只有互联网企业才拥有大数据吗?不是,金融行业一直拥有庞大的金融数据和客户群体数据!
只有互联网企业才需要分析大数据吗?不是,金融行业更需要大数据分析。
金融行业已经以惊人的速度采用Python,一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。目前,市面上的金融数据分析书籍多是偏向于大数据在金融行业的普及而很少深入到金融数据里面去,去深入挖掘和深入分析,可使用的软件也不多,但是python“易于理解的语法、与C/C++的轻松集成以及各种数值计算工具,使其成为金融分析的自然选择。它正在快速替代主流金融机构中使用的语言和工具 ,并成为事实上的标准”( —— Kirat Singh,华盛顿Square Technologies公司联合创始人、总裁兼CTO)。
新书上市! 经管之家联合人民邮电出版社异步社区推出《Python金融大数据分析》赠书活动:
【参与方式】回帖与“python、金融行业、python金融大数据”相关的文字,或者说说自己的从业背景与python的经历。认真的回复不但有机会获得赠书,重要的是论坛币奖励一定有。
【活动时间】11月19-11月27日
【本期奖品】
人民邮电出版社新书《Python金融大数据分析》,本数5本,由人大经济论坛与人民邮电出版社共同评选。结果将于11月27日以后于本帖公布,会由人民邮电出版社负责快递!
有关本书的更多信息,请访问人民邮电出版社异步社区!
(《Python金融大数据分析》,总计528页,2015年12月,人民邮电出版社。)
1.内容介绍
Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区,在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用,并且成为该行业开发核心应用的首选编程语言。《Python金融大数据分析》提供了使用Python进行数据分析,以及开发相关应用程序的技巧和工具。
《Python金融大数据分析》总计分为3部分,共19章,第1部分介绍了Python在金融学中的应用,其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具,以及Python在计量金融学中的一些具体入门实例;第2部分介绍了金融分析和应用程序开发中最重要的 Python库、技术和方法,其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成,以及基于Web应用和Web服务的开发;第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作,其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。
《Python金融大数据分析》适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。
2.编辑推荐
金融行业已经以惊人的速度采用Python,一些最大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助开发人员和量化分析人员入门Python,并指导他们掌握Python在计量金融学上的重要应用。
本书通过大量的实用示例并以一个大型的真实案例研究为基础,讲解如何为基于蒙特卡洛模拟的衍生品和风险分析开发一个成熟的框架。本书大部分内容使用了交互式的IPython Notebooks,并包含了如下主题。
基础知识:Python数据结构,NumPy数组处理、用pandas进行时间序列分析,用matplotlib可视化,用PyTables进行高性能I/O操作,日期/时间信息处理和精选的最佳实践。
金融主题:使用了NumPy、SciPy和SymPy的数学技术,例如回归和优化;用于蒙特卡洛模拟、风险价值、风险信用价值计算的推断统计学;用于正态性检验、均方差投资组合优化、主成分分析(PCA)和贝叶斯回归的统计学。
特殊主题:用于金融算法的高性能Python,如向量化和并行化;Python与Excel的集成;以及构建基于Web技术的金融应用程序。
3.作者简介
Yves Hilpsch是Python Quants(德国)股份有限公司的创始人和任事股东,也是Python Quants(纽约)有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件(参见 http://pythonquants.com,http://quant-platfrom.com和http://dx- analytics.com),以及和Python及金融相关的咨询、开发和培训服务。
Yves还是Derivatives Analytics with Python(Wiley Finance,2015)的作者。作为获得数理金融学博士学位的商业管理专业研究生,他在萨尔州大学讲授计算金融学中的数值化方法课程。
4.精彩试读(前言):
前言
不久以前,在金融行业,Python作为一种编程语言和平台技术还被视为异端。相比之下,2014年有许多大型金融机构—如美国银行、美林证券的“石英”项目或者摩根大通的“雅典娜”项目—战略性地使用了Python和其他既定的技术,构建、改进和维护其核心IT系统。众多大大小小的对冲基金也大量使用Python的功能,进行高效的金融应用程序开发和金融分析工作。
同样,当今许多金融工程硕士课程(或者授予类似学位的课程)也使用Python作为核心语言之一,教授计量金融理论与可执行计算机代码之间的转换方法。针对金融专业人士的教育项目和培训也越来越多地在课程中加入Python。有些课程将它作为主要实现语言。
Python最近取得这样的成功,而且在未来似乎还会继续下去,这有许多原因。其中包括它的语法、Python开发人员可用的科学生态系统和数据分析库、易于和几乎所有其他技术集成,以及其开源地位(更多这方面的深入探讨请参见第1章)。
因此,有许多好的书籍,从不同角度和焦点传授Python。本书是最先介绍和传授Python金融应用的书籍之一,特别是将Python用于计量金融学和金融分析。书中采用的方法很实用,实现和说明先于理论细节,通常将焦点更多地放在大局上,而非某些类或者函数晦涩难懂的参数化选项。
本书的大部分是在基于浏览器的强大交互式环境IPython Notebook(在第2章中有更详细的介绍)中编写的,因此有可能为读者提供本书中几乎所有例子的可执行、交互式版本。
希望立即开始使用完备的交互式Python(以及R和Julia)金融分析环境的读者,应该前往http://oreilly.quant-platform.com,尝试Python Quant平台(结合本书提供的IPython Notebook文件)。你还应该关注基于Python的金融分析库DX analytics(http://dx-analytics.com)。我的另一本书《Derivatives Analytics with Python》(Wiley Finance)更详细地介绍高级衍生品分析的理论和数值方法,书中也提供了丰富而易用的Python代码。进一步的材料,特别是有关Python计量金融学应用的幻灯片及视频,可以在我的私人网站上找到(http://hilpisch.com)。
如果你想参加Python 计量金融学应用社区的活动,在世界上的金融中心有各种各样的机会。例如,我自己在伦敦(http://www.meetup.com/Python-for-Quant_finance-London/)和纽约(http://www.meetup.com/Python-for-Quant_finance-NYC/)组织以此为焦点的讨论组。每年还有多次For Python Quants会议和研讨(http://forpythonquants.com和http://pythonquants.com)。
对于Python确立金融行业中重要技术地位这一事实,我确实感到很兴奋。我敢肯定,它在未来将会起到更重要的作用,例如在衍生品和风险分析或者高性能计算领域中。我希望本书能够帮助专业人士、研究人员和学生在面对这一迷人领域中的挑战时,最大限度地利用Python。
5.《Python金融大数据分析》目录
节选(详情见word文档)
第1部分 Python与金融
第1章 为什么将Python用于金融 3
1.1 Python是什么 3
1.1.1 Python简史 5
1.1.2 Python生态系统 5
1.1.3 Python用户谱系 7
1.1.4 科学栈 7
1.2 金融中的科技 8
1.2.1 科技开销 9
1.2.2 作为业务引擎的科技 9
1.2.3 作为进入门槛的科技和人才 9
1.2.4 不断提高的速度、频率、数据量 10
1.2.5 实时分析的兴起 11
1.3 用于金融的Python 12
1.3.1 金融和Python语法 12
1.3.2 Python的效率和生产率 15
1.3.3 从原型化到生产 19
1.4 结语 20
1.5 延伸阅读 20
第2部分 金融分析和开发
第4章 数据类型和结构 71
4.1 基本数据类型 72
4.1.1 整数 72
4.1.2 浮点数 73
4.1.3 字符串 75
4.2 基本数据结构 77
4.2.1 元组 77
4.2.2 列表 78
4.2.3 离题:控制结构 80
4.2.4 离题:函数式编程 81
4.2.5 字典 82
4.2.6 集合 84
4.3 NumPy数据结构 85
4.3.1 用Python列表形成数组 85
4.3.2 常规NumPy数组 87
4.3.3 结构数组 90
4.4 代码向量化 91
4.5 内存布局 93
4.6 结语 95
4.7 延伸阅读 95
第3部分 衍生品分析库
第15章 估值框架 409
15.1 资产定价基本定理 409
15.1.1 简单示例 409
15.1.2 一般结果 410
15.2 风险中立折现 412
15.2.1 日期建模和处理 412
15.2.2 固定短期利率 413
15.3 市场环境 415
15.4 结语 418
15.5 延伸阅读 419
附件: