Python 金融数据分析：数据驱动金融

目录
前言
第1章 Python与金融 1
1.1 Python简介 1
1.2 金融科技发展 2
1.3 金融数据分析 3
1.4 Python在金融中的应用 3
第2章 Python入门 4
2.1 Anaconda 4
2.2 NumPy 4
2.3 Pandas 8
2.4 Matplotlib 10
2.5 NumPy功能方法总结 13
2.6 Pandas功能方法总结 17
第3章 金融时间序列分析案例 24
3.1 股票市场数据 24
3.2 债券市场数据 38
3.3 衍生品市场数据 44
第4章 投资组合案例 50
4.1 收益率分析 50
4.2 投资风险分析 54
4.3 股权组合有效边界 58
4.4 CAPM模型 60
第5章 衍生品定价案例 64
5.1 资产定价 64
5.2 欧式期权 65
5.3 美式期权 67
5.4 布莱克-斯科尔斯模型定价 68
5.5 二叉树定价 70
5.6 蒙特卡罗模拟和欧拉离散化定价 73
第6章 金融模型的模拟案例 78
6.1 随机数生成 78
6.2 蒙特卡罗模拟 82
6.3 平方根扩散 85
6.4 跳跃扩散 87
第7章 深度学习案例 90
7.1 支持向量机 90
7.2 决策树 92
7.3 深度学习框架——TensorFlow 94
7.4 深度学习框架——Keras 96
第8章 综合案例 103
8.1 期权定价综合应用场景 103
8.2 层次风险平价方法应用场景 121
8.3 深度学习在金融市场中的应用场景 125
参考文献 137