當(dāng)前,數(shù)據(jù)已成為與土地、資本、勞動力同等重要的生產(chǎn)要素。發(fā)展好大數(shù)據(jù)產(chǎn)業(yè),是發(fā)揮我國海量數(shù)據(jù)規(guī)模和豐富應(yīng)用場景優(yōu)勢,激活數(shù)據(jù)要素潛能的時代要求,是加快經(jīng)濟(jì)發(fā)展變革,構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系的必然選擇。據(jù)測算,2022年我國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模達(dá)1.57萬億元,同比增長18%,成為推動數(shù)字經(jīng)濟(jì)發(fā)展的重要力量。2023年3月國家發(fā)改委成立了國家數(shù)據(jù)局。黨的二十大報告總結(jié)了過去五年的歷史成就,擘畫了未來中國經(jīng)濟(jì)和社會發(fā)展前進(jìn)的方向,凸顯了中國高質(zhì)量發(fā)展的要求和趨勢,為中國數(shù)字經(jīng)濟(jì)發(fā)展指明了方向。數(shù)字經(jīng)濟(jì)是構(gòu)建現(xiàn)代化經(jīng)濟(jì)體系的重要引擎,未來數(shù)字經(jīng)濟(jì)的重要發(fā)展方向是實現(xiàn)數(shù)字經(jīng)濟(jì)助力實體經(jīng)濟(jì)發(fā)展。經(jīng)濟(jì)高質(zhì)量發(fā)展的一個重要方面是建立現(xiàn)代化經(jīng)濟(jì)體系,現(xiàn)代化經(jīng)濟(jì)體系建立離不開實體經(jīng)濟(jì)發(fā)展。黨的二十大報告提出,堅持把發(fā)展經(jīng)濟(jì)的著力點放在實體經(jīng)濟(jì)上。數(shù)字經(jīng)濟(jì)主要包括數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化。發(fā)展數(shù)字經(jīng)濟(jì),能夠推動5G網(wǎng)絡(luò)、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、基礎(chǔ)軟件等數(shù)字產(chǎn)業(yè)發(fā)展。數(shù)字技術(shù)發(fā)展又能進(jìn)一步推動數(shù)實融合,通過運用數(shù)字技術(shù)對傳統(tǒng)產(chǎn)業(yè)進(jìn)行全方位、全鏈條改造,可以有效提高全要素生產(chǎn)率,促進(jìn)傳統(tǒng)產(chǎn)業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展。發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字經(jīng)濟(jì)和實體經(jīng)濟(jì)深度融合,打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群,將是未來數(shù)字經(jīng)濟(jì)發(fā)展的著力點。
數(shù)字經(jīng)濟(jì)與數(shù)據(jù)科學(xué)的高速發(fā)展,推動數(shù)據(jù)分析教育教學(xué)改革進(jìn)入了一個全新的階段!督(jīng)濟(jì)金融數(shù)據(jù)分析及其Python應(yīng)用》(第2版)重點介紹Python3.X的數(shù)據(jù)存取、數(shù)據(jù)的可視化、數(shù)據(jù)統(tǒng)計分析、機(jī)器學(xué)習(xí)、時間序列分析和金融量化分析的Python3.X應(yīng)用,同時結(jié)合大量的實例,對Python3.X的重要程序包進(jìn)行科學(xué)、準(zhǔn)確和全面的介紹,以便使讀者能深刻理解Python3.X的精髓和靈活、高效的使用技巧。
本書之所以采用Python3.X軟件,是因為它具有強(qiáng)大的圖形展示、統(tǒng)計分析、機(jī)器學(xué)習(xí)功能,擁有可免費使用及功能強(qiáng)大的Pandas(基本數(shù)據(jù)分析工具)、NumPy(數(shù)值計算工具)、SciPy(科學(xué)計算工具)、Matplotlib(基礎(chǔ)繪圖工具)、Seaborn(擴(kuò)展繪圖工具)、Sklearn(機(jī)器學(xué)習(xí)工具)等眾多程序包,而Matlab、SAS、SPSS、Eviews、Stata、Splus等都是收費軟件。因此,Python越來越受到廣大用戶的歡迎和喜愛。
本書的內(nèi)容是這樣安排的: 第1章介紹經(jīng)濟(jì)金融數(shù)據(jù)分析及其環(huán)境; 第2章介紹Python數(shù)據(jù)分析包應(yīng)用基礎(chǔ); 第3章介紹Python數(shù)據(jù)分析的存。 第4章介紹Python圖形的繪制和可視化; 第5章介紹概率統(tǒng)計分布的Python應(yīng)用; 第6章介紹描述性統(tǒng)計的Python應(yīng)用; 第7章介紹參數(shù)估計的Python應(yīng)用; 第8章介紹假設(shè)檢驗的Python應(yīng)用; 第9章介紹一元回歸數(shù)據(jù)分析的Python應(yīng)用; 第10章介紹多元回歸數(shù)據(jù)分析的Python應(yīng)用; 第11章介紹機(jī)器學(xué)習(xí)數(shù)據(jù)分析的Python應(yīng)用; 第12章介紹時間序列數(shù)據(jù)分析的Python應(yīng)用; 第13章介紹量化金融投資數(shù)據(jù)分析的Python應(yīng)用; 第14章介紹期貨及其交易策略的Python應(yīng)用; 第15章介紹期權(quán)及其交易策略的Python應(yīng)用。
本書實例和內(nèi)容豐富,針對性強(qiáng),書中各章結(jié)合實例詳細(xì)地介紹Python3.X的具體操作過程,讀者只需按照書中介紹的步驟一步一步地實際操作,就能掌握全書的內(nèi)容。為了幫助讀者更加直觀地學(xué)習(xí)本書,我們將書中實例的全部數(shù)據(jù)文件作為附加的數(shù)據(jù)資源提供給讀者。讀者在自己的電腦中建立一個data目錄(其他目錄名也可以),將所有數(shù)據(jù)文件復(fù)制到此目錄,即可進(jìn)行操作。
本書的特點是: 以問題為導(dǎo)向,通過問題來介紹Python3.X的使用方法。因此,讀者通過本書不僅能掌握Python3.X及相關(guān)的程序包的使用方法,而且能學(xué)會如何從實際問題分析入手,應(yīng)用Python3.X來解決經(jīng)濟(jì)金融領(lǐng)域中的各種數(shù)據(jù)分析問題。
本書適合作為統(tǒng)計學(xué)、金融學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)、大數(shù)據(jù)管理與應(yīng)用等相關(guān)專業(yè)的本科生或研究生學(xué)習(xí)經(jīng)濟(jì)金融數(shù)據(jù)分析、統(tǒng)計學(xué)、時間序列分析、量化金融等課程的教材或?qū)嶒瀰⒖加脮,同時對從事數(shù)據(jù)分析的實際工作者也大有裨益。
本書由朱順泉和吳云華編著。朱順泉撰寫本書的第1章到第13章,吳云華撰寫本書的第14章和第15章以及各章的練習(xí)題。本書是2020年投資學(xué)專業(yè)國家級一流本科專業(yè)建設(shè)項目、2022年投資學(xué)廣東省一流本科課程建設(shè)項目、2022年廣東省研究生教育創(chuàng)新計劃項目(金融專碩量化金融投資案例庫建設(shè))、2021年廣州華商學(xué)院一流專業(yè)金融工程建設(shè)項目、2022年廣東財經(jīng)大學(xué)本科生教材建設(shè)項目、2022年廣東財經(jīng)大學(xué)研究生教材建設(shè)項目等階段性成果。
本書的出版,得到清華大學(xué)出版社編輯的大力支持、幫助。由于時間和水平的限制,書中難免存在一些紕漏,懇請讀者諒解并提出寶貴意見。
編著者2023年10月于廣州
第1章經(jīng)濟(jì)金融數(shù)據(jù)分析及其環(huán)境
1.1經(jīng)濟(jì)金融數(shù)據(jù)類型
1.2經(jīng)濟(jì)金融數(shù)據(jù)來源
1.3經(jīng)濟(jì)金融數(shù)據(jù)分析工具簡介
1.4Python數(shù)據(jù)分析工具的下載
1.5Python數(shù)據(jù)分析工具的安裝
1.6Python的啟動和退出
1.7Python數(shù)據(jù)分析相關(guān)的程序包
1.8Python數(shù)據(jù)分析快速入門
練習(xí)題
第2章Python數(shù)據(jù)分析程序包應(yīng)用基礎(chǔ)
2.1Python數(shù)據(jù)分析的NumPy應(yīng)用基礎(chǔ)
2.2Python數(shù)據(jù)分析的SciPy應(yīng)用基礎(chǔ)
2.3Python數(shù)據(jù)分析的Pandas應(yīng)用基礎(chǔ)
練習(xí)題
第3章Python數(shù)據(jù)分析的數(shù)據(jù)存取
3.1PythonNumPy數(shù)據(jù)存取
3.2PythonSciPy數(shù)據(jù)存取
3.3PythonPandas的csv格式數(shù)據(jù)文件存取
3.4PythonPandas的Excel格式數(shù)據(jù)文件存取
3.5讀取并查看數(shù)據(jù)表列
3.6讀取挖地兔財經(jīng)網(wǎng)站數(shù)據(jù)
3.7挖地兔Tushare財經(jīng)網(wǎng)站數(shù)據(jù)保存與讀取
3.8數(shù)據(jù)獲取的Baostock模塊
3.9數(shù)據(jù)獲取的Akshare模塊
3.10pandas_datareader獲取數(shù)據(jù)
3.11quandl財經(jīng)數(shù)據(jù)接口
練習(xí)題
第4章Python圖形的繪制和可視化
4.1Matplotlib繪圖應(yīng)用基礎(chǔ)
4.2直方圖的繪制
4.3散點圖的繪制
4.4氣泡圖的繪制
4.5箱圖的繪制
4.6餅圖的繪制
4.7條形圖的繪制
4.8折線圖的繪制
4.9曲線標(biāo)繪圖的繪制
4.10連線標(biāo)繪圖的繪制
4.11復(fù)雜圖形的繪制
4.12關(guān)于繪圖中顯示中文的問題處理
練習(xí)題
第5章概率統(tǒng)計分布的Python應(yīng)用
5.1二項分布
5.2泊松分布
5.3正態(tài)分布
5.4分布
5.5均勻分布
5.6指數(shù)分布
5.7t分布
5.8卡方分布
5.9F分布
練習(xí)題
第6章描述性統(tǒng)計的Python應(yīng)用
6.1描述性統(tǒng)計的Python工具
6.2數(shù)據(jù)集中趨勢度量的Python應(yīng)用
6.3數(shù)據(jù)離散狀況度量的Python應(yīng)用
6.4峰度、偏度與正態(tài)性檢驗的Python應(yīng)用
6.5異常數(shù)據(jù)處理的Python應(yīng)用
練習(xí)題
第7章參數(shù)估計的Python應(yīng)用
7.1參數(shù)估計與置信區(qū)間的含義
7.2點估計的Python應(yīng)用
7.3單正態(tài)總體均值區(qū)間估計的Python應(yīng)用
7.4單正態(tài)總體方差區(qū)間估計的Python應(yīng)用
7.5雙正態(tài)總體均值差區(qū)間估計的Python應(yīng)用
7.6雙正態(tài)總體方差比區(qū)間估計的Python應(yīng)用
練習(xí)題
第8章參數(shù)假設(shè)檢驗的Python應(yīng)用
8.1參數(shù)假設(shè)檢驗的基本理論
8.2單個樣本t檢驗的Python應(yīng)用
8.3兩個獨立樣本t檢驗的Python應(yīng)用
8.4配對樣本t檢驗的Python應(yīng)用
8.5單樣本方差假設(shè)檢驗的Python應(yīng)用
8.6雙樣本方差假設(shè)檢驗的Python應(yīng)用
練習(xí)題
第9章相關(guān)分析與一元回歸數(shù)據(jù)分析的Python應(yīng)用
9.1相關(guān)分析基本理論
9.2相關(guān)分析的Python應(yīng)用
9.3一元線性回歸分析基本理論
9.4一元線性回歸數(shù)據(jù)分析的Python應(yīng)用
9.5自相關(guān)性診斷的Python應(yīng)用
練習(xí)題
第10章多元回歸數(shù)據(jù)分析的Python應(yīng)用
10.1多元線性回歸分析基本理論
10.2多元線性回歸數(shù)據(jù)分析的Python應(yīng)用
10.3多元回歸分析的Scikitlearn工具應(yīng)用
10.4穩(wěn)健線性回歸分析Python應(yīng)用
10.5邏輯Logistic回歸分析Python應(yīng)用
10.6廣義線性回歸分析Python應(yīng)用
練習(xí)題
第11章機(jī)器學(xué)習(xí)數(shù)據(jù)分析的Python應(yīng)用
11.1機(jī)器學(xué)習(xí)算法分類
11.2常見的機(jī)器學(xué)習(xí)算法
11.3線性回歸及其Python應(yīng)用
11.4邏輯回歸及其Python應(yīng)用
11.5決策樹及其Python應(yīng)用
11.6支持向量機(jī)分類及其Python應(yīng)用
11.7樸素貝葉斯分類及其Python應(yīng)用
11.8KNN分類(K最近鄰算法)及其Python應(yīng)用
11.9K均值算法及其Python應(yīng)用
11.10隨機(jī)森林算法及其Python應(yīng)用
11.11降維算法代碼及其Python應(yīng)用
11.12Gradient Boosting和AdaBoost 算法及其Python應(yīng)用
練習(xí)題
第12章時間序列數(shù)據(jù)分析的Python應(yīng)用
12.1時間序列分析相關(guān)基本概念
12.2時間序列分析數(shù)據(jù)的可視化圖形
12.3時間序列分析的平穩(wěn)性檢驗原理
12.4滬深300時間序列分析的平穩(wěn)性檢驗實例
12.5時間序列分析的波動率模型GARCH原理
12.6時間序列分析的波動率模型GARCH應(yīng)用
練習(xí)題
第13章量化金融投資數(shù)據(jù)分析的Python應(yīng)用
13.1資產(chǎn)組合標(biāo)準(zhǔn)均值方差模型及其Python應(yīng)用
13.2資產(chǎn)組合有效邊界的Python繪制
13.3Markowitz投資組合優(yōu)化的Python應(yīng)用
13.4蒙特卡洛模擬股票期權(quán)定價的Python應(yīng)用
13.5蒙特卡洛模擬期權(quán)價格穩(wěn)定性的Python應(yīng)用
13.6期望損失ES的Python應(yīng)用
練習(xí)題
第14章期貨及其交易策略的Python應(yīng)用
14.1期貨基本概念和理論
14.2遠(yuǎn)期和期貨
14.3遠(yuǎn)期和期貨定價
14.4CTA及其Python實現(xiàn)
練習(xí)題
第15章期權(quán)及其交易策略的Python應(yīng)用
15.1期權(quán)市場
15.2期權(quán)價格分析
15.3期權(quán)定價模型
15.4期權(quán)交易策略及其Python應(yīng)用
練習(xí)題
附錄數(shù)據(jù)資源