大数据财务分析(基于Python)/智能财会丛书

本教材最大的特点是将 Python基础知识与财务分析 知识进行了融合，在财务分 析场景中学习Python,在 Python学习中实现财务分析 的自动化与智能化，从而避 免财会专业背景的读者在学 习Python时由于目标不明确 导致学习动力不足、学习效 率低等问题。通过本书的学 习，读者可以掌握Python基 础知识，初步具备利用 Python进行高质量财务分析 的能力。 本书共分为3篇13章。第 1篇“Python技术基础与财务 数据获取”包括2章，介绍 Python基础知识与通过 Tushare数据接口快速获取 财务数据；第2篇“Python数 据分析技术与财务分析实战 ”包括8章，首先介绍 Pandas库财务数据分析基 础、Matplotlib库财务可视 化基础，其次介绍如何利用 Python进行财务静态分析、 财务趋势分析、财务同业比 较分析、现金流量表进阶分 析、杜邦分析、批量筛选优 质上市公司等；第3篇“机器 学习技术与财务分析实战” 包括3章，介绍线性回归模 型与财务分析、决策树模型 与集成学习模型在财务舞弊 预测中的应用。 本书可作为高校财务管 理学、会计学、审计学、管 理学等专业本科生与研究生 的Python基础、大数据财务 分析等课程的教材，也可作 为对财务数智化转型感兴趣 的其他读者的参考书。

王宇韬，华能贵诚信托金融科技实验室发起人，宾夕法尼亚大学硕士，上海交通大学学士，两年内通过CFA 3级、FRM 2级、AQF，在华能贵诚信托自主研发了舆情监控系统、资金雷达、流程自动化AI系统、机器视频面试系统等，专注于科技在金融领域的应用。

第1篇 Python技术基础与财务数据获取 第1章 Python基础快速入门 1.1 Python安装与第一个Python程序 1.2 Python基础知识 1.3 Python语句 1.4 函数与模块 第2章 通过Tushare数据接口快速获取财务数据 2.1 Tushare基本介绍 2.2 通过Tushare数据接口获取财务数据 2.3 通过Tushare数据接口获取股票行情等其他数据 第2篇 Python数据分析技术与财务分析实战 第3章 财务数据分析利器——Pandas库 3.1 DataFrame的创建 3.2 文件的读取和写入 3.3 数据读取与筛选 3.4 数据表拼接 3.5 案例实战：财务数据处理 3.6 案例实战：财务数据获取进阶 第4章 财务可视化基础——Matplotlib库 4.1 Matplotlib基本图形绘制 4.2 Matplotlib可视化小技巧 4.3 案例实战：Matplotlib财务可视化 第5章 财务静态分析 5.1 盈利能力指标 5.2 营运能力指标 5.3 偿债能力指标 5.4 成长能力指标 5.5 综合案例 第6章 财务趋势分析 6.1 盈利能力分析 6.2 营运能力分析 6.3 偿债能力分析 6.4 成长能力分析 6.5 趋势分析综合评分 第7章 财务同业比较分析 7.1 盈利能力比较 7.2 营运能力比较 7.3 偿债能力比较 7.4 成长能力比较 7.5 同业分析综合评分 第8章 现金流量表进阶分析 8.1 指标1：经营活动产生的现金流量净额/净利润 8.2 指标2：销售商品、提供劳务收到的现金/营业收入 8.3 指标3：期末现金及现金等价物余额＞有息负债（应付债券+短期借款＋长期借款） 8.4 指标4：自由现金流 8.5 指标5：现金流画像 8.6 行业横向对比 第9章 杜邦分析 9.1 杜邦分析法介绍 9.2 利用杜邦分析法进行公司基本面分析 9.3 杜邦分析法反映的三种业绩驱动模式 第10章 批量筛选优质上市公司 10.1 指标体系 10.2 标准维度 10.3 案例实战 第3篇 机器学习技术与财务分析实战 第11章 线性回归模型+财务会计案例实战 11.1 一元线性回归模型 11.2 线性回归模型评估 11.3 多元线性回归模型 第12章 决策树模型+财务舞弊模型构建 12.1 决策树模型的基本原理 12.2 案例实战：财务舞弊预测模型 12.3 模型的参数调优 第13章 集成学习模型+财务舞弊预测 13.1 随机森林模型的基本原理和代码实现 13.2 GBDT算法原理 13.3 XGBoost算法原理 13.4 案例实战：基于集成学习模型的财务舞弊模型