計算金融與Python實踐（附微課）

李瑾坤，博士。現為西南財經大學管理科學與工程學院教授，主要講授計算機科學和信息管理技術方向課程。為本科、研究生開設有計算機程序設計，數據倉庫、數據挖掘、高級商務數據分析等課程。 童牧 西南財經大學中國金融研究院教授，博士生導師，主持國家自然科學基金課題2項，作為主要研究人員參與國家級課題和教育部課題多項；作為第一作者或合作作者在國內外期刊發表學術論文20多篇；出版專著和譯著7部。

目錄

計算金融理論篇

第　一章 證券市場基礎　11

1.1　證券與證券市場　12

1.1.1　證券及其分類　12

1.1.2　證券市場及其分類　13

1.1.3　證券市場指數　14

1.2　證券市場的參與者　16

1.2.1　證券市場的主體　16

1.2.2　證券市場的其他參與者　17

本章小結　18

素養課堂：證券從業人員的職業道德規範　18

思考與練習　18

第二章　投資組合理論及其發展　20

2.1　投資組合理論　20

2.1.1　投資組合理論的基本假設　20

2.1.2　投資組合的收益與風險　21

2.1.3　最優投資組合的構建　22

2.2　資本資產定價模型　28

2.2.1　資本資產定價模型及其基本假設　28

2.2.2　資本資產定價模型的基本內容　29

本章小結　31

素養課堂：金融基礎設施　31

思考與練習　32

第三章　有效市場假說與行為金融理論　33

3.1　有效市場假說　33

3.1.1　有效市場假說的內容　33

3.1.2　有效市場假說的檢驗　35

3.2　行為金融理論　36

3.2.1　行為金融理論對有效市場假說的質疑　36

3.2.2　行為金融理論的主要內容　38

本章小結　40

素養課堂：中國的多層次資本市場體系　40

思考與練習　40

第四章　股票市場　42

4.1　股票　42

4.1.1　普通股　42

4.1.2　優先股　43

4.2　普通股的估值　43

4.2.1　股利不變模型　43

4.2.2　股利增長模型　44

本章小結　45

素養課堂：系統性金融風險　45

思考與練習　45

第五章　金融衍生工具與風險管理　47

5.1　金融衍生工具　47

5.1.1　金融衍生工具的類型　47

5.1.2　金融衍生工具市場及其發展　48

5.2　期貨　50

5.2.1　期貨與期貨交易　50

5.2.2　期貨合約的定價　51

5.3　期權　53

5.3.1　期權與期權交易　53

5.3.2　期權合約的定價　55

5.4　金融風險與金融風險管理　61

5.4.1　金融風險　61

5.4.2　金融風險管理　63

5.5　市場風險測度的VaR方法　63

5.5.1　VaR方法　63

5.5.2　VaR的計算原理　64

5.5.3　VaR的主要計算方法　64

本章小結　65

素養課堂：宏觀審慎政策　65

思考與練習　66

計算金融編程篇

第六章Python編程基礎　67

【學習目標】　67

【案例導引】　67

6.1　Python介紹　67

6.2　Python數據類型　67

6.2.1　常量、變量和標識符　67

6.2.2　數值類型和數學運算符　68

6.2.3　字符類型和字符運算符　69

6.2.4　表達式和“=”運算　72

6.2.5　格式控制和註釋　72

6.2.6　輸入和輸入語句　73

6.3　Python控制語句　75

6.3.1比較運算　76

6.3.2　邏輯運算符　76

6.3.3　順序結構　77

6.3.4　分支結構　77

6.3.5　循環結構　79

6.4　Python函數與方法　81

6.4.1　函數的參數　82

6.4.2　變量的作用域　84

6.5　Python組合數據類型　85

6.5.1　列表　85

6.5.2　元組　87

6.5.3　字典　88

6.5.4　集合　89

6.5.5　字符串　90

6.6本章小結　92

6.7思考與練習　93

【素養課堂：我國計算機發展歷程】　94

第七章　數據分析Numpy類庫　95

【學習目標】　95

【案例導引】　95

7.1　ndarray的創建　97

7.1.1　將python的可枚舉對象轉換成numpy數組　97

7.1.2　使用numpy函數　97

7.1.3使用linspace函數　98

7.1.4　使用ones，zeros，eye，empty等函數　98

7.1.5　numpy的random模塊　98

7.2　數據成員操作　99

7.2.1　數組變形　99

7.2.2　數組切片　100

7.2.3　數組索引　100

7.3　通用函數　103

7.3.1　數組的算術運算　103

7.3.2數組的廣播　104

7.3.3　數組通用函數　105

7.4　本章小結　108

7.5　思考與練習　108

【素養課堂：為什麼學習學習數據科學和數據分析】　109

第八章　數據分析Pandas類庫　111

【學習目標】　111

【案例導引】　111

8.1　數據　111

8.1.1　數據類型　111

8.1.2　數據結構　112

8.1.3　數據獲取　114

8.2　預處理　116

8.2.1　數據檢查　116

8.2.2　數據清洗　117

8.2.3數據過濾排序和分組　118

8.2.4　數據連接和合並　119

8.3　數據統計　120

8.3.1　數據對象成員方法　120

8.3.2　數據分組運算　120

8.4　時間索引　123

8.4.1　時間周期索引　123

8.5　pandas的數據可視化　125

8.5.1　數據對象成員方法　125

8.5.2　三方模塊可視化方法　130

8.6本章小結　130

8.7思考與練習　131

【素養課堂：我國超級計算的發展歷程】　132

第九章　數據分析Matplotlib.pyplot類庫　133

【學習目標】　133

【案例導引】　133

9.1　單圖區域　134

9.1.1　中文標簽　135

9.1.2　坐標系格式　135

9.2　常用圖形　139

9.2.1　折線圖　139

9.2.2　條形圖　140

9.2.3　直方圖　142

9.2.4　散點圖　144

9.2.5　餅圖　145

9.2.6　盒型圖　145

9.2.7　堆積圖　146

9.3　多子圖區域　147

9.3.1　劃分多子區域　147

9.3.2　增加單子區域　148

9.3.3增加定制區域　149

9.4本章小結　150

9.5思考與練習　150

【素養課堂：我國人工智能發展歷程】　151

第十章　數據分析sklearn機器學習庫　152

【學習目標】　152

【案例導引】　152

10.1　模塊數據集　152

10.2數據的預處理　153

10.2.1標準化　153

10.2.2將特征縮放至特定範圍內　156

10.2.3縮放有離群值數據　158

10.2.4正則化　158

10.2.5類別特征編碼　160

10.2.6離散化　163

10.2.7缺失值補全　163

10.2.8生成多項式特征　165

10.2.9特征選擇　166

10.2.10矩陣分解　167

10.3　模型構建　168

10.3.1　線性回歸　169

10.3.2　Ridge回歸　171

10.3.3　Lasso回歸　172

10.3.4多項式回歸　173

10.3.5　logistic 回歸　176

10.3.6　貝葉斯回歸　177

10.3.7　決策樹　178

10.3.8支持向量機　180

10.3.9　神經網絡　181

10.4集成模型　183

10.4.1　Bagging　183

10.4.2　隨機森林　184

10.4.3　AdaBoost　184

10.4.4　梯度提升　185

10.5模型選擇　185

10.5.1數據劃分　185

10.5.2交叉驗證　186

10.5.3調整估計器的超參數　187

10.6　模型評估　188

10.6.1分類模型評估　188

10.6.2回歸模型評估　199

10.7模型持久化　201

10.8本章小結　202

10.9思考與練習　203

【素養課堂：正視不足，砥礪前行，爭取突破】　204

計算金融案例篇

第十一章　金融數據分析案例　205

11.1　案例數據　205

11.1.1　下載數據　205

11.1.2　訪問tushare數據　207

11.1.3　股票收益率與波動率估算　209

11.2　期權定價　211

11.2.1　布萊克-斯科爾斯模型　211

11.2.2　二項式期權定價模型　213

11.2.3　蒙特卡洛期權定價模型　216

11.3　投資組合優化　217

11.3.1　投資組合的構建　217

11.3.2　特定期望收益下的組合優化　223

11.3.3　特定期望風險下的組合優化　226

11.3.4　特定效用函數下的組合優化　228

11.4市場風險價值（VaR）　230

11.4.1參數法VaR　231

11.4.2歷史方法估算VaR　243

11.4.3蒙特卡洛法估算VaR　245

11.5　基於機器學習的股票價格預測　249

11.5.1　K線圖　249

11.5.2　數據平穩性檢驗　251

11.5.3　numpy構建股價漲跌預測模型　252

11.5.3　logist預測股價漲跌　256

11.5.4　ARIMA預測股價　257

11.6本章小結　269

11.7思考與練習　270

【素養課堂：《生成式人工智能服務管理辦法（征求意見稿）》】　270

參考文獻　271