[
-
内容大纲
本书是以提升新金融时代交叉型复合人才的数据素养为目的而编写的，是一本助力学生金融数据素养提升的基础工具书。本书在结构安排上可分为两部分：第一部分由第1章至第7章组成，主要系统介绍Python金融编程的基础，包括Python环境基本介绍、运用Python环境获取金融数据或者爬虫数据、数据的可视化呈现库、数据基本分析库资源介绍等。第二部分由第8章至第11章组成，主要讲解如何运用Python做量化分析，呈现Python的具体应用场景。 -
作者介绍
-
目录
1 Python简介
1.1 初步认识Python
1.1.1 Python的发展史
1.1.2 Python的特点
1.2 Python的安装及环境
1.2.1 集成环境Anaconda
1.2.2 集成环境Pycharm
1.3 库资源的调用与安装
1.3.1 模块／库调用
1.3.2 模块／库安装
1.4 Python访问金融数据库资源
1.4.1 tushare库
1.4.2 AKShare库
作业
2 Python基本操作
2.1 Python基本数据结构
2.1.1 数据及基本类型
2.1.2 列表
2.1.3 元组
2.1.4 集合
2.1.5 字典
2.2 数据索引及基础运算
2.2.1 数据索引
2.2.2 列表扩展及更改
2.2.3 字符串和数值型数据的转化
2.2.4 运算符
2.3 Python中的循环语法
2.3.1 条件循环语句
2.3.2 for循环语句
2.3.3 While循环
2.4 函数
2.4.1 函数定义
2.4.2 函数的递归与嵌套
2.5 异常程序处理
作业
3 爬虫基础
3.1 爬虫概述
3.1.1 爬虫策略分类
3.1.2 爬虫手段分类
3.2 正则表达
3.2.1 字符串处理
3.2.2 正则表达
3.3 正则表达进阶：匹配的高阶
3.3.1 findall.py
3.3.2 贪婪匹配
3.3.3 非贪婪匹配
3.3.4 自动换行匹配
3.4 网页结构搭建基础
3.4.1 查看网页代码
3.4.2 网页结构
3.5 网页搭建
3.5.1 HTML语言
3.5.2 标题
3.5.3 段落
3.5.4 网络连接
3.5.5 区块
3.5.6 类
3.5.7 ID
作业
4 网页解析及爬虫实战
4.1 请求库
4.1.1 ID请求库urllih
4.1.2 请求库requests库
4.2 解析库
4.2.1 xPath解析库
4.2.2 Beautifulsoup解析库
4.2.3 requests-html解析库
4.3 爬虫实战
4.3.1 案例一：爬取淘宝页首页链接标签数据
4.3.2 案例二：爬取百度热榜数据
4.3.3 案例三：爬取谷歌网页起点小说网的相关数据
作业
5 数据可视化
5.1 绘图环境
5.2 Matplotlib简介
5.2.1 基本函数（canvas）
5.2.2 绘制图
5.2.3 绘制多个图
5.2.4 编辑与美工
5.3 Matplotlib进阶
5.3.1 创建画布与区域
5.3.2 在画布上创建多个子图
5.4 绘制常用统计图
5.4.1 条形图
5.4.2 直方图
5.4.3 饼图
5.4.4 时序图
5.4.5 网格图
作业
6 NumPy数据分析库
6.1 NumPy库数据结构
6.2 NumPy数组
6.2.1 数组简介
6.2.2 创建数组的几种方法
6.2.3 数组的分隔
6.2.4 数组的连接
6.2.5 数组运算
6.2.6 数组切片
6.2.7 数组变换
6.3 NumPy矩阵及运算
6.3.1 NumPy创建矩阵
6.3.2 NumPy矩阵运算
6.3.3 NumPy的子模块linalg
6.4 随机数的生成
6.4.1 生成随机数
6.4.2 生成服从正态分布的随机数
6.4.3 生成服从卡方分布的随机数
6.4.4 生成服从t分布的随机数
6.4.5 生成服从F分布的随机数
6.4.6 生成服从贝塔分布的随机数
6.4.7 生成服从伽马分布的随机数
6.4.8 其他分布
6.5 NumPy库实现金融数据分析
作业
7 Pandas数据分析库
7.1 数列
7.1.1 创建数列（Series）
7.1.2 数列叠加
7.1.3 数列删除
7.1.4 数列去除重复元素
7.2 数据框
7.2.1 创建数据框（DataFrame）
1.2.2 数据框填充内各
7.2.3 数据框排序
7.2.4 数据连接
7.3 运用pandas库读取外部文件数据
7.3.1 read-excel读取Excel文档中的数据
7.3.2 读取其他格式本地路径数据
7.3.3 文件的写入
7.4 数据统计分析
7.4.1 描述性统计分析
7.4.2 分组分析
7.4.3 数据分布分析
7.4.4 交叉分析
7.4.5 相关分析
7.4.6 滚动计算
作业
8 金融中的线性模型及Python实现
8.1 问题导入
8.2 一元线性回归模型
8.2.1 模型构建
8.2.2 模型识别
8.3 多元线性回归模型
8.4 模型检验
8.4.1 回归方程拟合优度检验
8.4.2 回归方程拟合优度显著性检验
8.4.3 回归系数显著性检验（t检验）
8.5 经典假定条件不成立情形分析
8.5.1 异方差性问题
8.5.2 异方差性检验
8.6 一元线性回归分析的Python实现
8.6.1 Scipy库简介
8.6.2 statsmodels库
8.6.3 多元线性回归模型的Pvthon实现
作业
9 ARMA模型及Python应用
9.1 模型简介
9.1.1 ARMA模型
9.1.2 模型自相关检验
9.1.3 模型平稳性检验
9.2 模型应用及Python实现
9.2.1 案例一
9.2.2 案例二
作业
10 ARCH模型及Python应用
10.1 ARCH模型
10.1.1 ARCH模型简介
10.1.2 GARCH模型简介
10.1.3 TARCH模型简介
10.1.4 ARCH-LM效应检验
10.2 ARCH建模案例
作业
11 综合案例研究：用户消费行为数据分析
11.1 案例简介
11.2 初步分析
11.2.1 数据导入
11.2.2 数据预处理
11.2.3 数据分析
11.2.4 用户分层
参考文献
附表
同类热销排行榜
[an error occurred while processing this directive]推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...