python项⽬开发案例精粹-Python⾦融实战案例精粹
随着⾦融科技时代的到来，Python在⾦融领域的影响⼒已经有⽬共睹。掌握Python在⾦融实务中的应⽤，已经成为⾦融科技达⼈们必备的技能之⼀。
本书作为《基于Python的⾦融分析与风险管理》⼀书的配套案例集，整合了源于现实⾦融市场和⽇常实务⼯作的88个原创案例，涉及308项编程任务，包括超过6000⾏的Python代码。本书囊括了丰富多样的⾦融场景，涵盖利率、汇率、债券、股票、基⾦、远期、股指期货、外汇期货、国债期货、股票期权、商品期权等⾦融产品，还涉及商业银⾏、证券公司、期货公司、保险公司、信托公司、资产管理公司、基⾦管理公司、⾦融控股公司等各类型的⾦融机构，既介绍了包括我国在内的新兴市场，⼜介绍了欧美成熟的⾦融市场，囊括⾦融实务中可能涉及Python编程的各种场景。
本书着眼于⼀系列从业者可能涉及的⾦融实务案例，并结合Python编程给出了⾼效的解决⽅案。通过阅读本书，读者能够全⽅位地了解⾦融市场的运作，深刻洞察各类职务背后的⼯作技巧。
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
python货币转换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
斯⽂，笔名华尔街先⽣，浙江湖州⼈，经济学博⼠，中国注册会计师（CPA），特许⾦融分析师（CFA），⾦融风险管理师（FRM）。⽬前在⼀家⾦融资产交易中⼼担任风险管理部总经理，拥有在中外资银⾏、证券公司、信托公司、⾦融控股集团等机构⼗余年的⾦融与风险管理从业经验。
斯⽂博⼠也是上海财经⼤学风险管理校友俱乐部发起⼈兼理事长、《上财风险管理论坛》杂志主编、上海财经⼤学⾦融风险管理峰会秘书长、上海资产管理⾏业风险管理同业交流会秘书长，并担任中国⼈民⼤学、中南财经政法⼤学、华东政法⼤学等多所⾼校的⾦融硕⼠研究⽣合作导师或业界导师，还担任⼈民邮电出版社⾦融科技图书专家顾问。公开发表学术论⽂50余篇，出版著作《基于Python的⾦融分析与风险管理》和《中国外汇衍⽣品市场研究》，并荣获⼈民邮电出版社“2019年度最具影响⼒作者”称号。
斯⽂博⼠还依托于互联⽹平台，历时3年多推出了《期权、期货及其他衍⽣产品（第九版）》视频讲解系列（共360讲），累计观看⼈次超过百万，并长期致⼒于倡导和推⼴Python在⾦融领域尤其是风险管理领域的运⽤。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。