Python金融實(shí)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(duì)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(duì)象 6

1.3 數(shù)據(jù)結(jié)構(gòu)之集合—以股票類(lèi)型為分析對(duì)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(duì)象 13

1.5 基本算術(shù)運(yùn)算—以交通銀行股票為分析對(duì)象 16

1.6 高級(jí)賦值運(yùn)算與成員運(yùn)算—以中國(guó)平安股票為分析對(duì)象 19

1.7 關(guān)系運(yùn)算—以四大國(guó)有銀行的財(cái)務(wù)指標(biāo)為分析對(duì)象 22

1.8 Python內(nèi)置函數(shù)—以券商股為分析對(duì)象 25

1.9 Python自定義函數(shù)和for語(yǔ)句—以市場(chǎng)利率為分析對(duì)象 29

1.10 條件語(yǔ)句和循環(huán)語(yǔ)句—以全球重要股指為分析對(duì)象 32

1.11 math模塊—以保險(xiǎn)理賠為分析對(duì)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(guó)納斯達(dá)克的科技股為分析對(duì)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(duì)象 45

2.3 數(shù)組內(nèi)部運(yùn)算（一）—以保險(xiǎn)公司股票為分析對(duì)象 48

2.4 數(shù)組內(nèi)部運(yùn)算（二）—以A股指數(shù)為分析對(duì)象 52

2.5 數(shù)組間運(yùn)算—以中資銀行股為分析對(duì)象 55

2.6 矩陣運(yùn)算（一）—以全球主要股指為分析對(duì)象 59

2.7 矩陣運(yùn)算（二）—以科創(chuàng)板股票為分析對(duì)象 64

2.8 二項(xiàng)分布與幾何分布隨機(jī)抽樣—以保險(xiǎn)業(yè)務(wù)為分析對(duì)象 68

2.9 正態(tài)分布和對(duì)數(shù)正態(tài)分布隨機(jī)抽樣—以石油公司股票為分析對(duì)象 72

2.10 伽瑪分布和貝塔分布隨機(jī)抽樣—以債券違約率與回收率為分析對(duì)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(kāi)放式基金為分析對(duì)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(duì)象 88

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

3.4 數(shù)據(jù)框檢索—以滬港通股票為分析對(duì)象 98

3.5 數(shù)據(jù)框缺失值處理—以金磚四國(guó)的股票指數(shù)為分析對(duì)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(duì)象 106

3.7 Pandas模塊的統(tǒng)計(jì)功能（一）—以QDII基金為分析對(duì)象 111

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

3.9 Pandas模塊的統(tǒng)計(jì)功能（三）—以創(chuàng)業(yè)板股票為分析對(duì)象 121

3.10 移動(dòng)窗口與動(dòng)態(tài)統(tǒng)計(jì)—以全球主要股指為分析對(duì)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(xiàn)圖—以住房按揭貸款為分析對(duì)象 135

4.2 繪制垂直條狀圖和雙軸圖—以貨幣政策為分析對(duì)象 140

4.3 繪制K線(xiàn)圖—以上證綜指與深證成指為分析對(duì)象 145

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

4.5 繪制條形圖—以全球主要股指為分析對(duì)象 158

4.6 繪制雷達(dá)圖—以四大國(guó)有銀行的財(cái)務(wù)監(jiān)管指標(biāo)為分析對(duì)象 162

4.7 繪制散點(diǎn)圖—以A股和港股的股指為分析對(duì)象 167

4.8 繪制餅圖—以社會(huì)融資規(guī)模的結(jié)構(gòu)為分析對(duì)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(yùn)算積分—以上市的車(chē)企股票為分析對(duì)象 179

5.2 用SciPy模塊計(jì)算插值—以Shibor利率為分析對(duì)象 184

5.3 用SciPy模塊求解方程組—以中小板股票為分析對(duì)象 190

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

5.5 SciPy模塊的統(tǒng)計(jì)功能—以Hibor和Shibor利率為分析對(duì)象 198

5.6 用SciPy模塊開(kāi)展隨機(jī)抽樣與統(tǒng)計(jì)—以美國(guó)金融變量為分析對(duì)象 202

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

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

5.9 用datetime模塊處理時(shí)間對(duì)象—以銀行理財(cái)產(chǎn)品為分析對(duì)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(jì)算不同復(fù)利頻次的利息—以定期存款為分析對(duì)象 225

6.2 基于單一貼現(xiàn)率的債券定價(jià)—以國(guó)債為分析對(duì)象 229

6.3 基于票息剝離法計(jì)算零息利率曲線(xiàn)—以國(guó)債利率為分析對(duì)象 233

6.4 基于不同期限零息利率的債券定價(jià)—以金融債和地方債為分析對(duì)象 238

6.5 遠(yuǎn)期利率—以國(guó)債為分析對(duì)象 241

6.6 遠(yuǎn)期利率協(xié)議現(xiàn)金流—以L(fǎng)ibor遠(yuǎn)期利率協(xié)議為分析對(duì)象 246

6.7 遠(yuǎn)期利率協(xié)議定價(jià)—以Shibor遠(yuǎn)期利率協(xié)議為分析對(duì)象 250

6.8 債券麥考利久期—以利率債為分析對(duì)象 254

6.9 債券修正久期和美元久期—以央企債券為分析對(duì)象 260

6.10 債券凸性—以地方政府債為分析對(duì)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(dòng)率—以金融股為分析對(duì)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(duì)象 278

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

7.4 資本資產(chǎn)定價(jià)模型（二）—以美股為分析對(duì)象 290

7.5 服從幾何布朗運(yùn)動(dòng)的股價(jià)模擬—以互聯(lián)網(wǎng)公司股票為分析對(duì)象 296

7.6 A股與H股套利策略—以招商銀行股票為分析對(duì)象 303

7.7 投資組合績(jī)效評(píng)估（一）—以公募基金為分析對(duì)象 309

7.8 投資組合績(jī)效評(píng)估（二）—以QDII基金為分析對(duì)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(duì)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(duì)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(duì)象 333

8.4 國(guó)債期貨可交割債券轉(zhuǎn)換因子—以國(guó)債為分析對(duì)象 341

8.5 國(guó)債期貨最廉價(jià)交割債券—以國(guó)債期貨TS1906合約為分析對(duì)象 346

8.6 基于久期的套期保值策略—以債券和國(guó)債期貨為分析對(duì)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(jià)與到期盈虧—以騰訊公司股票期權(quán)為分析對(duì)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(duì)象 368

9.3 期權(quán)對(duì)沖策略—以50ETF沽6月2050期權(quán)為分析對(duì)象 373

9.4 期權(quán)隱含波動(dòng)率—以3只上證50ETF期權(quán)為分析對(duì)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(duì)象 385

9.6 期權(quán)牛市價(jià)差策略—以陰極銅期權(quán)為分析對(duì)象 391

9.7 期權(quán)熊市價(jià)差策略—以天然橡膠期權(quán)為分析對(duì)象 396

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

9.9 期權(quán)蝶式價(jià)差策略—以豆粕期權(quán)為分析對(duì)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(duì)象 412

9.11 本章小結(jié) 419

第 10章 用Python測(cè)度風(fēng)險(xiǎn)價(jià)值的案例 420

10.1 方差-協(xié)方差法—以公募基金重倉(cāng)股為分析對(duì)象 421

10.2 歷史模擬法—以社?；鹬貍}(cāng)股為分析對(duì)象 427

10.3 蒙特卡洛模擬法—以QFII重倉(cāng)股為分析對(duì)象 431

10.4 風(fēng)險(xiǎn)價(jià)值模型合理性檢驗(yàn)—以保險(xiǎn)資金重倉(cāng)股為分析對(duì)象 437

10.5 投資組合壓力測(cè)試—以藍(lán)籌股和國(guó)債為分析對(duì)象 442

10.6 壓力風(fēng)險(xiǎn)價(jià)值—以伯克希爾 哈撒韋公司重倉(cāng)股為分析對(duì)象 448

10.7 本章小結(jié) 456