Python金融分析入门到实战:基于Python的金融分析与风险管理+Python金融实战案例精粹（套装2册） PDF下载

《基于Python的金融分析与风险管理》
第 1部分　入门篇



第　1章 Python概览　2

1.1　Python的定义与比较优势　3

1.1.1　Python简介　3

1.1.2　Python的比较优势　4

1.2　Python之父—吉多·范罗苏姆　5

1.3　Python的演进历史和常用版本　7

1.4　Python的安装　8

1.4.1　单独安装　8

1.4.2　集成安装　8

1.4.3　安装并启动Anaconda　9

1.4.4　Spyder的界面　12

1.5　学习Python的方法论　13

1.5.1　学习的态度　13

1.5.2　学习的原则　13

1.5.3　学习的方法　14

1.6　金融数据的获取　15

1.6.1　万得（Wind）　15

1.6.2　同花顺　15

1.6.3　CCER经济金融数据库　15

1.6.4　国泰安经济金融研究数据库　16

1.7　小结　16

1.8　拓展阅读　16

第　2章 结合金融演示Python的基本

操作　17

2.1　金融变量在Python中的赋值　18

2.2　Python的数据类型　18

2.2.1　整型　19

2.2.2　浮点型　19

2.2.3　复数　20

2.2.4　字符串　20

2.3　Python的数据结构　23

2.3.1　元组　23

2.3.2　列表　25

2.3.3　集合　28

2.3.4　字典　30

2.4　Python的运算符号　33

2.4.1　基本算术运算符号　33

2.4.2　关系运算符号　36

2.4.3　赋值运算符号　37

2.4.4　成员运算符号　38

2.5　Python的主要内置函数　39

2.6　自定义函数　43

2.6.1　运用def语法　43

2.6.2　运用lambda函数　44

2.7　Python的语句　44

2.7.1　条件语句　44

2.7.2　循环语句　46

2.7.3　条件语句和循环语句结合　48

2.8　模块的导入与math模块　49

2.8.1　模块导入的若干种方法　50

2.8.2　math模块　51

2.9　小结　53

2.10　拓展阅读　53



第　2部分 基础篇



第3章　结合金融场景演示NumPy

模块的操作　56

3.1　从一个投资案例讲起　57

3.2　N维数组　58

3.2.1　数组的结构　58

3.2.2　数组的便捷生成　60

3.3　数组的索引、切片和排序　63

3.3.1　索引　63

3.3.2　切片　64

3.3.3　排序　64

3.4　数组的相关运算　65

3.4.1　数组内的运算　65

3.4.2　数组间的运算　69

3.4.3　矩阵的操作　72

3.5　通过NumPy生成随机数　74

3.5.1　主要的统计分布　74

3.5.2　主要函数　80

3.5.3　相关示例　82

3.6　小结　85

3.7　拓展阅读　86

第4章　结合金融时间序列演示Pandas

模块的操作　87

4.1　Pandas的数据结构　88

4.1.1　序列　88

4.1.2　数据框　90

4.1.3　外部数据导入并直接生成

数据框　91

4.2　数组框的可视化　93

4.2.1　中文字体的可视化　93

4.2.2　数据框可视化的函数与参数　94

4.2.3　一个示例　95

4.3　数据框内部的操作　96

4.3.1　描述数据框的基本性质　96

4.3.2　数据框的索引与截取　98

4.3.3　数据框的排序　100

4.3.4　数据框的更改　102

4.4　数据框之间的操作　105

4.4.1　生成两个新的数据框　105

4.4.2　函数concat的运用　106

4.4.3　函数merge的运用　108

4.4.4　函数join的运用　109

4.5　数组框的主要统计函数　109

4.5.1　静态的统计函数　110

4.5.2　移动窗口与动态统计函数　114

4.6　小结　117

4.7　拓展阅读　117

第5章　结合金融场景演示Matplotlib

模块的操作　118

5.1　基本函数　119

5.2　曲线图　122

5.2.1　单一曲线图　123

5.2.2　多图绘制　124

5.3　直方图　126

5.3.1　单一样本的直方图　126

5.3.2　多个样本的直方图　128

5.4　条形图　129

5.4.1　垂直条形图　130

5.4.2　水平条形图　132

5.5　散点图　133

5.6　饼图　136

5.7　小结　138

5.8　拓展阅读　138

第6章　结合金融场景演示SciPy等

模块的操作　139

6.1　SciPy模块　140

6.1.1　求积分　141

6.1.2　插值法　142

6.1.3　求解方程组　144

6.1.4　最优化求解　146

6.1.5　统计功能　150

6.2　StatsModels模块　156

6.3　波动率模型与arch模块　159

6.3.1　估计波动率　159

6.3.2　ARCH模型　160

6.3.3　GARCH模型　161

6.3.4　arch模块　163

6.4　datetime模块　167

6.4.1　创建时间的对象　168

6.4.2　访问时间对象的属性　169

6.4.3　时间对象的运算　169

6.5　小结　171

6.6　拓展阅读　171







第3部分　提高篇



第7章　运用Python分析利率与债券　174

7.1　利率体系　175

7.1.1　中央银行利率　175

7.1.2　金融机构利率　177

7.1.3　金融市场利率　179

7.2　债券市场　182

7.2.1　债券交易场所　183

7.2.2　债券品种　185

7.3　利率的度量　188

7.3.1　利率的复利频次　189

7.3.2　连续复利　192

7.3.3　零息利率　194

7.4　债券定价与债券收益率　195

7.4.1　债券的核心要素　195

7.4.2　基于单一贴现率的债券定价　195

7.4.3　债券到期收益率　196

7.4.4　基于不同期限贴现率的债券

定价　197

7.4.5　通过票息剥离法计算零息

利率　198

7.4.6　运用零息利率对债券定价　203

7.5　远期利率与远期利率协议　204

7.5.1　远期利率　204

7.5.2　远期利率协议　207

7.6　衡量债券利率风险的线性指标—

久期　211

7.6.1　麦考利久期　212

7.6.2　修正久期　214

7.6.3　美元久期　217

7.7　衡量债券利率风险的非线性

指标—凸性　218

7.7.1　凸性的表达式　219

7.7.2　案例　219

7.7.3　重要关系式　220

7.8　小结　221

7.9　拓展阅读　221

第8章　运用Python分析股票投资　222

8.1　股票市场简介　223

8.1.1　多层次股票市场　223

8.1.2　主要的股票指数　225

8.2　股票投资组合　228

8.2.1　投资组合的主要变量　229

8.2.2　投资组合的有效前沿　235

8.2.3　资本市场线　239

8.3　资本资产定价模型　241

8.3.1　系统风险与非系统风险　241

8.3.2　模型数学表达式及运用　245

8.4　股价服从的随机过程　249

8.4.1　马尔可夫过程与有效市场假说　249

8.4.2　维纳过程与广义维纳过程　251

8.4.3　几何布朗运动　253

8.5　投资组合的绩效评估　259

8.5.1　夏普比率　259

8.5.2　索提诺比率　262

8.5.3　特雷诺比率　264

8.5.4　信息比率　266

8.6　小结　268

8.7　拓展阅读　269

第9章　运用Python分析期货套期

保值　270

9.1　期货市场的简介　271

9.1.1　期货交易所及合约品种　271

9.1.2　股指期货合约的介绍　275

9.1.3　国债期货合约的介绍　277

9.1.4　参与期货交易的动机　279

9.2　股指期货的套期保值　280

9.2.1　套期保值的类型　280

9.2.2　追加保证金的风险　282

9.2.3　基差风险　285

9.2.4　交叉套期保值　289

9.3　国债期货合约的套期保值　297

9.3.1　计息天数规则　298

9.3.2　国债的报价　300

9.3.3　国债期货最终价格　301

9.3.4　国债期货的最廉价交割　304

9.3.5　基于久期的套期保值策略　307

9.4　小结　310

9.5　拓展阅读　310

第　10章 运用Python分析期权的

定价与风险　311

10.1　A股股票期权市场简介　312

10.1.1　权证市场　312

10.1.2　股指期权合约　313

10.2　期权类型和到期时的盈亏　315

10.2.1　期权的类型和要素　315

10.2.2　看涨期权到期时的盈亏　316

10.2.3　看跌期权到期时的盈亏　318

10.2.4　看跌-看涨平价关系式　320

10.3　布莱克-斯科尔斯-默顿模型　323

10.4　期权价格与相关变量的关系　325

10.4.1　期权价格与基础资产价格的

关系　325

10.4.2　期权价格与执行价格的关系　326

10.4.3　期权价格与波动率的关系　327

10.4.4　期权价格与无风险收益率的

关系　328

10.4.5　期权价格与期权期限的关系　330

10.5　衡量期权的风险—希腊字母　331

10.5.1　期权的Delta　331

10.5.2　期权的Gamma　335

10.5.3　期权的Theta　339

10.5.4　期权的Vega　343

10.5.5　期权的Rho　347

10.6　期权的隐含波动率　351

10.6.1　运用牛顿迭代法计算隐含

波动率　351

10.6.2　运用二分查找法计算隐含

波动率　353

10.7　波动率微笑与斜偏　355

10.7.1　波动率微笑　355

10.7.2　波动率斜偏　358

10.8　小结　362

10.9　拓展阅读　362

第　11章 运用Python分析期权交易

策略　363

11.1　保本票据　364

11.1.1　一个虚拟的案例　364

11.1.2　一个真实市场的案例　366

11.2　单一期权与单一基础资产的策略　368

11.2.1　买入备兑看涨期权　369

11.2.2　卖出备兑看涨期权　371

11.2.3　买入保护看跌期权　373

11.2.4　卖出保护看跌期权　375

11.2.5　策略的期间收益　377

11.3　价差交易策略　381

11.3.1　牛市价差策略　381

11.3.2　熊市价差策略　385

11.3.3　盒式价差策略　389

11.3.4　蝶式价差策略　392

11.4　组合策略　397

11.4.1　跨式组合策略　397

11.4.2　序列组合策略与带式组合

策略　401

11.4.3　宽跨式组合策略　404

11.5　小结　412

11.6　拓展阅读　412

第　12章 运用Python测度风险价值　413

12.1　风险价值的概述　414

12.1.1　风险价值的定义　414

12.1.2　运用Python对风险价值

可视化　415

12.1.3　风险价值的优点与局限性　417

12.2　风险价值的方差-协方差法　418

12.2.1　方差-协方差法的简介　418

12.2.2　案例　420

12.3　风险价值的历史模拟法　423

12.3.1　历史模拟法的简介　423

12.3.2　案例　425

12.4　蒙特卡罗模拟法　428

12.4.1　蒙特卡罗模拟的简介　428

12.4.2　案例　430

12.5　回溯检验、压力测试与压力风险

价值　434

12.5.1　回溯检验　434

12.5.2　压力测试　437

12.5.3　压力风险价值　439

12.5.4　比较不同方法计算的风险

价值　443

12.6　小结　443

12.7　扩展阅读　443

后记　445





《Python金融实战案例精粹》
第 1章  Python基础编程的金融案例 1

1.1  数据结构之元组—以科创板股票为分析对象 2

1.2  数据结构之列表—以全球股票指数为分析对象 6

1.3  数据结构之集合—以股票类型为分析对象 10

1.4  数据结构之字典—以人民币汇率为分析对象 13

1.5  基本算术运算—以交通银行股票为分析对象 16

1.6  高级赋值运算与成员运算—以中国平安股票为分析对象 19

1.7  关系运算—以四大国有银行的财务指标为分析对象 22

1.8  Python内置函数—以券商股为分析对象 25

1.9  Python自定义函数和for语句—以市场利率为分析对象 29

1.10  条件语句和循环语句—以全球重要股指为分析对象 32

1.11  math模块—以保险理赔为分析对象 36

1.12  本章小结 39

第 2章  NumPy模块编程的金融案例 40

2.1  创建N维数组—以美国纳斯达克的科技股为分析对象 41

2.2  数组索引和切片—以互联网公司发行的港股为分析对象 45

2.3  数组内部运算（一）—以保险公司股票为分析对象 48

2.4  数组内部运算（二）—以A股指数为分析对象 52

2.5  数组间运算—以中资银行股为分析对象 55

2.6  矩阵运算（一）—以全球主要股指为分析对象 59

2.7  矩阵运算（二）—以科创板股票为分析对象 64

2.8  二项分布与几何分布随机抽样—以保险业务为分析对象 68

2.9  正态分布和对数正态分布随机抽样—以石油公司股票为分析对象 72

2.10  伽玛分布和贝塔分布随机抽样—以债券违约率与回收率为分析对象 77

2.11  本章小结 82

第3章  Pandas模块编程的金融案例 83

3.1  创建序列和数据框—以开放式基金为分析对象 84

3.2  导入外部数据文件和导出生成数据文件—以Shibor利率为分析对象 88

3.3  数据框可视化—以上证50指数为分析对象 92

3.4  数据框检索—以沪港通股票为分析对象 98

3.5  数据框缺失值处理—以金砖四国的股票指数为分析对象 102

3.6  数据框拼接—以纽交所上市的央企股票为分析对象 106

3.7  Pandas模块的统计功能（一）—以QDII基金为分析对象 111

3.8  Pandas模块的统计功能（二）—以全球大型银行股票为分析对象 116

3.9  Pandas模块的统计功能（三）—以创业板股票为分析对象 121

3.10  移动窗口与动态统计—以全球主要股指为分析对象 128

3.11  本章小结 133

第4章  Matplotlib模块编程的金融案例 134

4.1  绘制曲线图—以住房按揭贷款为分析对象 135

4.2  绘制垂直条状图和双轴图—以货币政策为分析对象 140

4.3  绘制K线图—以上证综指与深证成指为分析对象 145

4.4  绘制直方图—以同时发行A股和美股的公司股票为分析对象 152

4.5  绘制条形图—以全球主要股指为分析对象 158

4.6  绘制雷达图—以四大国有银行的财务监管指标为分析对象 162

4.7  绘制散点图—以A股和港股的股指为分析对象 167

4.8  绘制饼图—以社会融资规模的结构为分析对象 172

4.9  本章小结 177

第5章  SciPy等模块编程的金融案例 178

5.1  用SciPy模块运算积分—以上市的车企股票为分析对象 179

5.2  用SciPy模块计算插值—以Shibor利率为分析对象 184

5.3  用SciPy模块求解方程组—以中小板股票为分析对象 190

5.4  用SciPy模块求解最优值—以投资者效用为分析对象 193

5.5  SciPy模块的统计功能—以Hibor和Shibor利率为分析对象 198

5.6  用SciPy模块开展随机抽样与统计—以美国金融变量为分析对象 202

5.7  用StatsModels模块构建回归模型—以中国石油股票为分析对象 207

5.8  用arch模块构建波动率模型—以全球主要股指为分析对象 212

5.9  用datetime模块处理时间对象—以银行理财产品为分析对象 220

5.10  本章小结 223

第6章  用Python分析利率与债券的案例 224

6.1  计算不同复利频次的利息—以定期存款为分析对象 225

6.2  基于单一贴现率的债券定价—以国债为分析对象 229

6.3  基于票息剥离法计算零息利率曲线—以国债利率为分析对象 233

6.4  基于不同期限零息利率的债券定价—以金融债和地方债为分析对象 238

6.5  远期利率—以国债为分析对象 241

6.6  远期利率协议现金流—以Libor远期利率协议为分析对象 246

6.7  远期利率协议定价—以Shibor远期利率协议为分析对象 250

6.8  债券麦考利久期—以利率债为分析对象 254

6.9  债券修正久期和美元久期—以央企债券为分析对象 260

6.10  债券凸性—以地方政府债为分析对象 264

6.11  本章小结 270

第7章  用Python分析股票投资的案例 271

7.1  投资组合收益率和波动率—以金融股为分析对象 272

7.2  最优投资组合—以道琼斯指数成分股为分析对象 278

7.3  资本资产定价模型（一）—以交通银行A股为分析对象 283

7.4  资本资产定价模型（二）—以美股为分析对象 290

7.5  服从几何布朗运动的股价模拟—以互联网公司股票为分析对象 296

7.6  A股与H股套利策略—以招商银行股票为分析对象 303

7.7  投资组合绩效评估（一）—以公募基金为分析对象 309

7.8  投资组合绩效评估（二）—以QDII基金为分析对象 316

7.9  本章小结 321

第8章  用Python分析期货套期保值的案例 322

8.1  期货空头套期保值—以上证50指数期货为分析对象 323

8.2  期货多头套期保值—以美元兑人民币期货合约为分析对象 328

8.3  最优套保比率和最优合约数量—以A股股指期货为分析对象 333

8.4  国债期货可交割债券转换因子—以国债为分析对象 341

8.5  国债期货最廉价交割债券—以国债期货TS1906合约为分析对象 346

8.6  基于久期的套期保值策略—以债券和国债期货为分析对象 351

8.7  本章小结 360

第9章  用Python分析期权交易的案例 361

9.1  期权定价与到期盈亏—以腾讯公司股票期权为分析对象 362

9.2  期权希腊字母—以2只上证50ETF期权合约为分析对象 368

9.3  期权对冲策略—以50ETF沽6月2050期权为分析对象 373

9.4  期权隐含波动率—以3只上证50ETF期权为分析对象 379

9.5  单一期权与基础资产交易策略—以50ETF期权和基金为分析对象 385

9.6  期权牛市价差策略—以阴极铜期权为分析对象 391

9.7  期权熊市价差策略—以天然橡胶期权为分析对象 396

9.8  期权盒式价差策略—以4只上证50ETF期权为分析对象 402

9.9  期权蝶式价差策略—以豆粕期权为分析对象 406

9.10  跨式组合与宽跨式组合策略—以白糖期权为分析对象 412

9.11  本章小结 419

第 10章  用Python测度风险价值的案例 420

10.1  方差-协方差法—以公募基金重仓股为分析对象 421

10.2  历史模拟法—以社保基金重仓股为分析对象 427

10.3  蒙特卡洛模拟法—以QFII重仓股为分析对象 431

10.4  风险价值模型合理性检验—以保险资金重仓股为分析对象 437

10.5  投资组合压力测试—以蓝筹股和国债为分析对象 442

10.6  压力风险价值—以伯克希尔 哈撒韦公司重仓股为分析对象 448

10.7  本章小结 456