Python憑借其簡單、易讀、可擴(kuò)展性以及擁有巨大而活躍的科學(xué)計(jì)算社區(qū)，在需要分析、處理大量數(shù)據(jù)的金融行業(yè)得到了廣泛而迅速的應(yīng)用，并且成為該行業(yè)開發(fā)核心應(yīng)用的編程語言。《Python金融大數(shù)據(jù)分析》提供了使用Python進(jìn)行數(shù)據(jù)分析，以及開發(fā)相關(guān)應(yīng)用程序的技巧和工具。
《Python金融大數(shù)據(jù)分析》總計(jì)分為3部分，共19章，第1部分介紹了Python在金融學(xué)中的應(yīng)用，其內(nèi)容涵蓋了Python用于金融行業(yè)的原因、Python的基礎(chǔ)架構(gòu)和工具，以及Python在計(jì)量金融學(xué)中的一些具體入門實(shí)例；第2部分介紹了金融分析和應(yīng)用程序開發(fā)中重要的Python庫、技術(shù)和方法，其內(nèi)容涵蓋了Python的數(shù)據(jù)類型和結(jié)構(gòu)、用matplotlib進(jìn)行數(shù)據(jù)可視化、金融時(shí)間序列數(shù)據(jù)處理、高性能輸入/輸出操作、高性能的Python技術(shù)和庫、金融學(xué)中需要的多種數(shù)學(xué)工具、隨機(jī)數(shù)生成和隨機(jī)過程模擬、Python統(tǒng)計(jì)學(xué)應(yīng)用、Python和Excel的集成、Python面向?qū)ο缶幊毯虶UI的開發(fā)、Python與Web技術(shù)的集成，以及基于Web應(yīng)用和Web服務(wù)的開發(fā)；第3部分關(guān)注的是蒙特卡洛模擬期權(quán)與衍生品定價(jià)實(shí)際應(yīng)用的開發(fā)工作，其內(nèi)容涵蓋了估值框架的介紹、金融模型的模擬、衍生品的估值、投資組合的估值、波動率期權(quán)等知識。
《Python金融大數(shù)據(jù)分析》適合對使用Python進(jìn)行大數(shù)據(jù)分析、處理感興趣的金融行業(yè)開發(fā)人員閱讀。
金融行業(yè)已經(jīng)以驚人的速度采用Python，一些大的投資銀行和對沖基金使用Python來構(gòu)建核心的交易和風(fēng)險(xiǎn)管理系統(tǒng)。本書可以幫助開發(fā)人員和量化分析人員入門Python，并指導(dǎo)他們掌握Python在計(jì)量金融學(xué)上的重要應(yīng)用。 本書通過大量的實(shí)用示例并以一個(gè)大型的真實(shí)案例研究為基礎(chǔ)，講解如何為基于蒙特卡洛模擬的衍生品和風(fēng)險(xiǎn)分析開發(fā)一個(gè)成熟的框架。本書大部分內(nèi)容使用了交互式的IPython Notebooks，并包含了如下主題。 基礎(chǔ)知識：Python數(shù)據(jù)結(jié)構(gòu)，NumPy數(shù)組處理、用pandas進(jìn)行時(shí)間序列分析，用matplotlib可視化，用PyTables進(jìn)行高性能I/O操作，日期/時(shí)間信息處理和精選的實(shí)踐。 金融主題：使用了NumPy、SciPy和SymPy的數(shù)學(xué)技術(shù)，例如回歸和優(yōu)化；用于蒙特卡洛模擬、風(fēng)險(xiǎn)價(jià)值、風(fēng)險(xiǎn)信用價(jià)值計(jì)算的推斷統(tǒng)計(jì)學(xué)；用于正態(tài)性檢驗(yàn)、均方差投資組合優(yōu)化、主成分分析（PCA）和貝葉斯回歸的統(tǒng)計(jì)學(xué)。 特殊主題：用于金融算法的高性能Python，如向量化和并行化；Python與Excel的集成；以及構(gòu)建基于Web技術(shù)的金融應(yīng)用程序。
Yves Hilpsch是Python Quants（德國）股份有限公司的創(chuàng)始人和任事股東，也是Python Quants（紐約）有限責(zé)任公司的共同創(chuàng)辦人。該集團(tuán)提供基于Python的金融和衍生品分析軟件（參見http://pythonquants.com，http://quant-platfrom.com和http://dx-analytics.com），以及和Python及金融相關(guān)的咨詢、開發(fā)和培訓(xùn)服務(wù)。
Yves還是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作為獲得數(shù)理金融學(xué)博士學(xué)位的商業(yè)管理專業(yè)研究生，他在薩爾州大學(xué)講授計(jì)算金融學(xué)中的數(shù)值化方法課程。
第1部分 Python與金融
第1章 為什么將Python用于金融
1.1 Python是什么
1.1.1 Python簡史
1.1.2 Python生態(tài)系統(tǒng)
1.1.3 Python用戶譜系
1.1.4 科學(xué)棧
1.2 金融中的科技
1.2.1 科技開銷
1.2.2 作為業(yè)務(wù)引擎的科技
1.2.3 作為進(jìn)入門檻的科技和人才
1.2.4 不斷提高的速度、頻率、數(shù)據(jù)量
1.2.5 實(shí)時(shí)分析的興起
1.3 用于金融的
1.3.1 金融和Python語法
1.3.2 Python的效率和生產(chǎn)率
1.3.3 從原型化到生產(chǎn)
1.4 結(jié)語
1.5 延伸閱讀
第2章 基礎(chǔ)架構(gòu)和工具
2.1 Python部署
2.1.1 An
2.1.2 Python Quant Pl
2.1.3 工具
2.1.4
2.1.5 I
2.1.6
2.2 結(jié)語
2.3 延伸閱讀
第3章 入門示例
3.1 隱含波動率
3.2 蒙特卡洛模擬
3.2.1 純
3.2.2 用NumPy向量化
3.2.3 利用對數(shù)歐拉方法實(shí)現(xiàn)全向量化
3.2.4 圖形化分析
3.2.5 技術(shù)分析
3.3 結(jié)語
3.4 延伸閱讀
第2部分 金融分析和開發(fā)
第4章 數(shù)據(jù)類型和結(jié)構(gòu)
4.1 基本數(shù)據(jù)類型
4.1.1 整數(shù)
4.1.2 浮點(diǎn)數(shù)
4.1.3 字符串
4.2 基本數(shù)據(jù)結(jié)構(gòu)
4.2.1 元組
4.2.2 列表
4.2.3 離題：控制結(jié)構(gòu)
4.2.4 離題：函數(shù)式編程
4.2.5 字典
4.2.6 集合
4.3 NumPy數(shù)據(jù)結(jié)構(gòu)
4.3.1 用Python列表形成數(shù)組
4.3.2 常規(guī)NumPy數(shù)組
4.3.3 結(jié)構(gòu)數(shù)組
4.4 代碼向量化
4.5 內(nèi)存布局
4.6 結(jié)語
4.7 延伸閱讀
第5章 數(shù)據(jù)可視化
5.1 二維繪圖
5.1.1 一維數(shù)據(jù)集
5.1.2 二維數(shù)據(jù)集
5.1.3 其他繪圖樣式
5.2 金融學(xué)圖表
5.3 3D繪圖
第6章 金融時(shí)間序列
第7章 輸入/輸出操作
第8章 高性能的
第9章 數(shù)學(xué)工具
第10章 推斷統(tǒng)計(jì)學(xué)
第11章 統(tǒng)計(jì)學(xué)
第12章 Excel集成
第13章 面向?qū)ο蠛蛨D形用戶界面
第14章 Web集成
第3部分 衍生品分析庫
第15章 估值框架
第16章 金融模型的模擬
第17章 衍生品估值
第18章 投資組合估值
第19章 波動率期權(quán)
附錄
新書資訊