目錄

第　1部分 Python與金融

第　1章 為什么將Python用于金融　3

1.1　Python編程語言　3

1.1.1　Python簡史　5

1.1.2　Python生態系統　6

1.1.3　Python用戶譜系　7

1.1.4　科學棧　7

1.2　金融中的科技　8

1.2.1　科技投入　9

1.2.2　作為業務引擎的科技　9

1.2.3　作為進入門檻的科技和人才　10

1.2.4　不斷提高的速度、頻率和數據量　10

1.2.5　實時分析的興起　11

1.3　用于金融的Python　12

1.3.1　金融和Python語法　12

1.3.2　Python的效率和生產率　16

1.3.3　從原型化到生產　20

1.4　數據驅動和人工智能優先的金融學　21

1.4.1　數據驅動金融學　21

1.4.2　人工智能優先金融學　24

1.5　結語　26

1.6　延伸閱讀　27

第　2章 Python基礎架構　29

2.1　作為包管理器使用的conda　31

2.1.1　安裝Miniconda　31

2.1.2　conda基本操作　33

2.2　作為虛擬環境管理器的conda　37

2.3　使用Docker容器　41

2.3.1　Docker鏡像和容器　41

2.3.2　構建Ubuntu和Python Docker鏡像　42

2.4　使用云實例　46

2.4.1　RSA公鑰和私鑰　47

2.4.2　Jupyter Notebook配置文件　48

2.4.3　Python和Jupyter Notebook安裝腳本　49

2.4.4　協調Droplet設置的腳本　51

2.5　結語　52

2.6　延伸閱讀　53

第　2部分 掌握基礎知識

第3章　數據類型與結構　57

3.1　基本數據類型　58

3.1.1　整數　58

3.1.2　浮點數　59

3.1.3　布爾值　61

3.1.4　字符串　65

3.1.5　題外話：打印和字符串替換　66

3.1.6　題外話：正則表達式　69

3.2　基本數據結構　71

3.2.1　元組　71

3.2.2　列表　72

3.2.3　題外話：控制結構　74

3.2.4　題外話：函數式編程　75

3.2.5　字典　76

3.2.6　集合　78

3.3　結語　79

3.4　延伸閱讀　79

第4章　用NumPy進行數值計算　81

4.1　數據數組　82

4.1.1　用Python列表形成數組　82

4.1.2　Python array類　84

4.2　常規NumPy數組　86

4.2.1　基礎知識　86

4.2.2　多維數組　89

4.2.3　元信息　93

4.2.4　改變組成與大小　93

4.2.5　布爾數組　97

4.2.6　速度對比　99

4.3　NumPy結構數組　100

4.4　代碼向量化　102

4.4.1　基本向量化　102

4.4.2　內存布局　105

4.5　結語　107

4.6　延伸閱讀　108

第5章　pandas數據分析　109

5.1　DataFrame類　110

5.1.1　使用DataFrame類的第 一步　110

5.1.2　使用DataFrame類的第二步　114

5.2　基本分析　118

5.3　基本可視化　122

5.4　Series類　124

5.5　GroupBy操作　126

5.6　復雜選擇　128

5.7　聯接、連接和合并　131

5.7.1　聯接　132

5.7.2　連接　133

5.7.3　合并　135

5.8　性能特征　137

5.9　結語　139

5.10　延伸閱讀　140

第6章　面向對象編程　141

6.1　Python對象簡介　145

6.1.1　int　145

6.1.2　list　146

6.1.3　ndarray　146

6.1.4　DataFrame　148

6.2　Python類基礎知識　149

6.3　Python數據模型　154

6.4　Vector類　158

6.5　結語　159

6.6　延伸閱讀　159

第3部分　金融數據科學

第7章　數據可視化　163

7.1　靜態2D繪圖　164

7.1.1　一維數據集　164

7.1.2　二維數據集　170

7.1.3　其他繪圖樣式　177

7.2　靜態3D繪圖　184

7.3　交互式2D繪圖　188

7.3.1　基本圖表　188

7.3.2　金融圖表　192

7.4　結語　196

7.5　延伸閱讀　196

第8章　金融時間序列　197

8.1　金融數據　198

8.1.1　數據導入　198

8.1.2　匯總統計　201

8.1.3　隨時間推移的變化　203

8.1.4　重新采樣　207

8.2　滾動統計　209

8.2.1　概述　209

8.2.2　技術分析示例　211

8.3　相關分析　213

8.3.1　數據　213

8.3.2　對數回報率　214

8.3.3　OLS回歸　216

8.3.4　相關　217

8.4　高頻數據　218

8.5　結語　220

8.6　延伸閱讀　220

第9章　輸入/輸出操作　221

9.1　Python基本I/O　222

9.1.1　將對象寫入磁盤　222

9.1.2　讀取和寫入文本文件　225

9.1.3　使用SQL數據庫　229

9.1.4　讀寫NumPy數組　232

9.2　pandas的I/O　234

9.2.1　使用SQL數據庫　235

9.2.2　從SQL到pandas　237

9.2.3　使用CSV文件　239

9.2.4　使用Excel文件　240

9.3　PyTables的I/O　242

9.3.1　使用表　242

9.3.2　使用壓縮表　250

9.3.3　使用數組　252

9.3.4　內存外計算　253

9.4　TsTables的I/O　256

9.4.1　樣板數據　257

9.4.2　數據存儲　258

9.4.3　數據檢索　259

9.5　結語　261

9.6　延伸閱讀　262

第　10章 高性能的Python　265

10.1　循環　266

10.1.1　Python　266

10.1.2　NumPy　267

10.1.3　Numba　268

10.1.4　Cython　269

10.2　算法　271

10.2.1　質數　271

10.2.2　斐波那契數　275

10.2.3　π　279

10.3　二叉樹　283

10.3.1　Python　283

10.3.2　NumPy　285

10.3.3　Numba　286

10.3.4　Cython　287

10.4　蒙特卡洛模擬　288

10.4.1　Python　289

10.4.2　NumPy　291

10.4.3　Numba　291

10.4.4　Cython　292

10.4.5　多進程　293

10.5　pandas遞歸算法　294

10.5.1　Python　294

10.5.2　Numba　296

10.5.3　Cython　296

10.6　結語　297

10.7　延伸閱讀　298

第　11章 數學工具　299

11.1　逼近法　299

11.1.1　回歸　301

11.1.2　插值　310

11.2　凸優化　314

11.2.1　全局優化　315

11.2.2　局部優化　317

11.2.3　有約束優化　318

11.3　積分　320

11.3.1　數值積分　321

11.3.2　通過模擬求取積分　322

11.4　符號計算　323

11.4.1　基礎知識　323

11.4.2　方程式　325

11.4.3　積分與微分　325

11.4.4　微分　326

11.5　結語　328

11.6　延伸閱讀　328

第　12章 推斷統計學　331

12.1　隨機數　332

12.2　模擬　338

12.2.1　隨機變量　338

12.2.2　隨機過程　341

12.2.3　方差縮減　356

12.3　估值　359

12.3.1　歐式期權　359

12.3.2　美式期權　364

12.4　風險測度　367

12.4.1　風險價值　367

12.4.2　信用價值調整　371

12.5　Python腳本　374

12.6　結語　377

12.7　延伸閱讀　377

第　13章 統計學　379

13.1　正態性檢驗　380

13.1.1　基準案例　381

13.1.2　真實數據　390

13.2　投資組合優化　396

13.2.1　數據　396

13.2.2　基本理論　398

13.2.3　*優投資組合　401

13.2.4　有效邊界　404

13.2.5　資本市場線　405

13.3　貝葉斯統計　408

13.3.1　貝葉斯公式　409

13.3.2　貝葉斯回歸　410

13.3.3　兩種金融工具　414

13.3.4　隨時更新估算值　418

13.4　機器學習　423

13.4.1　無監督學習　423

13.4.2　有監督學習　426

13.5　結語　441

13.6　延伸閱讀　441

第4部分　算法交易

第　14章 FXCM交易平臺　445

14.1　入門　446

14.2　讀取數據　447

14.2.1　讀取分筆交易數據　447

14.2.2　讀取K線（蠟燭圖）數據　449

14.3　使用API　451

14.3.1　讀取歷史數據　452

14.3.2　讀取流數據　454

14.3.3　下單　455

14.3.4　賬戶信息　457

14.4　結語　457

14.5　延伸閱讀　458

第　15章 交易策略　459

15.1　簡單移動平均數　460

15.1.1　數據導入　460

15.1.2　交易策略　461

15.1.3　向量化事后檢驗　463

15.1.4　優化　465

15.2　隨機游走假設　467

15.3　線性OLS回歸　469

15.3.1　數據　470

15.3.2　回歸　472

15.4　聚類　474

15.5　頻率方法　476

15.6　分類　479

15.6.1　兩個二元特征　479

15.6.2　5個二元特征　480

15.6.3　5個數字化特征　482

15.6.4　順序訓練-測試分離　484

15.6.5　隨機訓練-測試分離　485

15.7　深度神經網絡　486

15.7.1　用scikit-learn實現DNN　486

15.7.2　用TensorFlow實現DNN　489

15.8　結語　492

15.9　延伸閱讀　493

第　16章 自動化交易　495

16.1　資本管理　496

16.1.1　二項設定中的凱利標準　496

16.1.2　用于股票及指數的凱利標準　500

16.2　基于ML的交易策略　505

16.2.1　向量化事后檢驗　505

16.2.2　*優杠桿　510

16.2.3　風險分析　512

16.2.4　持久化模型對象　515

16.3　在線算法　516

16.4　基礎設施與部署　518

16.5　日志與監控　519

16.6　結語　521

16.7　Python腳本　522

16.7.1　自動化交易策略　522

16.7.2　策略監控　525

16.8　延伸閱讀　525

第5部分　衍生品分析

第　17章 估值框架　529

17.1　資產定價基本定理　529

17.1.1　簡單示例　530

17.1.2　一般結果　530

17.2　風險中立折現　532

17.2.1　日期建模與處理　532

17.2.2　恒定短期利率　534

17.3　市場環境　536

17.4　結語　539

17.5　延伸閱讀　540

第　18章 金融模型的模擬　541

18.1　隨機數生成　542

18.2　通用模擬類　544

18.3　幾何布朗運動　548

18.3.1　模擬類　548

18.3.2　用例　550

18.4　跳躍擴散　553

18.4.1　模擬類　553

18.4.2　用例　556

18.5　平方根擴散　557

18.5.1　模擬類　558

18.5.2　用例　560

18.6　結語　561

18.7　延伸閱讀　563

第　19章 衍生品估值　565

19.1　通用估值類　566

19.2　歐式行權　570

19.2.1　估值類　570

19.2.2　用例　572

19.3　美式行權　577

19.3.1　*小二乘蒙特卡洛方法　577

19.3.2　估值類　578

19.3.3　用例　580

19.4　結語　583

19.5　延伸閱讀　585

第　20章 投資組合估值　587

20.1　衍生品頭寸　588

20.1.1　類　588

20.1.2　用例　590

20.2　衍生品投資組合　592

20.2.1　類　592

20.2.2　用例　597

20.3　結語　604

20.4　延伸閱讀　605

第　21章 基于市場的估值　607

21.1　期權數據　608

21.2　模型檢驗　610

21.2.1　相關市場數據　611

21.2.2　期權建模　612

21.2.3　檢驗過程　615

21.3　投資組合估值　620

21.3.1　建立期權頭寸模型　621

21.3.2　期權投資組合　622

21.4　Python代碼　623

21.5　結語　625

21.6　延伸閱讀　626

附錄A　日期與時間　627

A.1　Python　627

A.2　NumPy　633

A.3　pandas　636

附錄B　BSM期權類　641

B.1　類定義　641

B.2　類的使用　643