Python量化金融与人工智能

内容简介

《Python量化金融与人工智能》内括：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稳，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，人工智能机器学金融策略等。 《Python量化金融与人工智能》内容新颖、，实用强，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。

目录

目 录第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 31.1 量化金融投资基础 31.1.1 量化金融投资的概念 31.1.2 量化金融投资的优势 41.1.3 量化金融投资的历史和未来 41.1.4 量化金融投资的应用与流程 51.2 Python工具概述 71.3 Python工具的下载 91.4 Python的安装 101.5 Python的启动和退出 11练12第2章 Python编程基础 132.1 Python的两个基本操作 132.2 Python数据结构 132.3 Python函数 172.4 Python条件与循环 182.5 Python类与对象 19练20第3章 Python金融数据存取 213.1 Python-NumPy数据存取 213.2 Python-Scipy数据存取 223.3 Python-pandas的csv格式数据文件存取 223.4 Python-pandas的Excel格式数据文件存取 233.5 读取并查看数据表列 233.6 读取挖地兔财经网站的数据 243.7 挖地兔Tushare财经网站数据的保存 253.8 使用Opendatatools工具获取数据 273.9 Python-quandl财经数据接口 283.10 下载Yahoo财经网站数据 293.11 存取Yahoo财经网站数据 29练31第4章 Python工具库NumPy数组与矩阵计算 324.1 NumPy概述 324.2 NumPy数组对象 324.3 创建数组 334.4 数组操作 344.5 数组元素访问 374.6 矩阵操作 384.7 缺失值处理 40练40第5章 Python工具库SciPy优化与统计分析 415.1 SciPy概述 415.2 scipy.optimize优化方法分析 415.3 利用CVXOPT求解二次规划问题 425.4 scipy.stats的统计方法分析 46练49第6章 Python工具库Pandas数据对象及数据分析 506.1 Pandas基础知识 506.1.1 数据对象 506.1.2 增删查改 516.1.3 Pandas常用函数 576.1.4 绘图 596.1.5 数据读写 596.2 Pandas基本金融数据分析 606.3 Pandas横向合并金融数据分析 636.4 Pandas纵向分类金融数据分析 65练71第2篇 Python统计分析第7章 Python描述统计 757.1 描述统计的Python工具 757.2 数据集中趋势的度量 767.3 数据离散状况的度量 797.4 峰度、偏度与正态检验 817.5 异常数据处理 86练91第8章 Python参数估计及其应用 928.1 参数估计与置信区间的含义 928.2 Python点估计 928.3 Python单正体均值区间估计 938.4 Python单正体方差区间估计 958.5 Python双正体均值差区间估计 968.6 Python双正体方差比区间估计 98练99 第9章 Python参数假设检验 1009.1 参数假设检验的基本理论 1009.1.1 p-value决策 1009.1.2 假设检验 1029.2 Python单样本t检验 1079.3 Python两个独立样本t检验 1089.4 Python配对样本t检验 1099.5 Python单样本方差假设检验 1109.6 Python双样本方差假设检验 111练113第10章 Python相关分析与回归分析 11410.1 Python相关分析 11410.2 Python一元线回归分析的statsmodels应用 11810.3 Python多元线回归分析 121练125第3篇 Python基本计量经济分析第11章 Python多重共线处理 12911.1 多重共线的概念 12911.2 多重共线的后果 13011.3 产生多重共线的原因 13011.4 多重共线的识别和检验 13111.5 消除多重共线的方法 13211.6 Python多重共线诊断 13511.7 Python多重共线消除 137练138第12章 Python异方差处理 14012.1 异方差的概念 14012.2 异方差产生的原因 14112.3 异方差的后果 14212.4 异方差的识别检验 14312.4.1 图示法 14312.4.2 统计检验方法 14312.5 消除异方差的方法 14512.6 Python异方差诊断 14712.7 Python异方差消除 148练149第13章 Python自相关处理 15113.1 自相关的概念 15113.2 产生自相关的原因 15113.3 自相关的后果 15213.4 自相关的识别和检验 15313.5 自相关的法 15513.6 Python自相关诊断与消除 157练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 16314.1 引言 16314.2 生成日期序列 16814.3 低频数据向高频数据转换 170练174第15章 Python金融时间序列的自相关稳 17515.1 引言 17515.2 自相关 17515.3 稳 17815.4 白噪声和游走 17915.5 Python模拟白噪声稳检验 18015.6 沪深30三年来数据稳检验分析 183练187 第16章 Python金融时间序列分析的ARIMA模型 18816.1 引言 18816.2 AR模型 18816.3 MA模型 19116.4 ARMA模型 19416.5 ARIMA模型 19716.6 结语 199练199第17章 Python金融时间序列分析的 ARCH与GARCH模型 20017.1 引言 20017.2 股票收益率时间序列特点 20017.3 ARCH模型 20217.4 GARCH模型 20617.5 结语 210练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 21318.1 持有期收益率 21318.2 单项资产的期望收益率 21418.3 单项资产的风险 21418.4 单项资产的期望收益和风险的估计 21518.5 单项资产之间的协方差与相关系数 21618.6 Python计算资产组合的期望收益和风险 218练221第19章 Python-optimize工具优化资产组合均值方差模型 22219.1 资产组合的可行集 22219.1.1 资产组合可行集的一部分 22219.1.2 资产组合可行集的模拟 22319.2 有效边界与有效组合 22519.3 Python应用于标准均值方差模型 22719.3.1 标准均值方差模型 22719.3.2 全局小方差 23019.3.3 有效资产组合 23019.4 两基金分离定理 23119.5 Python应用于Markowitz投资组合优化 23219.5.1 股票的选择 23219.5.2 Markowitz投资组合优化基本理论 23319.5.3 投资组合优化的Python应用 234练239第20章 Python在有无风险资产的 均值方差模型中的应用 24020.1 Python在存在无风险资产的均值方差模型中应用 24020.2 无风险资产对小方差组合的影响 24220.3 Python应用于存在无风险资产的两基金分离定理 24320.4 预期收益率与贝塔关系式 24420.5 Python应用于一个无风险资产和 两个风险资产的组合 245 练248第21章 Python在资本资产定价 模型中的应用 24921.1 资本资产定价模型假设 24921.2 Python应用于资本市场线 24921.3 Python应用于证券市场线 25221.4 Python应用于资本资产定价模型CAPM实际数据 254练256第6篇 Python量化金融投资策略第22章 贝塔对冲策略 26122.1 贝塔对冲模型 26122.2 风险对冲策略 261练265第23章 量化选股策略分析 26623.1 小市值的量化选股策略 26623.2 基本面财务指标的量化选股策略 268练271第24章 量化择时策略分析 27224.1 Talib技术分析工具库在量化择时中的应用 27224.2 海龟量化择时策略 27624.3 金叉死叉双均线量化择时策略 27724.4 应用Python分析量化择时策略 28024.4.1 获取金融数据 28024.4.2 量化择时收益计算策略 28124.4.3 量化择时双均线策略 282练285第25章 量化选股与量化择时组合策略分析 28625.1 量化纯选股策略 28625.2 量化选股与量化择时组合策略 288练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 29126.1 协整基本知识 29126.2 稳检验及其实例 29326.3 基于Bigquan台统计套利的协整配对交易策略 295练301第27章 基于Python环境的配对交易策略 30227.1 策略介绍 30227.2 策略相关方法 30227.3 策略的步骤 30327.4 策略的演示 304练311第28章 人工智能机器学金融策略 31228.1 机器学分类 31228.2 常见的机器学及其Python代码 31228.2.1 线回归 31228.2.2 逻辑回归 31328.2.3 决策树 31428.2.4 支持向量机分类 31528.2.5 朴素贝叶斯分类 31628.2.6 KNN分类(K-邻算法) 31728.2.7 K-均值算法 31828.2.8 森林算法 31928.2.9 降维算法 31928.2.10 Gradient Boosting和AdaBoost 算法 32028.3 广义线模型Logistic回归多分类及其Python应用 32028.3.1 算法原理 32028.3.2 对象类参数介绍 32228.3.3 逻辑回归分类算法实例 32328.4 人工智能机器学的支持向量机及其应用 32428.4.1 支持向量机的定义 32428.4.2 大化间隔 32428.4.3 软间隔 32828.4.4 核技巧 33028.4.5 支持向量机的Python应用实例 336练337