Python金融實戰(zhàn)案例精粹

第 1章 Python基礎(chǔ)編程的金融案例 1

1.1 數(shù)據(jù)結(jié)構(gòu)之元組—以科創(chuàng)板股票為分析對象 2

1.2 數(shù)據(jù)結(jié)構(gòu)之列表—以全球股票指數(shù)為分析對象 6

1.3 數(shù)據(jù)結(jié)構(gòu)之集合—以股票類型為分析對象 10

1.4 數(shù)據(jù)結(jié)構(gòu)之字典—以人民幣匯率為分析對象 13

1.5 基本算術(shù)運算—以交通銀行股票為分析對象 16

1.6 高級賦值運算與成員運算—以中國平安股票為分析對象 19

1.7 關(guān)系運算—以四大國有銀行的財務(wù)指標(biāo)為分析對象 22

1.8 Python內(nèi)置函數(shù)—以券商股為分析對象 25

1.9 Python自定義函數(shù)和for語句—以市場利率為分析對象 29

1.10 條件語句和循環(huán)語句—以全球重要股指為分析對象 32

1.11 math模塊—以保險理賠為分析對象 36

1.12 本章小結(jié) 39

第 2章 NumPy模塊編程的金融案例 40

2.1 創(chuàng)建N維數(shù)組—以美國納斯達克的科技股為分析對象 41

2.2 數(shù)組索引和切片—以互聯(lián)網(wǎng)公司發(fā)行的港股為分析對象 45

2.3 數(shù)組內(nèi)部運算（一）—以保險公司股票為分析對象 48

2.4 數(shù)組內(nèi)部運算（二）—以A股指數(shù)為分析對象 52

2.5 數(shù)組間運算—以中資銀行股為分析對象 55

2.6 矩陣運算（一）—以全球主要股指為分析對象 59

2.7 矩陣運算（二）—以科創(chuàng)板股票為分析對象 64

2.8 二項分布與幾何分布隨機抽樣—以保險業(yè)務(wù)為分析對象 68

2.9 正態(tài)分布和對數(shù)正態(tài)分布隨機抽樣—以石油公司股票為分析對象 72

2.10 伽瑪分布和貝塔分布隨機抽樣—以債券違約率與回收率為分析對象 77

2.11 本章小結(jié) 82

第3章 Pandas模塊編程的金融案例 83

3.1 創(chuàng)建序列和數(shù)據(jù)框—以開放式基金為分析對象 84

3.2 導(dǎo)入外部數(shù)據(jù)文件和導(dǎo)出生成數(shù)據(jù)文件—以Shibor利率為分析對象 88

3.3 數(shù)據(jù)框可視化—以上證50指數(shù)為分析對象 92

3.4 數(shù)據(jù)框檢索—以滬港通股票為分析對象 98

3.5 數(shù)據(jù)框缺失值處理—以金磚四國的股票指數(shù)為分析對象 102

3.6 數(shù)據(jù)框拼接—以紐交所上市的央企股票為分析對象 106

3.7 Pandas模塊的統(tǒng)計功能（一）—以QDII基金為分析對象 111

3.8 Pandas模塊的統(tǒng)計功能（二）—以全球大型銀行股票為分析對象 116

3.9 Pandas模塊的統(tǒng)計功能（三）—以創(chuàng)業(yè)板股票為分析對象 121

3.10 移動窗口與動態(tài)統(tǒng)計—以全球主要股指為分析對象 128

3.11 本章小結(jié) 133

第4章 Matplotlib模塊編程的金融案例 134

4.1 繪制曲線圖—以住房按揭貸款為分析對象 135

4.2 繪制垂直條狀圖和雙軸圖—以貨幣政策為分析對象 140

4.3 繪制K線圖—以上證綜指與深證成指為分析對象 145

4.4 繪制直方圖—以同時發(fā)行A股和美股的公司股票為分析對象 152

4.5 繪制條形圖—以全球主要股指為分析對象 158

4.6 繪制雷達圖—以四大國有銀行的財務(wù)監(jiān)管指標(biāo)為分析對象 162

4.7 繪制散點圖—以A股和港股的股指為分析對象 167

4.8 繪制餅圖—以社會融資規(guī)模的結(jié)構(gòu)為分析對象 172

4.9 本章小結(jié) 177

第5章 SciPy等模塊編程的金融案例 178

5.1 用SciPy模塊運算積分—以上市的車企股票為分析對象 179

5.2 用SciPy模塊計算插值—以Shibor利率為分析對象 184

5.3 用SciPy模塊求解方程組—以中小板股票為分析對象 190

5.4 用SciPy模塊求解最優(yōu)值—以投資者效用為分析對象 193

5.5 SciPy模塊的統(tǒng)計功能—以Hibor和Shibor利率為分析對象 198

5.6 用SciPy模塊開展隨機抽樣與統(tǒng)計—以美國金融變量為分析對象 202

5.7 用StatsModels模塊構(gòu)建回歸模型—以中國石油股票為分析對象 207

5.8 用arch模塊構(gòu)建波動率模型—以全球主要股指為分析對象 212

5.9 用datetime模塊處理時間對象—以銀行理財產(chǎn)品為分析對象 220

5.10 本章小結(jié) 223

第6章 用Python分析利率與債券的案例 224

6.1 計算不同復(fù)利頻次的利息—以定期存款為分析對象 225

6.2 基于單一貼現(xiàn)率的債券定價—以國債為分析對象 229

6.3 基于票息剝離法計算零息利率曲線—以國債利率為分析對象 233

6.4 基于不同期限零息利率的債券定價—以金融債和地方債為分析對象 238

6.5 遠期利率—以國債為分析對象 241

6.6 遠期利率協(xié)議現(xiàn)金流—以Libor遠期利率協(xié)議為分析對象 246

6.7 遠期利率協(xié)議定價—以Shibor遠期利率協(xié)議為分析對象 250

6.8 債券麥考利久期—以利率債為分析對象 254

6.9 債券修正久期和美元久期—以央企債券為分析對象 260

6.10 債券凸性—以地方政府債為分析對象 264

6.11 本章小結(jié) 270

第7章 用Python分析股票投資的案例 271

7.1 投資組合收益率和波動率—以金融股為分析對象 272

7.2 最優(yōu)投資組合—以道瓊斯指數(shù)成分股為分析對象 278

7.3 資本資產(chǎn)定價模型（一）—以交通銀行A股為分析對象 283

7.4 資本資產(chǎn)定價模型（二）—以美股為分析對象 290

7.5 服從幾何布朗運動的股價模擬—以互聯(lián)網(wǎng)公司股票為分析對象 296

7.6 A股與H股套利策略—以招商銀行股票為分析對象 303

7.7 投資組合績效評估（一）—以公募基金為分析對象 309

7.8 投資組合績效評估（二）—以QDII基金為分析對象 316

7.9 本章小結(jié) 321

第8章 用Python分析期貨套期保值的案例 322

8.1 期貨空頭套期保值—以上證50指數(shù)期貨為分析對象 323

8.2 期貨多頭套期保值—以美元兌人民幣期貨合約為分析對象 328

8.3 最優(yōu)套保比率和最優(yōu)合約數(shù)量—以A股股指期貨為分析對象 333

8.4 國債期貨可交割債券轉(zhuǎn)換因子—以國債為分析對象 341

8.5 國債期貨最廉價交割債券—以國債期貨TS1906合約為分析對象 346

8.6 基于久期的套期保值策略—以債券和國債期貨為分析對象 351

8.7 本章小結(jié) 360

第9章 用Python分析期權(quán)交易的案例 361

9.1 期權(quán)定價與到期盈虧—以騰訊公司股票期權(quán)為分析對象 362

9.2 期權(quán)希臘字母—以2只上證50ETF期權(quán)合約為分析對象 368

9.3 期權(quán)對沖策略—以50ETF沽6月2050期權(quán)為分析對象 373

9.4 期權(quán)隱含波動率—以3只上證50ETF期權(quán)為分析對象 379

9.5 單一期權(quán)與基礎(chǔ)資產(chǎn)交易策略—以50ETF期權(quán)和基金為分析對象 385

9.6 期權(quán)牛市價差策略—以陰極銅期權(quán)為分析對象 391

9.7 期權(quán)熊市價差策略—以天然橡膠期權(quán)為分析對象 396

9.8 期權(quán)盒式價差策略—以4只上證50ETF期權(quán)為分析對象 402

9.9 期權(quán)蝶式價差策略—以豆粕期權(quán)為分析對象 406

9.10 跨式組合與寬跨式組合策略—以白糖期權(quán)為分析對象 412

9.11 本章小結(jié) 419

第 10章 用Python測度風(fēng)險價值的案例 420

10.1 方差-協(xié)方差法—以公募基金重倉股為分析對象 421

10.2 歷史模擬法—以社?；鹬貍}股為分析對象 427

10.3 蒙特卡洛模擬法—以QFII重倉股為分析對象 431

10.4 風(fēng)險價值模型合理性檢驗—以保險資金重倉股為分析對象 437

10.5 投資組合壓力測試—以藍籌股和國債為分析對象 442

10.6 壓力風(fēng)險價值—以伯克希爾 哈撒韋公司重倉股為分析對象 448

10.7 本章小結(jié) 456