新書推薦:
《
定言命令式:康德道德哲学研究(政治哲学名著译丛)
》
售價:HK$
129.8
《
棕榈油的全球史 : 从奴隶船到购物篮
》
售價:HK$
96.8
《
简帛时代与早期中国思想世界(上下册)(王中江著作系列)
》
售價:HK$
308.0
《
进化主义在中国的兴起(王中江著作系列)
》
售價:HK$
209.0
《
不废风雅 生活的意趣(汪曾祺风雅意趣妙文)
》
售價:HK$
61.6
《
东亚世界形成史论(新版)
》
售價:HK$
107.8
《
奶奶的半个心愿 “课本里的作家” 中考热点作家孙道荣2024年全新散文集
》
售價:HK$
41.8
《
天生坏种:罪犯与犯罪心理分析
》
售價:HK$
97.9
內容簡介:
Python是一款非常优秀的数据分析、图形展示和机器学习软件,《金融经济数据分析及其Python应用》侧重于使用Python进行金融经济数据分析,同时结合大量精选的实例问题对Python进行科学、准确和全面的介绍,以便使读者能深刻理解R的精髓和灵活、高效的使用技巧。
關於作者:
朱顺泉。二〇〇一年于中南大学管理科学与工程专业研究生毕业,获管理学博士学位,二〇〇四年于上海财经大学应用经济学专业金融计量与统计方向博士后研究出站,二〇〇六年评为教授。曾先后工作于湖南财经学院、湖南大学、暨南大学等,指导各类硕士生七十余人,现为广东财经大学金融学院教授,长期从事本科生与研究生的投资学、金融工程学、公司金融学、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作,一直致力于财经管理与信息科技相结合的交叉应用研究。在人民、科学、清华、北大等出版社出版著作四十余部,在《Journal of Mathematical Finance》、《Journal of Financial Risk Management》、《Lecture Notes in Decision Science》等学术刊物上发表学术论文一百余篇,主持完成国家社会科学基金、教育部社会科学基金、广东省科技计划软科学基金、湖南省社会科学基金、广州市社会科学基金、广州市科技计划软科学基金、广东省财政厅等项目共十余项,主持完成各类校级项目十项。主要研究方向:投资学、金融工程、公司金融财务等,在量化金融与对冲基金、科技金融与技术创新、
目錄 :
目录
第1章经济金融数据分析及Python环境
1.1经济金融数据类型
1.2经济金融数据来源
1.3经济金融数据分析工具简介
1.4Python数据分析工具的下载
1.5数据分析工具Python的安装
1.6Python的启动和退出
1.7Python数据分析相关的程序包
1.8Python数据分析快速入门
练习题
第2章Python数据分析程序包应用基础
2.1Python数据分析的NumPy应用基础
2.2Python数据分析的SciPy应用基础
2.3Python数据分析的Pandas应用基础
练习题
第3章Python数据分析的数据存取
3.1PythonNumPy数据存取
3.2PythonSciPy数据存取
3.3PythonPandas的csv格式数据文件存取
3.4PythonPandas的Excel格式数据文件存取
3.5读取并查看数据表列
3.6读取Yahoo财经网站数据
3.7读取挖地兔财经网站数据
3.8挖地兔Tushare财经网站数据保存与读取
练习题
第4章Python图形的绘制和可视化
4.1Matplotlib绘图应用基础
4.2直方图的绘制
4.3散点图的绘制
4.4气泡图的绘制
4.5箱图的绘制
4.6饼图的绘制
4.7条形图的绘制
4.8折线图的绘制
4.9曲线标绘图的绘制
4.10连线标绘图的绘制
4.11复杂图形的绘制
4.12关于绘图中显示中文的问题处理
练习题
第5章概率统计分布的Python应用
5.1二项分布
5.2泊松分布
5.3正态分布
5.4分布
5.5均匀分布
5.6指数分布
练习题
第6章描述性统计的Python应用
6.1描述性统计量
6.2描述性统计的Python工具
6.3单组数据描述性统计的Python应用
6.4多组数据描述性统计的Python应用
练习题
第7章参数估计的Python应用
7.1参数估计与置信区间的含义
7.2点估计的Python应用
7.3单正态总体均值区间估计的Python应用
7.4单正态总体方差区间估计的Python应用
7.5双正态总体均值差区间估计的Python应用
7.6双正态总体方差比区间估计的Python应用
练习题
第8章参数假设检验的Python应用
8.1参数假设检验的基本理论
8.2单个样本t检验的Python应用
8.3两个独立样本t检验的Python应用
8.4配对样本t检验的Python应用
8.5单样本方差假设检验的Python应用
8.6双样本方差假设检验的Python应用
练习题
第9章相关分析与一元回归数据分析的Python应用
9.1相关分析基本理论
9.2相关分析的Python应用
9.3一元线性回归分析基本理论
9.4一元线性回归数据分析的Python应用
9.5自相关性诊断的Python应用
练习题
第10章多元回归数据分析的Python应用
10.1多元线性回归分析基本理论
10.2多元线性回归数据分析的Python应用
10.3多元回归分析的Scikitlearn工具应用
10.4稳健线性回归分析Python应用
10.5逻辑Logistic回归分析Python应用
10.6广义线性回归分析Python应用
练习题
第11章机器学习数据分析的Python应用
11.1机器学习算法分类
11.2常见的机器学习算法及其Python代码
11.3K最近邻算法银行贷款分类的Python应用
11.4各种机器学习算法的Python应用
11.5K最近邻算法分类的Python应用
练习题
第12章时间序列数据分析的Python应用
12.1时间序列分析的ARIMA建模
12.2ARIMA模型时间序列分析的PythonStatsmodels应用
12.3时间序列数据分析ARIMA模型的Python应用
练习题
第13章量化金融数据分析的Python应用
13.1战胜股票市场策略可视化的Python应用
13.2股票数据描述性统计的Python应用
13.3资产组合标准均值方差模型及其Python应用
13.4资产组合有效边界的Python绘制
13.5Markowitz投资组合优化的Python应用
13.6蒙特卡罗模拟股票期权定价的Python应用
13.7蒙特卡罗模拟期权价格稳定性的Python应用
练习题
內容試閱 :
前言
R软件及其在金融定量分析中的应用
大数据时代,数据已成为人们进行商务决策时最重要的参考依据之一,数据分析行业迈入了一个全新的阶段。《经济金融数据分析及其Python应用》重点介绍了Python的数据存取、数据的可视化、数据统计分析、机器学习、时间序列分析和金融量化分析的Python应用,同时结合大量的实例,对Python的重要程序包进行科学、准确和全面的介绍,以便使读者深刻理解Python的精髓和灵活、高效的使用技巧。
本书之所以采用Python软件,是因为它具有强大的图形展示、统计分析、机器学习功能,免费使用及功能强大的Pandas(基本数据分析工具)、NumPy(数值计算工具)、SciPy(科学计算工具)、Matplotlib(基础绘图工具)、Seaborn(扩展绘图工具)、Sklearn(机器学习工具)等众多程序包(而Matlab、SAS、SPSS、EViews、Stata、SPLUS等都是付费软件),因此它越来越受到广大用户的欢迎和喜爱。
本书通过丰富的实例,详细介绍了Python在数据存取、图形展示、统计分析、机器学习、时间序列、量化金融等领域中的应用,侧重于理论方法与应用相结合,实例丰富且通俗易懂,尤其对Python软件的各种绘图方法、不同数据表的接口、统计分析、机器学习、时间序列、量化金融等方面的介绍有较好的特色,详细地介绍了各种绘图方法、不同数据的接口、统计分析、机器学习、时间序列、量化金融等方面在Python中的实现过程。本书的特点是: 以问题为导向,通过问题来介绍Python的使用方法。因此,读者通过本书不仅能掌握Python及相关的程序包的使用方法,而且能学会从实际问题分析入手,应用Python解决经济金融领域中的各种数据分析问题。
本书的内容是这样安排的: 第1章介绍经济金融数据分析及Python环境,第2章介绍Python数据分析程序包应用基础,第3章介绍Python数据分析的数据存取,第4章介绍Python图形的绘制和可视化,第5章介绍概率统计分布的Python应用,第6章介绍描述性统计的Python应用,第7章介绍参数估计的Python应用,第8章介绍参数假设检验的Python应用,第9章介绍相关分析与一元回归数据分析的Python应用,第10章介绍多元回归数据分析的Python应用,第11章介绍机器学习数据分析的Python应用,第12章介绍时间序列数据分析的Python应用,第13章介绍量化金融数据分析的Python应用。
本书实例和内容丰富,针对性强,书中各章详细地介绍了实例的Python具体操作过程,读者只需按照书中介绍的步骤一步一步地实际操作,就能掌握全书的内容。为了帮助读者更加直观地学习本书,我们将书中实例的全部数据文件打包收录,读者可扫描书末页的二维码获取。读者在自己的电脑中建立一个data目录(其他目录名也可以),将所有数据文件复制到此目录,即可进行操作。
本书适合作为统计学、金融学、经济学、管理学等相关专业的本科生或研究生学习数据分析、统计学、时间序列分析、量化金融等课程的教材或实验参考用书,同时对从事数据分析的实际工作者也大有裨益。
本书部分内容为广东省自然科学基金项目成果,也是广东财经大学数据模型与决策示范课程的阶段性成果。
本书的出版得到了清华大学出版社编校人员的大力支持和帮助,感谢他们为本书编辑校对付出的辛苦工作。由于时间和水平的限制,书中难免出现一些纰漏,恳请读者谅解并提出宝贵意见。
作者2018年5月于广州