PYTHON金融数据分析与挖掘（微课版）

深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。 将从Python基础知识、基本数据分析技能，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python相关知识的学习。 本书提供了在线实训平台、微课视频，还提供丰富的数据、案例及程序代码，将理论与实践相结合。

本书从Python基础入门讲起，到应用Python进行科学计算、数据处理、数据可视化、挖掘建模基础训练，再到利用Python进行金融数据挖掘与量化投资实战，深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。 全书分3篇：基础篇、案例篇和实训篇。基础篇（第1～6章）主要介绍Python基础及应用于科学计算、数据处理、数据可视化、机器学习、关联规则等方面的基础知识和金融数据基础知识；案例篇（第7～11章）主要介绍利用Python进行金融数据挖掘分析的基础案例和综合案例；实训篇（第12章），由8个实训组成。本书将从Python基础知识、基本数据分析技能和金融数据基础知识，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python金融数据分析与挖掘相关知识的学习。 本书提供配套的案例数据、程序代码，适合作为普通高等院校数学、计算机、经济管理专业相关课程的教材，也适合作为金融数据挖掘研究者、爱好者的参考书。

黄恒秋，2011.7-2014.6 就职于深圳市国泰安信息技术有限公司，从事CSMAR数据库分析师、软件策划及设计相关工作 2014.9-今 广西民族师范学院数学与计算机科学学院专任教师，从事数据分析与挖掘、数学建模、Python语言、MATLAB语言、高等数学相关课程教学工作。

基 础 篇 第　1章 Python基础　1 1.1　Python概述　1 1.2　Python安装及启动　2 1.2.1　Python安装　2 1.2.2　Python启动及界面认识　4 1.2.3　Python安装扩展包　10 1.3　Python基本数据类型　10 1.3.1　数值的定义　11 1.3.2　字符串的定义　11 1.3.3　列表的定义　11 1.3.4　元组的定义　12 1.3.5　集合的定义　12 1.3.6　字典的定义　12 1.3.7　列表、元组、集合与字典之间的比较　13 1.4　Python相关的公有方法　14 1.4.1　索引　14 1.4.2　切片　14 1.4.3　长度　15 1.4.4　统计　15 1.4.5　成员身份　16 1.4.6　变量删除　16 1.5　列表、元组与字符串方法　17 1.5.1　列表方法　17 1.5.2　元组方法　18 1.5.3　字符串方法　19 1.6　字典方法　21 1.7　条件语句　22 1.7.1　if…语句　22 1.7.2　if…else…语句　22 1.7.3　if…elif…else…语句　22 1.8　循环语句　23 1.8.1　while语句　23 1.8.2　for循环　23 1.9　函数　24 1.9.1　无返回值函数的定义与调用　24 1.9.2　有返回值函数的定义与 调用　24 1.9.3　有多返回值函数的定义 与调用　25 1.10　Python在金融大数据中的应用　26 本章小结　27 本章练习　27 本章实验　28 第　2章 科学计算包Numpy　32 2.1　Numpy简介　32 2.2　创建数组　33 2.2.1　利用array()函数创建数组　33 2.2.2　利用内置函数创建数组　34 2.3　数组尺寸　35 2.4　数组运算　36 2.5　数组切片　36 2.5.1　常见的数组切片方法　37 2.5.2　利用ix_()函数进行数组 切片　38 2.6　数组连接　38 2.7　数据存取　39 2.8　数组形态变换　40 2.9　数组排序与搜索　41 2.10　矩阵与线性代数运算　42 2.10.1　创建Numpy矩阵　42 2.10.2　矩阵的属性和基本运算　43 2.10.3　线性代数运算　44 本章小结　47 本章练习　48 本章实验　48 第3章　数据处理包Pandas　51 3.1　Pandas简介　51 3.2　序列　52 3.2.1　序列创建及访问　52 3.2.2　序列属性　53 3.2.3　序列方法　54 3.2.4　序列切片　55 3.2.5　序列聚合运算　56 3.3　数据框　57 3.3.1　数据框创建　57 3.3.2　数据框属性　57 3.3.3　数据框方法　58 3.3.4　数据框切片　62 3.4　外部文件读取　64 3.4.1　Excel文件读取　64 3.4.2　TXT文件读取　65 3.4.3　CSV文件读取　66 3.5　常用函数　67 3.5.1　时间处理函数　67 3.5.2　数据框合并函数　68 3.5.3　数据框关联函数　69 3.6　常见数据处理和计算任务　70 3.6.1　滚动计算　70 3.6.2　时间元素提取　71 3.6.3　映射与离散化　73 3.6.4　分组计算　75 本章小结　77 本章练习　77 本章实验　78 第4章　数据可视化包Matplotlib　83 4.1　Matplotlib绘图基础　83 4.1.1　Matplotlib图像构成　83 4.1.2　Matplotlib绘图基本流程　83 4.1.3　中文字符显示　85 4.1.4　坐标轴字符刻度标注　87 4.2　Matplotlib常用图形绘制　88 4.2.1　散点图　89 4.2.2　线性图　90 4.2.3　柱状图　92 4.2.4　直方图　92 4.2.5　饼图　93 4.2.6　箱线图　94 4.2.7　子图　95 本章小结　97 本章练习　98 本章实验　98 第5章　机器学习与实现　103 5.1　Scikit-learn简介　103 5.2　数据预处理　104 5.2.1　缺失值处理　104 5.2.2　数据规范化　106 5.2.3　主成分分析　109 5.3　线性回归　115 5.3.1　一元线性回归　116 5.3.2　多元线性回归　118 5.3.3　Python线性回归应用举例　119 5.4　逻辑回归　121 5.4.1　逻辑回归模型　122 5.4.2　Python逻辑回归模型应用举例　122 5.5　神经网络　123 5.5.1　神经网络模拟思想　123 5.5.2　神经网络结构及数学模型　125 5.5.3　Python神经网络分类应用 举例　125 5.5.4　Python神经网络回归应用 举例　127 5.6　支持向量机　128 5.6.1　支持向量机原理　128 5.6.2　Python支持向量机应用 举例　129 5.7　K-均值聚类　131 5.7.1　K-均值聚类的基本原理　132 5.7.2　Python K-均值聚类算法 应用举例　134 5.8　关联规则　136 5.8.1　关联规则概念　137 5.8.2　布尔关联规则挖掘　138 5.8.3　一对一关联规则挖掘及Python实现　138 5.8.4　多对一关联规则挖掘及Python实现　141 本章小结　145 本章练习　145 本章实验　149 第6章　金融数据基础　154 6.1　上市公司及其约束规范　154 6.2　上市公司数据收集、生产及主要指标解读　155 6.2.1　公司治理结构　156 6.2.2　公司财务报表　160 6.2.3　公司财务分析指标　163 6.3　股票交易市场数据生产、加工及理解　165 6.3.1　股票交易数据基本知识　165 6.3.2　股票交易数据生产场景　166 6.3.3　股票高频交易数据　167 6.3.4　股票日频交易数据　169 6.3.5　股票价格指数日频交易数据　170 6.4　金融数据开源接口　172 6.4.1　tushare安装　172 6.4.2　数据获取实例　173 本章小结　174 本章练习　174 本章实验　174 案　例 篇 第7章　基础案例　176 7.1　股票价格指数周收益率和 月收益率的计算　176 7.1.1　案例介绍　176 7.1.2　周收益率计算　177 7.1.3　月收益率计算　179 7.2　上市公司净利润增长率的计算　181 7.2.1　案例介绍　181 7.2.2　指标计算　182 7.3　股票价、量走势图的绘制　183 7.3.1　案例介绍　183 7.3.2　绘图数据计算　184 7.3.3　绘图及图形保存　185 7.4　股票价格移动平均线的绘制　187 7.4.1　案例介绍　187 7.4.2　图形绘制　188 7.5　沪深300指数走势预测　192 7.5.1　案例介绍　192 7.5.2　指标计算　193 7.5.3　模型求解　194 7.6　基于主成分聚类的上市公司 盈利能力分析　195 7.6.1　案例介绍　195 7.6.2　案例分析及计算　196 7.7　国际股票指数关联分析　202 7.7.1　问题描述　202 7.7.2　数据预处理　203 7.7.3　关联规则挖掘　206 7.7.4　问题拓展　208 7.7.5　结果分析　210 本章小结　210 本章练习　210 本章实验　211 第8章　综合案例1：上市公司 综合评价　215 8.1　案例背景　215 8.2　案例目标及实现思路　215 8.3　基于总体规模与投资效率 指标的综合评价　216 8.3.1　指标选择　217 8.3.2　数据处理　217 8.3.3　主成分分析　218 8.3.4　综合排名　218 8.3.5　收益率计算　219 8.3.6　量化投资策略设计与分析　221 8.4　基于成长与价值指标的综合 评价　226 8.4.1　指标选择　226 8.4.2　数据处理　226 8.4.3　主成分分析　228 8.4.4　综合排名　228 8.4.5　收益率计算　229 8.4.6　量化投资策略设计与分析　230 本章小结　234 本章练习　235 本章实验　235 第9章　综合案例2：股票价格涨跌 趋势预测　237 9.1　案例背景　237 9.2　案例目标及实现思路　237 9.3　指标计算　238 9.3.1　移动平均线　239 9.3.2　指数平滑异同平均线　239 9.3.3　随机指标　240 9.3.4　相对强弱指标　241 9.3.5　乖离率指标　241 9.3.6　能量潮指标　241 9.3.7　涨跌趋势指标　242 9.3.8　计算举例　242 9.4　预测模型构建　246 9.4.1　训练集和测试集的划分　246 9.4.2　数据标准化处理　246 9.4.3　模型求解　247 9.5　预测结果分析　247 9.6　量化投资策略设计与分析　249 9.6.1　函数定义　249 9.6.2　量化投资策略设计　251 本章小结　253 本章练习　254 本章实验　254 第　10章 综合案例3：股票价格形态 　聚类与收益分析　258 10.1　案例背景　258 10.2　案例目标及实现思路　258 10.3　数据获取　260 10.4　股票价格形态特征提取　260 10.4.1　关键价格点概念及提取 　算法　260 10.4.2　基于关键价格点的形态 　特征表示　261 10.4.3　基于关键价格点的形态 　特征提取　263 10.5　股票价格形态聚类与收益率 　计算　266 10.5.1　K-最频繁值聚类算法　266 10.5.2　基于K-最频繁值聚类算法 　的股票价格形态聚类　268 10.5.3　类平均收益率的计算　268 10.5.4　股票形态图绘制　270 10.6　量化投资策略设计与分析　274 10.6.1　函数定义及使用方法　274 10.6.2　训练样本与预测样本的 　构建　277 10.6.3　量化投资策略设计　278 本章小结　279 本章练习　279 本章实验　280 第　11章 综合案例4：行业联动与 　轮动分析　282 11.1　案例背景　282 11.2　案例目标及实现思路　282 11.3　数据获取　283 11.4　日行业联动与轮动分析　285 11.4.1　指标计算　285 11.4.2　行业联动关联规则挖掘　286 11.4.3　行业轮动关联规则挖掘　288 11.5　周行业联动与轮动分析　290 11.5.1　指标计算　290 11.5.2　行业联动关联规则挖掘　293 11.5.3　行业轮动关联规则挖掘　294 11.6　月行业联动与轮动分析　294 11.6.1　指标计算　294 11.6.2　行业联动关联规则挖掘　298 11.6.3　行业轮动关联规则挖掘　299 11.7　量化投资策略设计与分析　300 本章小结　305 本章练习　305 本章实验　305 实　训 篇 第　12章 综合实训　307 12.1　行业盈利状况可视化分析 　实训　307 12.1.1　实训内容　307 12.1.2　实训指导　308 12.2　上市公司透明度综合评价 　实训　309 12.2.1　实训内容　309 12.2.2　实训指导　310 12.3　基于支持向量机的量化择时 　实训　310 12.3.1　实训内容　310 12.3.2　实训指导　311 12.4　上市公司综合能力聚类分析 　实训　312 12.4.1　实训内容　312 12.4.2　实训指导　313 12.5　股票联动与轮动分析实训　313 12.5.1　实训内容　313 12.5.2　实训指导　314 12.6　上市公司财务风险预警模型实训　315 12.6.1　实训内容　315 12.6.2　实训指导　315 12.7　上市公司高送转预测实训　316 12.7.1　实训内容　316 12.7.2　实训指导　317 12.8　上市公司新闻标题情感分类实训　318 12.5.1　实训内容　318 12.5.2　实训指导　318 参考文献　321