Python憑借其簡單、易讀、可擴展性以及擁有巨大而活躍的科學計算社區，在需要分析、處理大量數據的金融行業得到了廣泛而迅速的應用，并且成為該行業開發核心應用的編程語言。《Python金融大數據分析》提供了使用Python進行數據分析，以及開發相關應用程序的技巧和工具。
《Python金融大數據分析》總計分為3部分，共19章，第1部分介紹了Python在金融學中的應用，其內容涵蓋了Python用于金融行業的原因、Python的基礎架構和工具，以及Python在計量金融學中的一些具體入門實例；第2部分介紹了金融分析和應用程序開發中重要的Python庫、技術和方法，其內容涵蓋了Python的數據類型和結構、用matplotlib進行數據可視化、金融時間序列數據處理、高性能輸入/輸出操作、高性能的Python技術和庫、金融學中需要的多種數學工具、隨機數生成和隨機過程模擬、Python統計學應用、Python和Excel的集成、Python面向對象編程和GUI的開發、Python與Web技術的集成，以及基于Web應用和Web服務的開發；第3部分關注的是蒙特卡洛模擬期權與衍生品定價實際應用的開發工作，其內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、波動率期權等知識。
《Python金融大數據分析》適合對使用Python進行大數據分析、處理感興趣的金融行業開發人員閱讀。
金融行業已經以驚人的速度采用Python，一些大的投資銀行和對沖基金使用Python來構建核心的交易和風險管理系統。本書可以幫助開發人員和量化分析人員入門Python，并指導他們掌握Python在計量金融學上的重要應用。 本書通過大量的實用示例并以一個大型的真實案例研究為基礎，講解如何為基于蒙特卡洛模擬的衍生品和風險分析開發一個成熟的框架。本書大部分內容使用了交互式的IPython Notebooks，并包含了如下主題。 基礎知識：Python數據結構，NumPy數組處理、用pandas進行時間序列分析，用matplotlib可視化，用PyTables進行高性能I/O操作，日期/時間信息處理和精選的實踐。 金融主題：使用了NumPy、SciPy和SymPy的數學技術，例如回歸和優化；用于蒙特卡洛模擬、風險價值、風險信用價值計算的推斷統計學；用于正態性檢驗、均方差投資組合優化、主成分分析（PCA）和貝葉斯回歸的統計學。 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；以及構建基于Web技術的金融應用程序。
Yves Hilpsch是Python Quants（德國）股份有限公司的創始人和任事股東，也是Python Quants（紐約）有限責任公司的共同創辦人。該集團提供基于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及金融相關的咨詢、開發和培訓服務。
Yves還是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作為獲得數理金融學博士學位的商業管理專業研究生，他在薩爾州大學講授計算金融學中的數值化方法課程。
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生態系統
1.1.3 Python用戶譜系
1.1.4 科學棧
1.2 金融中的科技
1.2.1 科技開銷
1.2.2 作為業務引擎的科技
1.2.3 作為進入門檻的科技和人才
1.2.4 不斷提高的速度、頻率、數據量
1.2.5 實時分析的興起
1.3 用于金融的
1.3.1 金融和Python語法
1.3.2 Python的效率和生產率
1.3.3 從原型化到生產
1.4 結語
1.5 延伸閱讀
第2章 基礎架構和工具
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 利用對數歐拉方法實現全向量化
3.2.4 圖形化分析
3.2.5 技術分析
3.3 結語
3.4 延伸閱讀
第2部分 金融分析和開發
第4章 數據類型和結構
4.1 基本數據類型
4.1.1 整數
4.1.2 浮點數
4.1.3 字符串
4.2 基本數據結構
4.2.1 元組
4.2.2 列表
4.2.3 離題：控制結構
4.2.4 離題：函數式編程
4.2.5 字典
4.2.6 集合
4.3 NumPy數據結構
4.3.1 用Python列表形成數組
4.3.2 常規NumPy數組
4.3.3 結構數組
4.4 代碼向量化
4.5 內存布局
4.6 結語
4.7 延伸閱讀
第5章 數據可視化
5.1 二維繪圖
5.1.1 一維數據集
5.1.2 二維數據集
5.1.3 其他繪圖樣式
5.2 金融學圖表
5.3 3D繪圖
第6章 金融時間序列
第7章 輸入/輸出操作
第8章 高性能的
第9章 數學工具
第10章 推斷統計學
第11章 統計學
第12章 Excel集成
第13章 面向對象和圖形用戶界面
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
附錄
新書資訊