新書推薦：
《
古希腊神话与传说全集（特装刷边版，精装彩插，德文原版直译，随书附赠古希腊神谱+诸神图）
》
售價：HK$
147.2
《
英伦历史漫步 探寻世外桃源之旅
》
售價：HK$
67.9
《
知识如何流动（三棱镜译丛）
》
售價：HK$
91.8
《
万有引力书系 江南困局 晚明士大夫的危机时刻
》
售價：HK$
89.7
《
正始十年（看司马懿父子如何打破“恐怖平衡”，实现统一！）
》
售價：HK$
78.2
《
中国网络文学年鉴（2023）
》
售價：HK$
457.7
《
美国学院和大学史（大学、思想与社会）
》
售價：HK$
112.7
《
好望角丛书·自由古巴：革命、救赎与新生
》
售價：HK$
170.2
|
| 內容簡介： |
本书全面介绍了关于金融数据的存储方式等基础知识，着重介绍了NumPy模块、Pandas模块和Matplotlib模块对金融数据的计算、统计和可视化方法，以及金融数据中的线性回归问题、时间序列分析和投资组合理论等在Python中的实现方法，并较为全面地补充了金融数据处理中涉及的Python常用函数，形成四个函数专辑。
本书共分为三个部分: 第一部分（第1～7章）为理论篇，着重介绍金融数据的存储与处理，包括NumPy、Pandas和Matplotlib三大模块；第二部分（第8章）为实验篇，着重介绍如何实现数据存储、计算、可视化和回归分析；第三部分（第9章）为函数篇，介绍本书中常用的函数或模块。本书提供了大量应用实例，每章后均附有习题。
本书可作为高等院校计算机相关专业、金融学相关专业、电子商务专业等高年级本科生、研究生的教材，也可作为对Python语言比较熟悉并且对金融数据处理有所了解的专业人员、广大数据分析爱好者和研究人员的参考用书。
|
| 目錄：
|
第1章大数据与Python基础知识<<<1
1.1金融数据分析概述1
1.2字符串4
1.2.1字符串类型数据5
1.2.2字符串的索引与切片6
1.2.3内置的字符串运算符7
1.2.4内置的字符串处理函数7
1.2.5内置的字符串处理方法8
1.2.6format()格式化方法11
1.2.7Python转义字符12
1.3分支结构与循环结构13
1.3.1分支结构的语法结构13
1.3.2三元操作14
1.3.3while循环14
1.3.4for循环15
1.4函数16
1.4.1内置函数16
1.4.2自定义函数17
1.5列表型金融数据的定义19
1.5.1列表的定义形式19
1.5.2列表元素的访问20
1.5.3列表的常用方法21
1.6双向索引与列表的切片24
1.6.1双向索引24
1.6.2列表的切片25
1.7列表生成器/列表推导式25
1.8金融数据中字典数据类型28
1.8.1字典的定义28
1.8.2字典的创建29
1.8.3例题及讲解30
1.8.4字典数据类型的使用30
小结35
习题35
第2章金融数据中NumPy模块的应用<<<37
2.1NumPy概述37
2.2数组的创建38
2.2.1创建数组38
2.2.2NumPy数据类型40
2.2.3数组常用方法42
2.3NumPy模块中一维数组的运用43
2.3.1数组元素索引和切片44
2.3.2数组的基本运算45
2.3.3数组算术运算45
2.3.4数组数学运算46
2.3.5数组布尔运算47
2.3.6数组去重运算48
2.3.7数组包含运算48
2.3.8数组常用统计运算48
2.3.9一维数组排序50
2.4NumPy模块中二维数组的运用50
2.4.1创建二维数组50
2.4.2二维数组元素索引和切片51
2.4.3二维数组基本运算54
2.4.4二维数组统计运算55
2.4.5二维数组排序58
2.4.6检索数组元素58
2.5矩阵与线性代数运算59
2.5.1创建矩阵59
2.5.2NumPy矩阵模块matlib60
2.5.3转置矩阵61
2.5.4矩阵运算61
2.5.5线性代数运算62
小结64
习题64
Python金融数据分析(微课视频版·题库版)目录〖1〗〖2〗〖2〗〖2〗〖2〗
第3章金融数据分析中Pandas模块的应用<<<66
3.1Pandas库概述66
3.2Pandas的安装67
3.3Pandas的数据类型及结构67
3.4Series对象68
3.4.1Series对象的创建69
3.4.2Series对象的访问73
3.4.3Series对象的编辑77
3.4.4Series对象的常用属性85
3.4.5Series对象的常用方法88
3.4.6Series对象的基本运算93
3.4.7Series对象聚合运算95
3.5DataFrame对象99
3.5.1DataFrame对象的创建100
3.5.2DataFrame对象的访问103
3.5.3DataFrame对象的编辑113
3.5.4DataFrame的文件读写135
3.5.5DataFrame的分组与聚合144
3.5.6DataFrame对象的常用操作152
小结159
习题159
第4章金融数据可视化<<<162
4.1数据可视化概述162
4.1.1什么是可视化162
4.1.2数据可视化的设计原则163
4.1.3常见的图表类型和用途163
4.2使用Matplotlib进行数据可视化169
4.2.1绘图基本过程169
4.2.2简单美化图表173
4.2.3常用的数据可视化工具187
4.2.4常用图表的绘制188
4.2.5多图绘制的方法196
4.3综合实例209
小结213
习题213
第5章金融数据分析中的线性回归<<<215
5.1线性回归概述215
5.1.1线性回归的概念215
5.1.2参数的估计216
5.1.3回归系数及其含义218
5.2一元线性回归分析219
5.2.1一元线性回归——Excel实现方法219
5.2.2一元线性回归的Python解决方案224
5.3多元线性回归分析227
5.3.1多元线性回归——Excel实现方法227
5.3.2多元线性回归——Python解决方案229
小结232
习题232
第6章金融时间序列分析<<<234
6.1时间序列分析概述235
6.2时间序列数据的创建与访问237
6.2.1时间型数据的创建237
6.2.2时间序列的访问243
6.2.3时间序列的切片245
6.2.4固定频率的时间序列249
6.2.5时期对象的时间序列252
6.3时间序列的数据聚合254
6.3.1时间序列的重采样254
6.3.2时间序列的窗口滑动258
6.3.3时间序列的移动及聚合261
6.4时间序列预测模型265
6.4.1简单移动平均265
6.4.2加权移动平均265
6.4.3指数加权移动平均266
6.5ARIMA模型266
小结273
习题273
第7章投资组合理论<<<276
7.1投资组合基本原理276
7.1.1现代投资组合理论277
7.1.2分析方法和模型277
7.2投资组合分析——Excel方法实现280
7.3投资组合的Python解决方案282
小结287
习题287
第8章实验内容<<<288
实验一字符串和列表的应用288
实验二字典和集合数据类型290
实验三选择结构与循环结构291
实验四匿名函数与函数式编程293
实验五文件读写294
实验六NumPy数组295
实验七Pandas模块的使用(初级)297
实验八Pandas模块的使用(高级)298
实验九金融数据获取299
实验十Matplotlib绘图300
实验十一一元回归分析301
实验十二多元回归分析302
第9章函数专辑<<<304
9.1range()函数和random模块的应用304
9.1.1range()函数304
9.1.2random模块305
9.1.3numpy.random模块310
9.2enumerate()函数314
9.3lambda函数316
9.4map()和apply()函数319
9.4.1map()函数319
9.4.2apply()函数321
参考文献<<<323
|
| 內容試閱：
|
随着金融行业的信息化进程不断向深度和广度快速推进，对基于金融行业背景的多学科交叉知识的需求越来越强烈。高等学校课程建设及时抓住新的发展机遇和挑战，确立课程建设要既具有较强行业背景知识、满足行业发展需求，又要注重工程类知识的实践性和技术技能性的建设目标，主动服务国家创新驱动发展和“中国制造2025”等重大战略实施，探索和建设一批适合区域经济发展、更好地服务实体经济建设的多学科交叉融合型课程体系。
计算机技术全面融入人类社会生活后，网络数据得到了爆炸式的增长，驱使着人们进入了一个崭新的大数据时代。数据分析技术是从海量数据中获得潜在的、有价值的信息，帮助企业或个人预测未来的趋势和行为。金融业属于数据密集型产业，其数据特征和数据处理过程符合计算机和信息产业的基本条件，因此金融业与计算机行业的联姻就成为可能。银行业因其海量数据及激烈的市场竞争，急需率先采用最先进的IT技术创新产品与服务，提高行业服务水平，进一步提高市场竞争力。银行业纷纷利用IT技术研发新型用户交互界面，以提升用户体验质量，秉持技术引领行业变革、走在金融行业的技术前沿，实施客户个性化服务理念。随后，证券业、保险业、信托和直接投资领域都纷纷抓住IT技术应用浪潮，驱动企业价值提升。
目前，有关金融数据分析的相关教材大体可以分为以下三类: 第一，侧重Python技术，即聚焦金融大数据方面的应用，难度较大，适合有计算机硕士研究生水平的学生学习；第二，侧重金融理论分析，在理论研究上较为深入，但不适合作为强调学生的动手能力和实际操作能力的课程教材；第三，集Python技术与金融模型于一体，但难度较大，适合研究生阶段学生的自主学习，不适合应用型本科学生学习。
本书的特色在于: 第一，基于课程组多年的教学经验，从使用MATLAB工具进行数据分析，到使用Python进行56学时的授课教学，积累了大量的教学经验和教学内容上的创新想法；第二，在2021年，成功与智慧树公司合作上线了一门“金融数据分析”线上课程，800分钟的授课内容，以及配套章节测试和期中、期末的测试题，完整地将本门课程呈现在网络上，便于学生在课下自主学习和复习;第三，本课程在2023年被认定为省级一流课程。
本书由哈尔滨金融学院李蕾、张春越、郭瑞波、高炜共同担任主编，负责整本书的统筹和编辑，吴波负责主审本书。本书分为三大部分: 第一部分（第1～7章）为教学内容与习题篇，着重介绍金融数据的存储与处理，包括NumPy、Pandas和Matplotlib三大模块。本书第1章由李蕾、郭瑞波共同编写，第2章由郭瑞波编写，第3章由高炜编写，第4章、第6章由张春越编写，第5章、第7章由李蕾编写，第二部分（第8章）为实验篇，着重介绍如何实现数据存储、计算、可视化和回归分析，由李蕾、郭瑞波共同编写，第三部分（第9章）为函数篇，介绍本教材中常用的函数或模块，由李蕾和郭瑞波共同编写。
编者
2024年5月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
