基于Python的金融分析

Python语言被称为“胶水”语言，它的语法准确而简洁，尤其具有大量的第三方工具使它成为处理金融行业的错综复杂的事务的可靠选择。Python语言又是一门非常有亲和力的语言，它对非计算机专业出身的开发者十分友善。本书列举了大量的实例，通过对案例的讲解使读者能由浅入深地逐步展开Python语言的金融之旅。

1Python基础知识
1.1Python环境搭建
1.1.1Python官网及下载
1.1.2Python安装
1.1.3Python环境配置
1.1.4Python运行
1.2Python基本数据类型
1.2.1运算符
1.2.2数字
1.2.3字符串
1.2.4列表
1.2.5元祖
1.2.6字典
1.2.7集合
1.3Python基本语句
1.3.1条件语句
1.3.2while循环语句
1.3.3for循环语句
1.4Python函数和模块
1.4.1Python函数
1.4.2Python模块
1.4.3Python文件I/O
2NumPy基础知识
2.1NumPy环境搭建及数组对象
2.1.1NumPy安装
2.1.2NumPy对象
2.1.3数据类型
2.1.4数组属性
2.2NumPy创建与索引
2.2.1创建数组
2.2.2数字范围创建数组
2.2.3切片和索引
2.3NumPy操作
2.3.1广播
2.3.2迭代
2.3.3修改数组形状
2.3.4翻转数组
2.3.5连接数组
2.3.6分割数组
2.3.7添加与删除
2.4NumPy函数
2.4.1数学函数
2.4.2算术函数
2.4.3统计函数
2.4.4排序函数
3Pandas基础知识
3.1Pandas环境安装及数据结构
3.1.1Pandas环境安装
3.1.2Pandas系列
3.1.3Pandas数据帧
3.1.4Pandas面板
3.2Pandas操作
3.2.1系列基本操作
3.2.2数据帧基本操作
3.2.3合并与连接
3.3Pandas函数
3.3.1I/O函数
3.3.2统计函数
4金融市场可视化分析
4.1可视化基础Matplotlib
4.1.1基本引用方法和figure对象
4.1.2绘制图形
4.1.3添加辅助信息
4.2绘制股价基本走势图
4.2.1获取股价数据
4.2.2绘制基础走势
4.3绘制股价专业分析图
4.3.1绘制多个子图
4.3.2绘制成交量图
4.3.3绘制K线图
5金融市场技术指标
5.1摆动类指标
5.1.1KDJ指标
5.1.2RSI指标
5.1.3WR指标
5.2趋势类指标
5.2.1MACD指标
5.2.2MA指标
5.3通道类指标
5.3.1BOLL指标
5.3.2ENE指标
6金融市场描述统计分析
6.1集中趋势分析
6.1.1集中趋势指标
6.1.2绘制直方图
6.2离散度分析
6.2.1极差
6.2.2平均绝对离差
6.2.3方差和标准差
6.3数据分布分析
6.3.1偏度
6.3.2峰度
7金融市场回归分析
7.1一元线性回归分析
7.1.1回归方程的形式
7.1.2参数的估计
7.2沪深两市指数一元回归分析
7.2.1模型构建及分析
7.2.2模型检验
7.3多元回归分析
7.3.1多元回归模型
7.3.2A股白云山多元回归模型构建
8金融市场收益率和风险分析
8.1收益率分析
8.1.1单利及简单收益率分析
8.1.2复利收益率分析
8.2金融风险分析
8.2.1金融风险分类
8.2.2风险计量方法
8.2.3风险测度
8.2.4优选回撤
8.2.5风险价值
9金融市场投资组合分析
9.1投资组合收益率和风险
9.1.1计算投资组合收益率和风险
9.1.2等权重投资组合
9.1.3市值加权投资组合
9.2马科维茨投资组合分析
9.2.1马科维茨投资组合理论
9.2.2蒙特卡洛模拟求解
9.3夏普很优组合分析
9.3.1夏普指数
9.3.2夏普指数分析
10量化交易初步
10.1量化交易框架
10.1.1策略构建阶段
10.1.2策略回测阶段
10.1.3策略执行阶段
10.1.4风险管理阶段
10.2单均线策略
10.2.1单均线策略的实现
10.2.2单均线策略的优化
10.3双均线策略
10.3.1双均线策略的实现
10.3.2双均线策略的优化