Python金融数据分析与挖掘实战 rb kindle 网盘 umd 极速 下载 pdf mobi

《Python金融数据分析与挖掘实战》从Python基础入门讲起，到应用Python进行科学计算、数据处理、数据可视化、挖掘建模基础训练，再到利用Python进行金融数据挖掘与量化投资实战，深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。

《Python金融数据分析与挖掘实战》分3篇：基础篇、案例篇和实训篇。基础篇（第1～6章）主要介绍Python基础及应用于科学计算、数据处理、数据可视化、机器学习、关联规则等方面的基础知识；案例篇（第7～11章）主要介绍利用Python进行金融数据挖掘分析的基础案例和综合案例；实训篇（第12章），由5个实训组成。《Python金融数据分析与挖掘实战》将从Python基础知识、基本数据分析技能，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python金融数据分析与挖掘相关知识的学习。

《Python金融数据分析与挖掘实战》提供配套的案例数据、程序代码，适合作为普通高等院校数学、计算机、经济管理专业相关课程的教材，也适合作为金融数据挖掘研究者、爱好者的参考书。

版权信息

内容提要

前言

基础篇

第1章 Python基础

1.1 Python概述

1.2 Python安装及启动

1.2.1 Python安装

1.2.2 Python启动及界面认识

1.2.3 Python安装扩展包

1.3 Python基本数据类型

1.3.1 数值的定义

1.3.2 字符串的定义

1.3.3 列表的定义

1.3.4 元组的定义

1.3.5 集合的定义

1.3.6 字典的定义

1.4 Python相关的公有方法

1.4.1 索引

1.4.2 切片

1.4.3 长度

1.4.4 统计

1.4.5 成员身份

1.4.6 变量删除

1.5 列表、元组与字符串方法

1.5.1 列表方法

1.5.2 元组方法

1.5.3 字符串方法

1.6 字典方法

1.7 条件语句

1.7.1 if…语句

1.7.2 if…else…语句

1.7.3 if…elif…else…语句

1.8 循环语句

1.8.1 while语句

1.8.2 for循环

1.9 函数

1.9.1 无返回值函数的定义与调用

1.9.2 有返回值函数的定义与调用

1.9.3 有多返回值函数的定义与调用

1.10 Python在金融大数据中的应用

本章小结

本章练习

第2章 科学计算包Numpy

2.1 Numpy简介

2.2 创建数组

2.2.1 利用array（）函数创建数组

2.2.2 利用内置函数创建数组

2.3 数组尺寸

2.4 数组运算

2.5 数组切片

2.5.1 常见的数组切片方法

2.5.2 利用ix_（）函数进行数组切片

2.6 数组连接

2.7 数据存取

2.8 数组形态变换

2.9 数组排序与搜索

2.10 矩阵与线性代数运算

2.10.1 创建Numpy矩阵

2.10.2 矩阵的属性和基本运算

2.10.3 线性代数运算

本章小结

本章练习

第3章 数据处理包Pandas

3.1 Pandas简介

3.2 序列

3.2.1 序列创建及访问

3.2.2 序列属性

3.2.3 序列方法

3.2.4 序列切片

3.2.5 序列聚合运算

3.3 数据框

3.3.1 数据框创建

3.3.2 数据框属性

3.3.3 数据框方法

3.3.4 数据框切片

3.4 外部文件读取

3.4.1 Excel文件读取

3.4.2 TXT文件读取

3.5 滚动计算函数

本章小结

本章练习

第4章 数据可视化包Matplotlib

4.1 Matplotlib绘图基础

4.1.1 Matplotlib图像构成

4.1.2 Matplotlib绘图基本流程

4.1.3 中文字符显示

4.1.4 坐标轴字符刻度标注

4.2 Matplotlib常用图形绘制

4.2.1 散点图

4.2.2 线性图

4.2.3 柱状图

4.2.4 直方图

4.2.5 饼图

4.2.6 箱线图

4.2.7 子图

本章小结

本章练习

第5章 机器学习包Scikit-learn

5.1 Scikit-learn简介

5.2 数据预处理

5.2.1 缺失值处理

5.2.2 数据规范化

5.2.3 主成分分析

5.3 线性回归

5.3.1 一元线性回归

5.3.2 多元线性回归

5.3.3 Python线性回归应用举例

5.4 逻辑回归

5.4.1 逻辑回归模型

5.4.2 Python逻辑回归模型应用举例

5.5 神经网络

5.5.1 神经网络模拟思想

5.5.2 神经网络结构及数学模型

5.5.3 Python神经网络分类应用举例

5.5.4 Python神经网络回归应用举例

5.6 支持向量机

5.6.1 支持向量机原理

5.6.2 Python支持向量机应用举例

5.7 K-均值聚类

5.7.1 K-均值聚类的基本原理

5.7.2 Python K-均值聚类算法应用举例

本章小结

本章练习

第6章 关联规则基础知识

6.1 关联规则概念

6.2 布尔关联规则挖掘

6.2.1 一对一关联规则挖掘及Python实现

6.2.2 多对一关联规则挖掘及Python实现

6.3 关联规则挖掘应用：国际股票指数关联分析

6.3.1 问题描述

6.3.2 数据预处理

6.3.3 关联规则挖掘

6.3.4 问题拓展

6.3.5 结果分析

本章小结

本章练习

案例篇

第7章 基础案例

7.1 众包任务特征指标的计算

7.1.1 案例介绍

7.1.2 案例分析

7.1.3 指标计算

7.2 股票价格指数周收益率和月收益率的计算

7.2.1 案例介绍

7.2.2 周收益率计算

7.2.3 月收益率计算

7.3 上市公司净利润增长率的计算

7.3.1 案例介绍

7.3.2 指标计算

7.4 股票价、量走势图的绘制

7.4.1 案例介绍

7.4.2 绘图数据计算

7.4.3 绘图及图形保存

7.5 股票价格移动平均线的绘制

7.5.1 案例介绍

7.5.2 图形绘制

7.6 沪深300指数走势预测

7.6.1 案例介绍

7.6.2 指标计算

7.6.3 模型求解

7.7 基于主成分聚类的上市公司盈利能力分析

7.7.1 案例介绍

7.7.2 案例分析及计算

本章小结

本章练习

第8章 综合案例1：上市公司综合评价

8.1 案例背景

8.2 案例目标及实现思路

8.3 基于总体规模与投资效率指标的综合评价

8.3.1 指标选择

8.3.2 数据处理

8.3.3 主成分分析

8.3.4 综合排名

8.3.5 收益率计算

8.3.6 量化投资策略设计与分析

8.4 基于成长与价值指标的综合评价

8.4.1 指标选择

8.4.2 数据处理

8.4.3 主成分分析

8.4.4 综合排名

8.4.5 收益率计算

8.4.6 量化投资策略设计与分析

本章小结

本章练习

第9章 综合案例2：股票价格涨跌趋势预测

9.1 案例背景

9.2 案例目标及实现思路

9.3 指标计算

9.3.1 移动平均线

9.3.2 指数平滑异同平均线

9.3.3 随机指标

9.3.4 相对强弱指标

9.3.5 乖离率指标

9.3.6 能量潮指标

9.3.7 涨跌趋势指标

9.3.8 计算举例

9.4 预测模型构建

9.4.1 训练集和测试集的划分

9.4.2 数据标准化处理

9.4.3 模型求解

9.5 预测结果分析

9.6 量化投资策略设计与分析

9.6.1 函数定义

9.6.2 量化投资策略设计

本章小结

本章练习

第10章 综合案例3：股票价格形态聚类章与收益分析

10.1 案例背景

10.2 案例目标及实现思路

10.3 数据获取

10.4 股票价格形态特征提取

10.4.1 关键价格点概念及提取算法

10.4.2 基于关键价格点的形态特征表示

10.4.3 基于关键价格点的形态特征提取

10.5 股票价格形态聚类与收益率计算

10.5.1 K-最频繁值聚类算法

10.5.2 基于K-最频繁值聚类算法的股票价格形态聚类

10.5.3 类平均收益率的计算

10.5.4 股票形态图绘制

10.6 量化投资策略设计与分析

10.6.1 函数定义及使用方法

10.6.2 训练样本与预测样本的构建

10.6.3 量化投资策略设计

本章小结

本章练习

第11章 综合案例4：行业联动与轮动分析

11.1 案例背景

11.2 案例目标及实现思路

11.3 数据获取

11.4 日行业联动与轮动分析

11.4.1 指标计算

11.4.2 行业联动关联规则挖掘

11.4.3 行业轮动关联规则挖掘

11.5 周行业联动与轮动分析

11.5.1 指标计算

11.5.2 行业联动关联规则挖掘

11.5.3 行业轮动关联规则挖掘

11.6 月行业联动与轮动分析

11.6.1 指标计算

11.6.2 行业联动关联规则挖掘

11.6.3 行业轮动关联规则挖掘

11.7 量化投资策略设计与分析

本章小结

本章练习

实训篇

第12章 综合实训

12.1 行业盈利状况可视化分析实训

12.2 上市公司透明度综合评价实训

12.3 基于支持向量机的量化择时实训

12.4 上市公司综合能力聚类分析实训

12.5 股票联动与轮动分析实训

参考文献

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python金融数据分析与挖掘实战在线阅读

在线听书地址：Python金融数据分析与挖掘实战在线收听

在线购买地址：Python金融数据分析与挖掘实战在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《Python金融数据分析与挖掘实战》从Python基础入门讲起，到应用Python进行科学计算、数据处理、数据可视化、挖掘建模基础训练，再到利用Python进行金融数据挖掘与量化投资实战，深入浅出地介绍了如何使用Python进行金融数据分析、挖掘和量化投资的全过程。

《Python金融数据分析与挖掘实战》分3篇：基础篇、案例篇和实训篇。基础篇（第1～6章）主要介绍Python基础及应用于科学计算、数据处理、数据可视化、机器学习、关联规则等方面的基础知识；案例篇（第7～11章）主要介绍利用Python进行金融数据挖掘分析的基础案例和综合案例；实训篇（第12章），由5个实训组成。《Python金融数据分析与挖掘实战》将从Python基础知识、基本数据分析技能，扩展到基础案例和综合案例，最后通过实训帮助读者强化训练，完成Python金融数据分析与挖掘相关知识的学习。

《Python金融数据分析与挖掘实战》提供配套的案例数据、程序代码，适合作为普通高等院校数学、计算机、经济管理专业相关课程的教材，也适合作为金融数据挖掘研究者、爱好者的参考书。