Python金融大數(shù)據(jù)分析快速入門與案例詳解

定　價：￥69.00

作　者：	張穎著
出版社：	北京大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥69.00)

ISBN：	9787301355695	出版時間：	2024-11-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《Python金融大數(shù)據(jù)分析快速入門與案例詳解》共分為11 章，全面介紹了以Python為工具的金融大數(shù)據(jù)的理論和實踐，特別是量化投資和交易領域的相關應用，并配有項目實戰(zhàn)案例。書中涵蓋的內(nèi)容主要有Python概覽，結合金融場景演示Python的基本操作，金融數(shù)據(jù)的獲取及實戰(zhàn)，MySQL數(shù)據(jù)庫詳解及應用，Python在金融大數(shù)據(jù)分析方面的核心模塊詳解，金融分析及量化投資，Python量化交易，數(shù)據(jù)可視化Matplotlib，基于NumPy的股價統(tǒng)計分析實戰(zhàn)，基于Matplotlib的股票技術分析實戰(zhàn)，以及量化交易策略實戰(zhàn)案例等。《Python金融大數(shù)據(jù)分析快速入門與案例詳解》內(nèi)容通俗易懂，案例豐富，實用性強，特別適合以下人群閱讀：金融行業(yè)的從業(yè)者、數(shù)據(jù)分析師、量化投資者、希望提高數(shù)據(jù)分析能力的投資者，以及對大數(shù)據(jù)分析感興趣的編程人員。另外，《Python金融大數(shù)據(jù)分析快速入門與案例詳解》也適合作為相關培訓機構的教材。

作者簡介

　　張穎資深量化工程師，負責量化交易策略的開發(fā)、實現(xiàn)和優(yōu)化。曾經(jīng)擔任過上海微京科技股份有限公司的量化工程師。現(xiàn)任上海清穎電子科技發(fā)展有限公司CEO。編寫過《Python網(wǎng)絡爬蟲框架Scrapy從入門到精通》。擁有豐富的金融行業(yè)經(jīng)驗，對金融市場和量化交易有著深刻的理解和獨到的見解。精通Python語言，善于利用數(shù)據(jù)分析、挖掘和建模技術，對量化交易策略有著深入的研究和實踐經(jīng)驗。

圖書目錄

第1篇 Python金融大數(shù)據(jù)分析基礎篇
第1章 Python概覽
1.1 　 Python的優(yōu)勢
1.2 　搭建開發(fā)環(huán)境
1.2.1　對操作系統(tǒng)的要求
1.2.2　Windows 系統(tǒng)的優(yōu)點
1.2.3　下載并安裝Python和PyCharm
1.2.4　Python在PyCharm里的配置
1.3 　 Django 框架的優(yōu)勢
1.4 　安裝和配置Django框架
1.5 　小結
第2章結合金融場景演示Python的基本操作
2.1 　 Python在金融領域的應用
2.1.1　Python在金融領域的應用背景和優(yōu)勢
2.1.2　Python在金融領域的應用場景
2.1.3　Python在金融領域的挑戰(zhàn)與展望
2.2 　金融領域常用的Python內(nèi)置函數(shù)及示例
2.2.1　數(shù)學函數(shù)
2.2.2　數(shù)據(jù)處理函數(shù)
2.3 　金融領域常用的Python的庫及其作用
2.4 　小結
第3章金融數(shù)據(jù)的獲取及實戰(zhàn)
3.1 　數(shù)據(jù)的選擇與獲取
3.2 　獲取新浪財經(jīng)數(shù)據(jù)案例講解
3.2.1　新浪財經(jīng)數(shù)據(jù)的重要作用
3.2.2　如何獲取新浪財經(jīng)數(shù)據(jù)
3.3 　獲取Wind數(shù)據(jù)并進行簡單的擇時分析
3.4 　數(shù)據(jù)預處理
3.4.1　金融數(shù)據(jù)的特點
3.4.2　Python在金融數(shù)據(jù)預處理中的應用
3.4.3　Python在金融數(shù)據(jù)預處理中的示例分析
3.5 　數(shù)據(jù)分析與挖掘
3.6 　可視化展示
3.7 　機器學習的應用
3.7.1　金融領域常用的機器學習算法
3.7.2　金融領域機器學習的應用案例
3.8 　實戰(zhàn)案例：JQData數(shù)據(jù)的獲取及分析
3.8.1　計算漲跌幅
3.8.2　計算買入賣出信號
3.8.3　計算持倉收益率
3.9 　小結
第4章 MySQL數(shù)據(jù)庫詳解及應用
4.1 　 MySQL 數(shù)據(jù)庫簡介
4.1.1　MySQL 的特點
4.1.2　MySQL的安裝與配置
4.2 　 MySQL 數(shù)據(jù)庫的基本操作
4.3 　 MySQL 數(shù)據(jù)庫操作詳解
4.3.1　執(zhí)行SQL語句
4.3.2　關閉游標和連接
4.3.3　使用預處理語句
4.3.4　處理異常情況
4.4 　實戰(zhàn)案例：Wind 金融數(shù)據(jù)在MySQL數(shù)據(jù)庫里的應用
4.5 　小結
第5章核心模塊詳解
5.1 　 NumPy模塊操作詳解
5.1.1　數(shù)組操作
5.1.2　矩陣運算
5.1.3　線性代數(shù)運算
5.1.4　隨機數(shù)生成
5.2 　實戰(zhàn)案例：NumPy在金融場景中的應用
5.3 　 Pandas模塊操作詳解
5.3.1　Pandas的主要數(shù)據(jù)結構：Series和DataFrame
5.3.2　數(shù)據(jù)處理
5.3.3　數(shù)據(jù)可視化
5.4 　實戰(zhàn)案例：Pandas 在金融場景中的應用
5.5 　 SciPy模塊操作詳解
5.6 　實戰(zhàn)案例：SciPy在金融場景中的應用
5.7 　小結
第2篇 Python金融大數(shù)據(jù)分析提高篇
第6章金融分析及量化投資
6.1 　金融分析
6.1.1　金融分析的方法
6.1.2　金融分析的目的
6.1.3　金融分析在投資決策中的重要性
6.2 　量化投資
6.3 　量化策略
6.3.1　雙均線策略及應用
6.3.2　因子選股策略及應用
6.3.3　動量策略及應用
6.4 　小結
第7章 Python量化交易
7.1 　量化交易數(shù)據(jù)獲取
7.2 　 Python基本面量化選股
7.3 　 Python量化擇時及應用
7.3.1　量化擇時策略
7.3.2　未來發(fā)展趨勢
7.4 　量化策略回測實現(xiàn)
7.5 　 Python量化交易策略實戰(zhàn)案例
7.6 　小結
第8章數(shù)據(jù)可視化Matplotlib
8.1 　 Anaconda的安裝
8.2 　配置Jupyter Notebook
8.3 　配置Matplotlib
8.4 　直方圖、條形圖、折線圖與餅圖的繪制及示例
8.5 　散點圖、箱線圖的繪制及示例
8.6 　極線圖、階梯圖的繪制及示例
8.7 　圖標參數(shù)配置
8.8 　堆積圖的繪制及示例
8.9 　分塊圖的繪制及示例
8.10 　氣泡圖的繪制及示例
8.11 　結合金融場景的Matplotlib基礎案例
8.12 　小結
第3篇基金礎融篇企業(yè)級項目實戰(zhàn)篇
第9章基于NumPy的股價統(tǒng)計分析實戰(zhàn)
9.1 　項目需求分析
9.2 　數(shù)據(jù)獲取及處理
9.3 　基于NumPy的股價均線實戰(zhàn)
9.4 　基于NumPy的股票成交量統(tǒng)計分析
9.5 　小結
第10章基于Matplotlib的股票技術分析實戰(zhàn)
10.1 　項目需求分析
10.2 　數(shù)據(jù)獲取及處理
10.3 　基于Matplotlib實現(xiàn)MACD
10.4 　基于Matplotlib實現(xiàn)KDJ
10.5 　基于Matplotlib繪制布林帶
10.6 　小結
第11章量化交易策略實戰(zhàn)案例
11.1 　低估值量化交易策略實戰(zhàn)
11.2 　大小盤輪動策略實戰(zhàn)
11.3 　逆三因子量化交易策略實戰(zhàn)
11.4 　小結