練習題

第17章量化選股策略

17．1小市值的量化選股策略

17．2基本面財務指標的量化選股策略

練習題

第18章量化擇時策略

18．1Talib技術分析工具庫在量化擇時中的應用

18．2海龜量化擇時策略

18．3金叉死叉雙均線量化擇時策略

18．4基於Python環境的量化擇時策略

練習題

第19章量化選股與量化擇時組合策略

19．1量化純選股策略

19．2量化選股與量化擇時組合策略

練習題

第20章量化投資統計套利的協整配對交易策略

20．1協整基本知識

20．2平穩性檢驗及其實例

20．3基於Bigquant平臺的協整配對交易策略

練習題

第21章基於Python環境的配對交易策略

21．1策略介紹

21．2策略相關方法

21．3策略的步驟

21．4策略的演示

練習題

第22章人工智能機器學習算法量化金融策略

22．1引言

22．2機器學習算法分類

22．3常見的機器學習算法及其Python代碼與實例

22．4廣義線性模型Logistic回歸多分類及其Python應用

22．5支持向量機SVM在商業銀行信用評級中的應用

練習題

第23章Backtrader量化交易軟件介紹

23．1Backtrader簡單框架

23．2Backtrader數據預處理

23．3Backtrader策略編程

23．4Backtrader執行買入

23．5Backtrader執行賣出

23．6Backtrader經紀人與訂單數量控制

23．7Backtrader簡單均線策略

23.8Backtrader畫圖函數

23．9Backtrader回測結果

練習題

附錄數據資源

類似商品