目 錄
第一篇　基礎(chǔ)概述
第1章　Python金融數(shù)據(jù)分析概述3
　　1.1　Python與金融數(shù)據(jù)分析的契合4
　　1.2　Python在金融數(shù)據(jù)分析中的重要用途5
　　1.3　本章小結(jié)6
第2章　Python在金融中的基本運(yùn)用7
　　2.1　數(shù)據(jù)結(jié)構(gòu)在金融中的運(yùn)用7
　　2.2　運(yùn)算符號(hào)在金融中的運(yùn)用16
　　2.3　函數(shù)在金融中的運(yùn)用23
　　2.4　語(yǔ)句在金融中的運(yùn)用26
　　2.5　公牛集團(tuán)案例27
　　2.6　本章小結(jié)30
第二篇　數(shù)據(jù)處理與可視化
第3章　金融數(shù)據(jù)處理33
　　3.1　金融數(shù)據(jù)的讀寫34
　　3.2　金融數(shù)據(jù)基本統(tǒng)計(jì)分析40
　　3.3　金融數(shù)據(jù)篩選與缺失值處理44
　　3.4　金融數(shù)據(jù)整合與重塑49
　　3.5　金融數(shù)據(jù)預(yù)處理與特征工程53
　　3.6　本章小結(jié)56
第4章　金融數(shù)據(jù)可視化58
　　4.1　Matplotlib模塊簡(jiǎn)介59
4.2　曲線圖62
　　4.3　直方圖65
　　4.4　條形圖68
　　4.5　散點(diǎn)圖71
　　4.6　餅圖73
　　4.7　本章小結(jié)74
第三篇　計(jì)量經(jīng)濟(jì)分析
第5章　線性回歸模型及其Python應(yīng)用79
　　5.1　計(jì)量經(jīng)濟(jì)學(xué)簡(jiǎn)介80
　　5.2　多元線性回歸模型81
　　5.3　違背經(jīng)典假定的回歸分析85
　　5.4　Python實(shí)戰(zhàn)案例:檢驗(yàn)美國(guó)電力行業(yè)是否存在規(guī)模經(jīng)濟(jì)98
　　5.5　本章小結(jié)103
第6章　時(shí)間序列模型及其Python應(yīng)用104
　　6.1　時(shí)間序列分析基礎(chǔ)105
　　6.2　自回歸移動(dòng)平均模型(ARMA) 112
　　6.3　廣義自回歸條件異方差模型(GARCH) 123
　　6.4　Python實(shí)戰(zhàn)案例:利用GARCH模型進(jìn)行中國(guó)石油股票數(shù)據(jù)分析130
　　6.5　本章小結(jié)137
第7章　Python在金融計(jì)量中的應(yīng)用139
　　7.1　Python在CAPM模型中的應(yīng)用140
　　7.2　Python在Fama-French三因子模型中的應(yīng)用143
　　7.3　Python在金融風(fēng)險(xiǎn)管理中的應(yīng)用146
　　7.4　本章小結(jié)156
第四篇　量化交易分析
第8章　期貨交易基礎(chǔ)策略及Python應(yīng)用159
　　8.1　期貨套期保值策略160
　　8.2　期貨套利策略165
　　8.3　期貨投機(jī)策略171
　　8.4　期貨資產(chǎn)配置策略176
8. 5　螺紋鋼期貨跨期套利交易案例178
8. 6　本章小結(jié)183
第9章　期貨交易進(jìn)階策略及Python應(yīng)用184
9. 1　網(wǎng)格交易策略185
9. 2　DualThrust 策略190
9. 3　海龜交易策略194
9. 4　價(jià)格動(dòng)量分析策略199
9. 5　本章小結(jié)203
后記205