Python是一款非常優(yōu)秀的數(shù)據(jù)分析、圖形展示和機(jī)器學(xué)習(xí)軟件，《金融經(jīng)濟(jì)數(shù)據(jù)分析及其Python應(yīng)用》側(cè)重于使用Python進(jìn)行金融經(jīng)濟(jì)數(shù)據(jù)分析，同時(shí)結(jié)合大量精選的實(shí)例問題對(duì)Python進(jìn)行科學(xué)、準(zhǔn)確和全面的介紹，以便使讀者能深刻理解R的精髓和靈活、高效的使用技巧。
前言
R軟件及其在金融定量分析中的應(yīng)用
大數(shù)據(jù)時(shí)代，數(shù)據(jù)已成為人們進(jìn)行商務(wù)決策時(shí)最重要的參考依據(jù)之一，數(shù)據(jù)分析行業(yè)邁入了一個(gè)全新的階段。《經(jīng)濟(jì)金融數(shù)據(jù)分析及其Python應(yīng)用》重點(diǎn)介紹了Python的數(shù)據(jù)存取、數(shù)據(jù)的可視化、數(shù)據(jù)統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、時(shí)間序列分析和金融量化分析的Python應(yīng)用，同時(shí)結(jié)合大量的實(shí)例，對(duì)Python的重要程序包進(jìn)行科學(xué)、準(zhǔn)確和全面的介紹，以便使讀者深刻理解Python的精髓和靈活、高效的使用技巧。
本書之所以采用Python軟件，是因?yàn)樗哂袕?qiáng)大的圖形展示、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)功能，免費(fèi)使用及功能強(qiáng)大的Pandas（基本數(shù)據(jù)分析工具）、NumPy（數(shù)值計(jì)算工具）、SciPy（科學(xué)計(jì)算工具）、Matplotlib（基礎(chǔ)繪圖工具）、Seaborn（擴(kuò)展繪圖工具）、Sklearn（機(jī)器學(xué)習(xí)工具）等眾多程序包（而Matlab、SAS、SPSS、EViews、Stata、SPLUS等都是付費(fèi)軟件），因此它越來越受到廣大用戶的歡迎和喜愛。
本書通過豐富的實(shí)例，詳細(xì)介紹了Python在數(shù)據(jù)存取、圖形展示、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、時(shí)間序列、量化金融等領(lǐng)域中的應(yīng)用，側(cè)重于理論方法與應(yīng)用相結(jié)合，實(shí)例豐富且通俗易懂，尤其對(duì)Python軟件的各種繪圖方法、不同數(shù)據(jù)表的接口、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、時(shí)間序列、量化金融等方面的介紹有較好的特色，詳細(xì)地介紹了各種繪圖方法、不同數(shù)據(jù)的接口、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、時(shí)間序列、量化金融等方面在Python中的實(shí)現(xiàn)過程。本書的特點(diǎn)是： 以問題為導(dǎo)向，通過問題來介紹Python的使用方法。因此，讀者通過本書不僅能掌握Python及相關(guān)的程序包的使用方法，而且能學(xué)會(huì)從實(shí)際問題分析入手，應(yīng)用Python解決經(jīng)濟(jì)金融領(lǐng)域中的各種數(shù)據(jù)分析問題。
本書的內(nèi)容是這樣安排的： 第1章介紹經(jīng)濟(jì)金融數(shù)據(jù)分析及Python環(huán)境，第2章介紹Python數(shù)據(jù)分析程序包應(yīng)用基礎(chǔ)，第3章介紹Python數(shù)據(jù)分析的數(shù)據(jù)存取，第4章介紹Python圖形的繪制和可視化，第5章介紹概率統(tǒng)計(jì)分布的Python應(yīng)用，第6章介紹描述性統(tǒng)計(jì)的Python應(yīng)用，第7章介紹參數(shù)估計(jì)的Python應(yīng)用，第8章介紹參數(shù)假設(shè)檢驗(yàn)的Python應(yīng)用，第9章介紹相關(guān)分析與一元回歸數(shù)據(jù)分析的Python應(yīng)用，第10章介紹多元回歸數(shù)據(jù)分析的Python應(yīng)用，第11章介紹機(jī)器學(xué)習(xí)數(shù)據(jù)分析的Python應(yīng)用，第12章介紹時(shí)間序列數(shù)據(jù)分析的Python應(yīng)用，第13章介紹量化金融數(shù)據(jù)分析的Python應(yīng)用。
本書實(shí)例和內(nèi)容豐富，針對(duì)性強(qiáng)，書中各章詳細(xì)地介紹了實(shí)例的Python具體操作過程，讀者只需按照書中介紹的步驟一步一步地實(shí)際操作，就能掌握全書的內(nèi)容。為了幫助讀者更加直觀地學(xué)習(xí)本書，我們將書中實(shí)例的全部數(shù)據(jù)文件打包收錄，讀者可掃描書末頁的二維碼獲取。讀者在自己的電腦中建立一個(gè)data目錄（其他目錄名也可以），將所有數(shù)據(jù)文件復(fù)制到此目錄，即可進(jìn)行操作。
本書適合作為統(tǒng)計(jì)學(xué)、金融學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)等相關(guān)專業(yè)的本科生或研究生學(xué)習(xí)數(shù)據(jù)分析、統(tǒng)計(jì)學(xué)、時(shí)間序列分析、量化金融等課程的教材或?qū)嶒?yàn)參考用書，同時(shí)對(duì)從事數(shù)據(jù)分析的實(shí)際工作者也大有裨益。
本書部分內(nèi)容為廣東省自然科學(xué)基金項(xiàng)目成果，也是廣東財(cái)經(jīng)大學(xué)數(shù)據(jù)模型與決策示范課程的階段性成果。
本書的出版得到了清華大學(xué)出版社編校人員的大力支持和幫助，感謝他們?yōu)楸緯庉嬓?duì)付出的辛苦工作。由于時(shí)間和水平的限制，書中難免出現(xiàn)一些紕漏，懇請(qǐng)讀者諒解并提出寶貴意見。
作者2018年5月于廣州
朱順泉。二〇〇一年于中南大學(xué)管理科學(xué)與工程專業(yè)研究生畢業(yè)，獲管理學(xué)博士學(xué)位，二〇〇四年于上海財(cái)經(jīng)大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)專業(yè)金融計(jì)量與統(tǒng)計(jì)方向博士后研究出站，二〇〇六年評(píng)為教授。曾先后工作于湖南財(cái)經(jīng)學(xué)院、湖南大學(xué)、暨南大學(xué)等，指導(dǎo)各類碩士生七十余人，現(xiàn)為廣東財(cái)經(jīng)大學(xué)金融學(xué)院教授，長期從事本科生與研究生的投資學(xué)、金融工程學(xué)、公司金融學(xué)、金融計(jì)量學(xué)、經(jīng)濟(jì)博弈論、數(shù)據(jù)模型與決策等課程的教學(xué)和科研工作，一直致力于財(cái)經(jīng)管理與信息科技相結(jié)合的交叉應(yīng)用研究。在人民、科學(xué)、清華、北大等出版社出版著作四十余部，在《Journal of Mathematical Finance》、《Journal of Financial Risk Management》、《Lecture Notes in Decision Science》等學(xué)術(shù)刊物上發(fā)表學(xué)術(shù)論文一百余篇，主持完成國家社會(huì)科學(xué)基金、教育部社會(huì)科學(xué)基金、廣東省科技計(jì)劃軟科學(xué)基金、湖南省社會(huì)科學(xué)基金、廣州市社會(huì)科學(xué)基金、廣州市科技計(jì)劃軟科學(xué)基金、廣東省財(cái)政廳等項(xiàng)目共十余項(xiàng)，主持完成各類校級(jí)項(xiàng)目十項(xiàng)。主要研究方向：投資學(xué)、金融工程、公司金融財(cái)務(wù)等，在量化金融與對(duì)沖基金、科技金融與技術(shù)創(chuàng)新、
目錄
第1章經(jīng)濟(jì)金融數(shù)據(jù)分析及Python環(huán)境
1.1經(jīng)濟(jì)金融數(shù)據(jù)類型
1.2經(jīng)濟(jì)金融數(shù)據(jù)來源
1.3經(jīng)濟(jì)金融數(shù)據(jù)分析工具簡介
1.4Python數(shù)據(jù)分析工具的下載
1.5數(shù)據(jù)分析工具Python的安裝
1.6Python的啟動(dòng)和退出
1.7Python數(shù)據(jù)分析相關(guān)的程序包
1.8Python數(shù)據(jù)分析快速入門
練習(xí)題
第2章Python數(shù)據(jù)分析程序包應(yīng)用基礎(chǔ)
2.1Python數(shù)據(jù)分析的NumPy應(yīng)用基礎(chǔ)
2.2Python數(shù)據(jù)分析的SciPy應(yīng)用基礎(chǔ)
2.3Python數(shù)據(jù)分析的Pandas應(yīng)用基礎(chǔ)
練習(xí)題
第3章Python數(shù)據(jù)分析的數(shù)據(jù)存取
3.1PythonNumPy數(shù)據(jù)存取
3.2PythonSciPy數(shù)據(jù)存取
3.3PythonPandas的csv格式數(shù)據(jù)文件存取
3.4PythonPandas的Excel格式數(shù)據(jù)文件存取
3.5讀取并查看數(shù)據(jù)表列
3.6讀取Yahoo財(cái)經(jīng)網(wǎng)站數(shù)據(jù)
3.7讀取挖地兔財(cái)經(jīng)網(wǎng)站數(shù)據(jù)
3.8挖地兔Tushare財(cái)經(jīng)網(wǎng)站數(shù)據(jù)保存與讀取
練習(xí)題
第4章Python圖形的繪制和可視化
4.1Matplotlib繪圖應(yīng)用基礎(chǔ)
4.2直方圖的繪制
4.3散點(diǎn)圖的繪制
4.4氣泡圖的繪制
4.5箱圖的繪制
4.6餅圖的繪制
4.7條形圖的繪制
4.8折線圖的繪制
4.9曲線標(biāo)繪圖的繪制
4.10連線標(biāo)繪圖的繪制
4.11復(fù)雜圖形的繪制
4.12關(guān)于繪圖中顯示中文的問題處理
練習(xí)題
第5章概率統(tǒng)計(jì)分布的Python應(yīng)用
5.1二項(xiàng)分布
5.2泊松分布
5.3正態(tài)分布
5.4分布
5.5均勻分布
5.6指數(shù)分布
練習(xí)題
第6章描述性統(tǒng)計(jì)的Python應(yīng)用
6.1描述性統(tǒng)計(jì)量
6.2描述性統(tǒng)計(jì)的Python工具
6.3單組數(shù)據(jù)描述性統(tǒng)計(jì)的Python應(yīng)用
6.4多組數(shù)據(jù)描述性統(tǒng)計(jì)的Python應(yīng)用
練習(xí)題
第7章參數(shù)估計(jì)的Python應(yīng)用
7.1參數(shù)估計(jì)與置信區(qū)間的含義
7.2點(diǎn)估計(jì)的Python應(yīng)用
7.3單正態(tài)總體均值區(qū)間估計(jì)的Python應(yīng)用
7.4單正態(tài)總體方差區(qū)間估計(jì)的Python應(yīng)用
7.5雙正態(tài)總體均值差區(qū)間估計(jì)的Python應(yīng)用
7.6雙正態(tài)總體方差比區(qū)間估計(jì)的Python應(yīng)用
練習(xí)題
第8章參數(shù)假設(shè)檢驗(yàn)的Python應(yīng)用
8.1參數(shù)假設(shè)檢驗(yàn)的基本理論
8.2單個(gè)樣本t檢驗(yàn)的Python應(yīng)用
8.3兩個(gè)獨(dú)立樣本t檢驗(yàn)的Python應(yīng)用
8.4配對(duì)樣本t檢驗(yàn)的Python應(yīng)用
8.5單樣本方差假設(shè)檢驗(yàn)的Python應(yīng)用
8.6雙樣本方差假設(shè)檢驗(yàn)的Python應(yīng)用
練習(xí)題
第9章相關(guān)分析與一元回歸數(shù)據(jù)分析的Python應(yīng)用
9.1相關(guān)分析基本理論
9.2相關(guān)分析的Python應(yīng)用
9.3一元線性回歸分析基本理論
9.4一元線性回歸數(shù)據(jù)分析的Python應(yīng)用
9.5自相關(guān)性診斷的Python應(yīng)用
練習(xí)題
第10章多元回歸數(shù)據(jù)分析的Python應(yīng)用
10.1多元線性回歸分析基本理論
10.2多元線性回歸數(shù)據(jù)分析的Python應(yīng)用
10.3多元回歸分析的Scikitlearn工具應(yīng)用
10.4穩(wěn)健線性回歸分析Python應(yīng)用
10.5邏輯Logistic回歸分析Python應(yīng)用
10.6廣義線性回歸分析Python應(yīng)用
練習(xí)題
第11章機(jī)器學(xué)習(xí)數(shù)據(jù)分析的Python應(yīng)用
11.1機(jī)器學(xué)習(xí)算法分類
11.2常見的機(jī)器學(xué)習(xí)算法及其Python代碼
11.3K最近鄰算法銀行貸款分類的Python應(yīng)用
11.4各種機(jī)器學(xué)習(xí)算法的Python應(yīng)用
11.5K最近鄰算法分類的Python應(yīng)用
練習(xí)題
第12章時(shí)間序列數(shù)據(jù)分析的Python應(yīng)用
12.1時(shí)間序列分析的ARIMA建模
12.2ARIMA模型時(shí)間序列分析的PythonStatsmodels應(yīng)用
12.3時(shí)間序列數(shù)據(jù)分析ARIMA模型的Python應(yīng)用
練習(xí)題
第13章量化金融數(shù)據(jù)分析的Python應(yīng)用
13.1戰(zhàn)勝股票市場策略可視化的Python應(yīng)用
13.2股票數(shù)據(jù)描述性統(tǒng)計(jì)的Python應(yīng)用
13.3資產(chǎn)組合標(biāo)準(zhǔn)均值方差模型及其Python應(yīng)用
13.4資產(chǎn)組合有效邊界的Python繪制
13.5Markowitz投資組合優(yōu)化的Python應(yīng)用
13.6蒙特卡羅模擬股票期權(quán)定價(jià)的Python應(yīng)用
13.7蒙特卡羅模擬期權(quán)價(jià)格穩(wěn)定性的Python應(yīng)用
練習(xí)題
新書資訊