【干货书】Python金融分析，714页pdf掌握数据驱动金融

金融行业最近以惊人的速度采用Python，一些最大的投资银行和对冲基金使用它来构建核心交易和风险管理系统。这本书的第二版是为Python 3更新的，它帮助您开始使用该语言，通过Python库和用于构建金融应用和交互式金融分析的工具指导开发人员和定量分析人员。

https://learning.oreilly.com/library/view/python-for-finance/9781491945360/pr01.html

通过在书中使用实例，作者Yves Hilpisch还向您展示了如何开发一个完整的基于衍生品和风险分析的蒙特卡罗模拟框架，基于一个大型的、现实的案例研究。本书的大部分内容使用交互式IPython笔记本。

本部分介绍Python用于金融。

第1章简要讨论了Python的总体情况，并详细讨论了为什么Python非常适合解决金融行业和金融数据分析中的技术挑战。

第2章是关于Python基础架构的;它提供了管理Python环境的重要方面的简明概述，让您开始使用Python进行交互式金融分析和金融应用开发。

本书的这一部分是关于Python编程的基础知识。本部分所涵盖的主题是后续所有章节的基础，也是一般Python使用的基础。章节按照特定的主题进行组织，以便读者可以作为参考来查找与感兴趣的主题相关的示例和细节:

第3章关注Python数据类型和结构。

第4章是关于NumPy和它的ndarray类。

第5章是关于pandas和它的DataFrame类。

第6章讨论了使用Python进行面向对象编程(OOP)

本书的这一部分是关于金融数据科学的基本技术、方法和软件包。许多主题(如可视化)和许多包(如scikit-learn)是使用Python进行数据科学的基础。从这个意义上说，这部分为定量分析师和金融分析师提供了成为金融数据科学家所需的Python工具。与第二部分一样，章节按照主题进行组织，以便每个章节都可以作为感兴趣主题的参考:

第7章讨论了matplotlib和plotly的静态和交互式可视化。

第8章是关于用pandas处理金融时间序列数据。

第9章专注于正确和快速地获取输入/输出(I/O)操作。

第10章是关于如何让Python代码更快。

第11章着重于金融中经常需要的数学工具。

第12章介绍如何使用Python实现随机方法。

第13章是关于统计和机器学习方法的。

本书的这一部分是关于使用Python进行算法交易的。例如，越来越多的交易平台和经纪人允许其客户使用REST api以编程方式检索历史数据或流数据，或下达买卖指令。长期以来一直是大型金融机构的领域，如今甚至连散户算法交易员也能接触到。在这一领域，Python作为编程语言和技术平台已经稳居首位。除其他因素外，这是由于许多交易平台(例如来自FXCM Forex Capital Markets的平台)为其REST api提供了易于使用的Python包装包。

第14章介绍了FXCM交易平台、它的REST API和fxmpy包装包。

第15章侧重于使用统计和机器学习的方法来推导算法交易策略;本章还展示了如何使用矢量回测。

第16章着眼于自动算法交易策略的部署;它涉及资本管理、性能和风险的回测、在线算法和部署。