Python金融大数据分析
- 书名：Python金融大数据分析
- 作者： 伊夫·希尔皮斯科
- 格式：AZW3,EPUB,MOBI
- 时间：2024-06-08
- 评分：8
- ISBN：9787115404459
内容简介：
唯一一本详细讲解使用金融应用开发领域从业人员必读。
作者简介：
Yves Hilpsch是Python Quants（德国）股份有限公司的创始人和任事股东，也是Python Quants（纽约）有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软件，以及和Python及金融相关的咨询、开发和培训服务。
下载地址：
标签：
文章链接：https://www.dushupai.com/book-content-7515.html(转载时请注明本文出处及文章链接)
- 上一篇： 5G时代：经济增长新引擎
- 下一篇： 耶路撒冷三千年（全新增订版）
最新评论：
更多
-
后稷2018-01-18风逝。这本书是聚焦衍生品的。
-
冰湖守夜人2021-01-02还可以，技术端的内容多，金融专业端内容少。不过就算如此，即使对我这种写python写了两年的人来说，技术端的东西还是有不少启发和提升。同时这本书也指明了我下一步的学习方向：可能我真的得考虑开始学一下随机过程了……
-
草木芃2018-02-12比较IT，有所收获。
最新书摘：
更多
-
九识澪2017-08-30NumPy提供了常规数组（至少缺乏dtype限制）的广义形式，但是我们暂时坚持使用常规数组，以观察这种专门化措施对性能的影响。做个简单的练习，假定我们要生成一个5000 x 5000个元素组成的矩阵/数组，填入标准正态分布（伪）随机数，然后计算所有元素的总和。首先采用纯Python方法，大量使用列表推导和函数式编程方法以及lambda函数：In [111]: import randomI = 5000In [112]: %time mat = [[random.gauss(0,1) for j in range(l)] for i in range(l)] » a nested list comprehension0ut[112]: CPU times: user 36.5 s, sys: 408 ms, total: 36.9 s Wall time: 36.4 sIn [113]: %time reduce(lambda x, y: x + y, reduce(lambda x, y: x + y, row for row in mat])0ut[113]: CPU times: user 4.3 s, sys: 52ms, total: 4.35s 678.5908519876647现在转向NumPy,看看同一个问题如何解决。为方便起见，NumPy子库random提供了多种函数，以初始化numpy.ndarray对象，同时填入（伪）随机数：In [114]: %time mat = np.random.standard_normal((I, I))0ut[114]: CPU times: user 1.83 s, sys: 40 ms, total: 1.87 s Wall time: 1.87 s in [115]:...
常见问题：
-
《Python金融大数据分析》是否有配套资源？
《Python金融大数据分析》通常提供配套资源，如代码示例、数据集和补充材料，帮助读者更好地理解和实践书中内容。这些资源可以在出版社官网或相关技术社区获取。建议读者充分利用这些资源，结合书中的案例进行练习，以加深对金融大数据分析技术的掌握。 -
《Python金融大数据分析》是否更新到最新版本？
《Python金融大数据分析》基于Python及常用金融分析库的早期版本编写，部分代码可能需要根据当前最新版本进行调整。建议读者在使用时参考官方文档或社区更新，确保兼容性。不过，书中关于金融大数据分析的核心思想和方法论依然具有极高的参考价值，适合长期学习和实践。 -
《Python金融大数据分析》是否适合金融工程师？
《Python金融大数据分析》非常适合金融工程师阅读。书中不仅涵盖了金融数据处理的核心理论，还提供了大量实用代码和案例，帮助金融工程师快速掌握Python在金融工程中的应用。无论是开发衍生品定价模型、风险管理系统，还是进行投资组合优化，本书都能提供有力的技术支持和参考。
猜你喜欢：
-
学习教育豆瓣 8.0
-
学习教育
-
学习教育豆瓣 8.2
-
学习教育豆瓣 7.3
-
学习教育豆瓣 8.1
-
学习教育豆瓣 8.3
-
学习教育豆瓣 6.8
-
学习教育豆瓣 8.5
