标签
内容简介
本书是《Mastering Python for Finance》第二版的中译本，面向希望用 Python 处理金融建模与数据分析任务的读者。全书从 Python 基础与金融分析环境讲起，介绍 NumPy、pandas、SciPy、Jupyter 等常用工具，并结合 Quandl 等公开数据源演示金融时间序列的获取、整理与统计分析。在理论部分，书中梳理了资本资产定价模型、套利定价理论、线性与非线性最优化、主成分分析、债券与利率模型等金融数学基础，并用 Python 给出对应的求解与实现路径。实践部分则围绕期权定价的数值方法、隐含波动率刻画、算法交易平台搭建、回溯测试系统设计展开，同时引入机器学习与深度学习工具做价格预测与违约风险分析。作者强调书中使用的程序工具与数据大多可从公开渠道获取，读者可跟随实例动手复现，从而对 Python 在金融领域的生态形成整体认识，并加深对风险管控的理解。全书结构清晰，兼顾原理说明与代码实操，适合作为金融工程、量化研究方向的进阶读物。
编辑推荐
如果你已经会用 Python 写几行代码，却不确定如何把它接到真实的金融问题上去，这本书会是一个比较扎实的引路人。它不满足于罗列库函数，而是把 CAPM、APT、主成分分析、债券与利率模型这些教科书里的公式，逐一落到可运行、可复现的代码上；期权定价部分更是把有限差分、蒙特卡洛等数值方法讲成了可以动手的操作。第二版相比初版明显加重了工程味道——算法交易平台、回溯测试系统、NoSQL 存 tick 数据、Python 与 Excel 互通，都是量化团队日常真正会碰到的环节；机器学习与深度学习的引入也让内容贴近当下的研究热点。作者马伟明有外汇与固定收益产品交易背景，选材偏实务，示例数据多取公开渠道，读者不必依赖付费数据源就能跑通。作为一本进阶读物，它更适合已有一定 Python 与金融数学底子的读者，用来把零散知识串成一条完整的分析链。
适合谁读
适合
- 具备 Python 基础、想转向量化金融方向的学生与转行者
- 金融工程、金融数学专业的本科高年级与研究生
- 需要把定价模型、风险模型落地成代码的从业人员
- 做算法交易与回溯测试开发、想补齐金融理论基础的工程师
不适合
- 完全没有 Python 或编程经验的零基础读者，入门门槛偏高
- 只想学习炒股技巧、不关心建模与代码实现的投资者
- 希望找一本 A 股实战选股策略手册的读者，本书偏方法与原理
阅读建议
- 先配好 Jupyter 与相关库环境，边读边运行书中示例，不要只看不写。
- 跳过已熟悉的 Python 语法部分，把时间集中到金融建模与定价章节。
- 读期权与利率模型时手推一遍公式，再对照代码验证，理解会更牢。
- 把书中回溯测试框架迁移到自己熟悉的市场数据上，做一个小型完整项目。
出版社简介
机械工业出版社
中国 · 成立于 1950 年
机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。
目录
- 第1章 Python金融分析入门
- 第2章 Python基础与金融数据获取
- 第3章 用NumPy与pandas处理金融数据
- 第4章 金融时间序列分析
- 第5章 资本资产定价模型与套利定价理论
- 第6章 线性与非线性最优化
- 第7章 主成分分析
- 第8章 债券定价与利率模型
- 第9章 期权定价的数值方法
- 第10章 隐含波动率曲线
- 第11章 算法交易平台构建
- 第12章 回溯测试系统
- 第13章 机器学习与深度学习在金融中的应用
- 第14章 大数据与NoSQL数据存储
- 第15章 Python与Excel的交互集成
常见问题
这本书和《Python金融大数据分析》是同一本吗？
不是。本书作者为新加坡的马伟明（James Ma Weiming），原书名为 Mastering Python for Finance，由机械工业出版社出版；《Python金融大数据分析》作者是德国的伊夫·希尔皮斯科（Yves Hilpisch），由人民邮电出版社出版，两书选题相近但内容和侧重不同。
需要什么水平才能读懂？
建议已掌握 Python 基本语法和 NumPy、pandas 的常用操作，并对现值、收益率、期权等金融概念有初步了解。书中第一章会交代 Python 基础，但节奏偏快，零基础读者最好先补一门 Python 入门课。
书中的案例数据需要付费购买吗？
作者在前言中说明，书中讲授的程序工具与数据大多可以通过公开渠道获取，Quandl 等数据源也提供了免费接口，读者一般无需额外购买行情数据即可复现示例。
本书与第一版有什么差别？
第一版由张永冀、霍达、张彤翻译，2018 年出版，ISBN 为 9787111589983；第二版结构有所调整，新增算法交易平台、回溯测试系统，以及基于 TensorFlow、Keras 的机器学习与深度学习内容，译者为张永冀、黄昊，2021 年出版。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
