金融科技创新与量化金融投资系列丛书 量化金融投资及其Python应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

金融科技创新与量化金融投资系列丛书 量化金融投资及其Python应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 量化金融投资平台与Python工作环境1

1.1国内外量化金融投资平台概述1

1.2优矿平台界面1

1.3优矿平台提供的服务2

1.4优矿平台的Notebook功能2

1.5优矿平台支持的Python程序包3

1.6Python的下载4

1.7Python的安装6

1.8Python的启动和退出8

练习题9

第2章 Python的两个基本操作与编程基础10

2.1Python的两个基本操作10

2.2Python容器11

2.3Python函数15

2.4Python条件与循环15

2.5Python类与对象17

练习题18

第3章 NumPy在量化金融投资分析中的应用19

3.1NumPy概述19

3.2NumPy对象初步：数组19

3.3创建数组20

3.4数组和矩阵的运算21

3.5访问数组和矩阵元素24

3.6矩阵操作26

3.7缺失值28

3.8一元线性回归分析的NumPy应用28

练习题30

第4章 SciPy在量化金融投资分析中的应用31

4.1SciPy概述31

4.2统计知识31

4.3优化知识35

4.3.1无约束优化问题35

4.3.2有约束优化问题39

4.3.3利用CVXOPT求解二次规划问题40

练习题44

第5章 pandas的基本数据结构45

5.1pandas介绍45

5.2pandas数据结构：Series45

5.2.1创建Series45

5.2.2Series数据的访问47

5.3pandas数据结构：DataFrame48

5.3.1创建DataFrame48

5.3.2DataFrame数据的访问50

练习题53

第6章 pandas在金融数据处理中的应用54

6.1创建数据结构的方式54

6.2数据的查看55

6.3数据的访问和操作56

6.3.1再谈数据的访问56

6.3.2处理缺失数据57

6.3.3数据操作60

6.4数据可视化63

练习题63

第7章 金融时间序列分析及其Python应用64

7.1时间序列分析的基础知识64

7.1.1时间序列的概念及其特征64

7.1.2平稳性64

7.1.3相关系数和自相关函数65

7.1.4白噪声序列和线性时间序列68

7.2自回归模型69

7.2.1AR（p）模型的特征根及平稳性检验69

7.2.2AR（p）模型的定阶71

7.2.3模型的检验73

7.2.4拟合优度及预测74

7.3移动平均模型及预测75

7.3.1MA（q）模型的性质75

7.3.2MA（q）模型的阶次判定75

7.3.3建模和预测76

7.4自回归移动平均模型及预测77

7.4.1确定ARMA（p，q）模型的阶次78

7.4.2ARMA模型的建立及预测79

7.5ARIMA模型及预测80

7.5.1单位根检验80

7.5.2ARIMA（p，d，q）模型阶次确定82

7.5.3ARIMA模型的建立及预测82

7.6自回归条件异方差模型ARCH及预测85

7.6.1波动率的特征85

7.6.2ARCH模型的基本原理85

7.6.3ARCH模型的建立及预测86

7.7广义自回归条件异方差模型GARCH及波动率预测93

7.7.1GARCH模型的建立93

7.7.2波动率预测95

练习题97

第8章 中国股市分析及其Python应用98

8.1股票的基本信息98

8.2股票收益风险分析107

8.3基于风险价值的蒙特卡洛方法109

练习题110

第9章 机器学习神经网络算法及其Python应用111

9.1BP神经网络的拓扑结构111

9.2BP神经网络的学习算法112

9.3BP神经网络的学习程序114

9.4BP神经网络算法股票预测的Python应用114

练习题117

第10章 机器学习支持向量机及其Python应用118

10.1机器学习支持向量机原理118

10.2机器学习支持向量机的应用119

练习题121

第11章 欧式期权定价的Python应用122

11.1期权定价公式的Python函数122

11.2使用NumPy加速批量计算123

11.2.1使用循环的方式123

11.2.2使用NumPy向量计算124

11.3使用SciPy做仿真计算126

11.4计算隐含波动率128

练习题129

第12章 函数插值的Python应用130

12.1如何使用SciPy做函数插值130

12.2函数插值应用——期权波动率曲面构造133

练习题135

第13章 期权定价二叉树算法的Python应用136

13.1二叉树算法的Python描述136

13.2用面向对象的方法实现二叉树算法139

13.2.1二叉树框架139

13.2.2二叉树类型描述140

13.2.3偿付函数141

13.2.4组装141

13.3美式期权定价的二叉树算法143

练习题144

第14章 偏微分方程显式差分法的Python应用145

14.1热传导方程145

14.2显式差分格式146

14.3模块组装148

14.4显式格式的条件稳定性150

练习题151

第15章 偏微分方程隐式差分法的Python应用152

15.1隐式差分格式152

15.1.1矩阵求解153

15.1.2隐式格式求解154

15.2模块组装156

15.3使用SciPy加速156

练习题159

第16章 Black-Scholes-Merton偏微分方程隐式差分法的Python应用160

16.1Black-Scholes-Merton偏微分方差初边值问题的提出160

16.2偏微分方程隐式差分法160

16.3Python应用实现161

16.4收敛性测试163

练习题164

第17章 优矿平台的量化金融投资初步165

17.1量化金融投资基础165

17.2量化金融投资及其策略165

17.3设置初始数据165

17.4选取股票池167

17.5初始化回测账户167

17.6设置买卖条件167

17.7组合成完整的量化策略168

练习题169

第18章 Alpha对冲模型的Python应用170

18.1Alpha对冲模型170

18.2优矿平台的“三剑客”170

18.3优矿平台对冲模型实例171

练习题174

第19章 Signal框架下的Alpha量化金融投资策略的Python应用175

19.1为什么选择Alpha对冲模型175

19.2在优矿平台上构建Alpha对冲模型的神器——Signal框架176

19.3典型公募基金团队如何构建自己的Alpha对冲模型179

19.4如何在优矿平台上一人超越一个公募基金团队179

练习题181

第20章 量化金融投资组合优化的Python应用182

20.1马科维茨投资组合优化基本理论182

20.2投资组合优化的Python应用实例182

20.3投资组合优化实际数据的Python应用187

练习题193

参考文献194