Python金融數據分析與挖掘(微課版)/大數據應用人才能力培養新形態系列

作者：編者:黃恆秋|責編:許金霞
出版社：人民郵電
ISBN：9787115647757

出版日期：2024/12/01
裝幀：平裝
頁數：274

人民幣：RMB 65 元售價：元

內容大鋼

    本書從Python基礎，到應用Python進行科學計算、數據處理、數據可視化、挖掘建模等基礎訓練，再到利用Python進行金融數據挖掘實戰，深入淺出地介紹了如何使用Python進行金融數據分析、挖掘和量化投資的全過程。
    本書將從Python基礎知識、基本數據分析技能和金融數據基礎知識，擴展到基礎案例和綜合案例，最後通過實訓幫助讀者強化訓練，完成Python金融數據分析與挖掘相關知識的學習。全書分3篇：基礎篇、案例篇和實訓篇。基礎篇（第1?6章）主要介紹Python基礎及應用於科學計算、數據處理、數據可視化、機器學習、關聯規則等方面的基礎知識和金融數據基礎知識；案例篇（第7?11章）主要介紹利用Python進行金融數據挖掘分析的基礎案例和綜合案例；實訓篇（第12章），由8個實訓組成。
    本書提供配套的案例數據、程序代碼、課件、教學大綱、實訓課題、測試題等豐富資源，適合作為普通高等院校數學、電腦、經濟管理專業相關課程的教材，也適合作為金融數據挖掘研究者、愛好者的參考書。

作者介紹

編者:黃恆秋|責編:許金霞

基礎篇
  第1章  Python基礎
    1.1  Python概述
    1.2  Python安裝及啟動
      1.2.1  Python安裝
      1.2.2  Python啟動及界面認識
      1.2.3  Python安裝擴展包
    1.3  Python基本數據類型
      1.3.1  數值的定義
      1.3.2  字元串的定義
      1.3.3  列表的定義
      1.3.4  元組的定義
      1.3.5  集合的定義
      1.3.6  字典的定義
      1.3.7  列表、元組、集合與字典之間的比較
    1.4  Python相關的公有方法
      1.4.1  索引
      1.4.2  切片
      1.4.3  長度
      1.4.4  統計
      1.4.5  成員身份
      1.4.6  變數刪除
    1.5  列表、元組與字元串方法
      1.5.1  列表方法
      1.5.2  元組方法
      1.5.3  字元串方法
    1.6  字典方法
    1.7  條件語句
      1.7.1  if…語句
      1.7.2  if…else…語句
      1.7.3  if…elif…else…語句
    1.8  循環語句
      1.8.1  while語句
      1.8.2  for循環
    1.9  函數
      1.9.1  無返回值函數的定義與調用
      1.9.2  有返回值函數的定義與調用
      1.9.3  有多返回值函數的定義與調用
    1.10  Python在金融大數據中的應用
    本章小結
    本章練習
    本章實驗
  第2章  科學計算包Numpy
    2.1  Numpy簡介
    2.2  創建數組
      2.2.1  利用array()函數創建數組
      2.2.2  利用內置函數創建數組
    2.3  數組尺寸
    2.4  數組運算
    2.5  數組切片

      2.5.1  常見的數組切片方法
      2.5.2  利用ix_()函數進行數組切片
    2.6  數組連接
    2.7  數據存取
    2.8  數組形態變換
    2.9  數組排序與搜索
    2.10  矩陣與線性代數運算
      2.10.1  創建Numpy矩陣
      2.10.2  矩陣的屬性和基本運算
      2.10.3  線性代數運算
    本章小結
    本章練習
    本章實驗
  第3章  數據處理包Pandas
    3.1  Pandas簡介
    3.2  序列
      3.2.1  序列創建及訪問
      3.2.2  序列屬性
      3.2.3  序列方法
      3.2.4  序列切片
      3.2.5  序列聚合運算
    3.3  數據框
      3.3.1  數據框創建
      3.3.2  數據框屬性
      3.3.3  數據框方法
      3.3.4  數據框切片
    3.4  外部文件讀取
      3.4.1  Excel文件讀取
      3.4.2  TXT文件讀取
      3.4.3  CSV文件讀取
    3.5  常用函數
      3.5.1  時間處理函數
      3.5.2  數據框合併函數
      3.5.3  數據框關聯函數
    3.6  常見數據處理和計算任務
      3.6.1  滾動計算
      3.6.2  時間元素提取
      3.6.3  映射與離散化
      3.6.4  分組計算
    本章小結
    本章練習
    本章實驗
  第4章  數據可視化包Matplotlib
    4.1  Matplotlib繪圖基礎
      4.1.1  Matplotlib圖像構成
      4.1.2  Matplotlib繪圖基本流程
      4.1.3  中文字元顯示
      4.1.4  坐標軸字元刻度標注
    4.2  Matplotlib常用圖形繪製
      4.2.1  散點圖

      4.2.2  線性圖
      4.2.3  柱狀圖
      4.2.4  直方圖
      4.2.5  餅圖
      4.2.6  箱線圖
      4.2.7  子圖
    本章小結
    本章練習
    本章實驗
  第5章  機器學習與實現
    5.1  Scikit-learn簡介
    5.2  數據預處理
      5.2.1  缺失值處理
      5.2.2  數據規範化
      5.2.3  主成分分析
    5.3  線性回歸
      5.3.1  一元線性回歸
      5.3.2  多元線性回歸
      5.3.3  Python線性回歸應用舉例
    5.4  邏輯回歸
      5.4.1  邏輯回歸模型
      5.4.2  Python邏輯回歸模型應用舉例
    5.5  神經網路
      5.5.1  神經網路模擬思想
      5.5.2  神經網路結構及數學模型
      5.5.3  Python神經網路分類應用舉例
      5.5.4  Python神經網路回歸應用舉例
    5.6  支持向量機
      5.6.1  支持向量機原理
      5.6.2  Python支持向量機應用舉例
    5.7  K-均值聚類
      5.7.1  K-均值聚類的基本原理
      5.7.2  Python K-均值聚類演算法應用舉例
    5.8  關聯規則
      5.8.1  關聯規則概念
      5.8.2  布爾關聯規則挖掘
      5.8.3  一對一關聯規則挖掘及Python實現
      5.8.4  多對一關聯規則挖掘及Python實現
    本章小結
    本章練習
    本章實驗
  第6章  金融數據基礎
    6.1  上市公司及其約束規範
    6.2  上市公司數據收集、生產及主要指標解讀
      6.2.1  公司治理結構
      6.2.2  公司財務報表
      6.2.3  公司財務分析指標
    6.3  股票交易市場數據生產、加工及理解
      6.3.1  股票交易數據基本知識
      6.3.2  股票交易數據生產場景

      6.3.3  股票高頻交易數據
      6.3.4  股票日頻交易數據
      6.3.5  股票價格指數日頻交易數據
    6.4  金融數據開源介面
      6.4.1  tushare安裝
      6.4.2  數據獲取實例
    本章小結
    本章練習
    本章實驗
案例篇
  第7章  基礎案例
    7.1  股票價格指數周收益率和月收益率的計算
      7.1.1  案例介紹
      7.1.2  周收益率計算
      7.1.3  月收益率計算
    7.2  上市公司凈利潤增長率的計算
      7.2.1  案例介紹
      7.2.2  指標計算
    7.3  股票價、量走勢圖的繪製
      7.3.1  案例介紹
      7.3.2  繪圖數據計算
      7.3.3  繪圖及圖形保存
    7.4  股票價格移動平均線的繪製
      7.4.1  案例介紹
      7.4.2  圖形繪製
    7.5  滬深300指數走勢預測
      7.5.1  案例介紹
      7.5.2  指標計算
      7.5.3  模型求解
    7.6  基於主成分聚類的上市公司盈利能力分析
      7.6.1  案例介紹
      7.6.2  案例分析及計算
    7.7  國際股票指數關聯分析
      7.7.1  問題描述
      7.7.2  數據預處理
      7.7.3  關聯規則挖掘
      7.7.4  問題拓展
      7.7.5  結果分析
    本章小結
    本章練習
    本章實驗
  第8章  綜合案例1：上市公司綜合評價
    8.1  案例背景
    8.2  案例目標及實現思路
    8.3  基於總體規模與投資效率指標的綜合評價
      8.3.1  指標選擇
      8.3.2  數據處理
      8.3.3  主成分分析
      8.3.4  綜合排名
      8.3.5  收益率計算

      8.3.6  量化投資策略設計與分析
    8.4  基於成長與價值指標的綜合評價
      8.4.1  指標選擇
      8.4.2  數據處理
      8.4.3  主成分分析
      8.4.4  綜合排名
      8.4.5  收益率計算
      8.4.6  量化投資策略設計與分析
    本章小結
    本章練習
    本章實驗
  第9章  綜合案例2：股票價格漲跌趨勢預測
    9.1  案例背景
    9.2  案例目標及實現思路
    9.3  指標計算
      9.3.1  移動平均線
      9.3.2  指數平滑異同平均線
      9.3.3  隨機指標
      9.3.4  相對強弱指標
      9.3.5  乖離率指標
      9.3.6  能量潮指標
      9.3.7  漲跌趨勢指標
      9.3.8  計算舉例
    9.4  預測模型構建
      9.4.1  訓練集和測試集的劃分
      9.4.2  數據標準化處理
      9.4.3  模型求解
    9.5  預測結果分析
    9.6  量化投資策略設計與分析
      9.6.1  函數定義
      9.6.2  量化投資策略設計
    本章小結
    本章練習
    本章實驗
  第10章  綜合案例3：股票價格形態聚類與收益分析
    10.1  案例背景
    10.2  案例目標及實現思路
    10.3  數據獲取
    10.4  股票價格形態特徵提取
      10.4.1  關鍵價格點概念及提取演算法
      10.4.2  基於關鍵價格點的形態特徵表示
      10.4.3  基於關鍵價格點的形態特徵提取
    10.5  股票價格形態聚類與收益率計算
      10.5.1  K-最頻繁值聚類演算法
      10.5.2  基於K-最頻繁值聚類演算法的股票價格形態聚類
      10.5.3  類平均收益率的計算
      10.5.4  股票形態圖繪製
    10.6  量化投資策略設計與分析
      10.6.1  函數定義及使用方法
      10.6.2  訓練樣本與預測樣本的構建

      10.6.3  量化投資策略設計
    本章小結
    本章練習
    本章實驗
  第11章  綜合案例4：行業聯動與輪動分析
    11.1  案例背景
    11.2  案例目標及實現思路
    11.3  數據獲取
    11.4  日行業聯動與輪動分析
      11.4.1  指標計算
      11.4.2  行業聯動關聯規則挖掘
      11.4.3  行業輪動關聯規則挖掘
    11.5  周行業聯動與輪動分析
      11.5.1  指標計算
      11.5.2  行業聯動關聯規則挖掘
      11.5.3  行業輪動關聯規則挖掘
    11.6  月行業聯動與輪動分析
      11.6.1  指標計算
      11.6.2  行業聯動關聯規則挖掘
      11.6.3  行業輪動關聯規則挖掘
    11.7  量化投資策略設計與分析
    本章小結
    本章練習
    本章實驗
實訓篇
  第12章  綜合實訓
    12.1  行業盈利狀況可視化分析實訓
      12.1.1  實訓內容
      12.1.2  實訓指導
    12.2  上市公司透明度綜合評價實訓
      12.2.1  實訓內容
      12.2.2  實訓指導
    12.3  基於支持向量機的量化擇時實訓
      12.3.1  實訓內容
      12.3.2  實訓指導
    12.4  上市公司綜合能力聚類分析實訓
      12.4.1  實訓內容
      12.4.2  實訓指導
    12.5  股票聯動與輪動分析實訓
      12.5.1  實訓內容
      12.5.2  實訓指導
    12.6  上市公司財務風險預警模型實訓
      12.6.1  實訓內容
      12.6.2  實訓指導
    12.7  上市公司高送轉預測實訓
      12.7.1  實訓內容
      12.7.2  實訓指導
    12.8  上市公司新聞標題情感分類實訓
      12.5.1  實訓內容
      12.5.2  實訓指導

參考文獻

同類熱銷排行榜

最近瀏覽的商品

Python金融數據分析與挖掘(微課版)/大數據應用人才能力培養新形態系列