本書(shū)將介紹如何利用新的方法進(jìn)行金融建模并實(shí)現(xiàn)復(fù)雜的數(shù)據(jù)運(yùn)算。書(shū)中講授的工具與數(shù)據(jù)均可以通過(guò)公開(kāi)渠道獲取，通過(guò)建模與研究分析，你會(huì)對(duì)整個(gè)Python生態(tài)系統(tǒng)有全局性的認(rèn)識(shí)。書(shū)中的大量實(shí)例分析會(huì)加深你對(duì)金融風(fēng)險(xiǎn)管控的認(rèn)知。 本書(shū)內(nèi)容從Jupyter Notebook的設(shè)置開(kāi)始（所有任務(wù)均在Notebook中完成），隨后講解一系列金融分析中廣泛應(yīng)用的庫(kù)（如TensorFlow、Keras、NumPy、SciPy、scikit-learn等），這些庫(kù)可以幫助分析師做出基于數(shù)據(jù)分析的高效投資決策。書(shū)中結(jié)合常見(jiàn)的金融概念（如股票、期權(quán)、利率及其他金融衍生品等）講解如何開(kāi)發(fā)金融應(yīng)用程序以及利用不同的算法實(shí)現(xiàn)風(fēng)險(xiǎn)分析。之后，你將學(xué)習(xí)如何對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，了解如何搭建算法交易平臺(tái)以利用高頻數(shù)據(jù)設(shè)計(jì)交易策略，以及如何構(gòu)建事件驅(qū)動(dòng)的回溯測(cè)試系統(tǒng)來(lái)檢驗(yàn)交易策略，評(píng)價(jià)不同策略的業(yè)績(jī)表現(xiàn)。最后，你將探索金融前沿領(lǐng)域正在運(yùn)用的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)。 通過(guò)閱讀本書(shū)，你將學(xué)習(xí)將Python應(yīng)用于金融行業(yè)的不同范例，并執(zhí)行高效的數(shù)據(jù)分析。 目標(biāo)讀者 對(duì)Python定量研究感興趣的金融從業(yè)者、數(shù)據(jù)分析師和軟件開(kāi)發(fā)人員適合閱讀本書(shū)。此外，本書(shū)對(duì)那些想使用機(jī)器學(xué)習(xí)技術(shù)擴(kuò)展現(xiàn)有金融應(yīng)用程序功能的讀者也有一定的參考價(jià)值。 本書(shū)的主要內(nèi)容 第1章簡(jiǎn)要介紹設(shè)置Python環(huán)境（包括Jupyter Notebook）的過(guò)程。我們將使用pandas庫(kù)在Jupyter中畫(huà)圖，以便進(jìn)行時(shí)間序列分析。 第2章介紹使用Python求解線(xiàn)性方程組、執(zhí)行整數(shù)規(guī)劃，以及將矩陣代數(shù)應(yīng)用于投資組合分析的線(xiàn)性?xún)?yōu)化過(guò)程。 第3章介紹金融中的非線(xiàn)性問(wèn)題，探究從非線(xiàn)性模型中提取信息的一些方法，學(xué)習(xí)非線(xiàn)性波動(dòng)建模中的求根方法。SciPy的優(yōu)化模塊包含根函數(shù)與fsolve函數(shù)，可以幫助求解非線(xiàn)性模型的根。 第4章探討如何使用三叉樹(shù)模型、二叉樹(shù)網(wǎng)格和有限差分法等進(jìn)行期權(quán)估值。 第5章討論收益率曲線(xiàn)的推導(dǎo)過(guò)程，以及利用Python實(shí)現(xiàn)衍生品利率的短期定價(jià)模型。 第6章介紹識(shí)別主成分的主成分分析，還有用于檢驗(yàn)時(shí)間序列是否平穩(wěn)的Dicker-Fuller檢驗(yàn)。 第7章通過(guò)討論波動(dòng)指數(shù)，對(duì)美國(guó)股票指數(shù)和VIX數(shù)據(jù)進(jìn)行分析，并通過(guò)各分指數(shù)的期權(quán)價(jià)格推測(cè)主指數(shù)價(jià)格。 第8章討論使用代理API開(kāi)發(fā)均值回歸和趨勢(shì)跟蹤的實(shí)時(shí)交易平臺(tái)。 第9章討論如何設(shè)計(jì)和實(shí)施事件驅(qū)動(dòng)的回溯測(cè)試系統(tǒng)，以可視化模擬交易策略的表現(xiàn)。 第10章介紹機(jī)器學(xué)習(xí)，研究機(jī)器學(xué)習(xí)的概念及其在金融領(lǐng)域中的應(yīng)用，還包括一些應(yīng)用機(jī)器學(xué)習(xí)來(lái)協(xié)助做出交易決策的實(shí)例。 第11章介紹如何建立使用神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測(cè)模型，通過(guò)實(shí)際操作學(xué)習(xí)TensorFlow和Keras。 讀者需要具備的知識(shí) 讀者需要有使用Python的經(jīng)驗(yàn)。 下載示例代碼及彩色圖像 本書(shū)的示例源碼及所有截圖和樣圖，可以從http://www.packtpub.com通過(guò)個(gè)人賬號(hào)下載，也可以訪(fǎng)問(wèn)華章圖書(shū)官網(wǎng)http://www.hzbook.com，通過(guò)注冊(cè)并登錄個(gè)人賬號(hào)下載。 除此之外，還可以在GitHub上下載代碼，地址為https://github.com/PacktPublishing/ Mastering-Python-for-Finance-Second-Edition。如果代碼有更新，GitHub存儲(chǔ)庫(kù)也會(huì)同步更新。 排版約定 這里是本書(shū)用到的一些排版約定。 代碼體：表示數(shù)據(jù)庫(kù)表名稱(chēng)、文件夾名稱(chēng)、文件名、文件擴(kuò)展名、路徑名、偽URL、用戶(hù)輸入和Twitter句柄中的代碼。例如：“默認(rèn)情況下，pandas的.plot()命令使用matplotlib庫(kù)顯示圖�！� 代碼塊設(shè)置如下： 當(dāng)我們希望你注意代碼塊的特定部分時(shí)，相關(guān)的行或項(xiàng)以粗體設(shè)置： 命令行輸入或輸出如下所示： 表示警告或重要說(shuō)明。 表示提示和技巧。