文件名称：Hands-on-Python-for-Finance:Packt发行的Python实用金融
文件大小：3.62MB
文件格式：ZIP
更新时间：2024-06-16 20:42:06
JupyterNotebook
动手学习Python 这是Packt发行的“ 的代码存储库。 使用Python实施财务分析策略的实用指南 这本书是关于什么的？ Python是用于定量金融的最受欢迎的语言之一。 通过本书，您将探索Python用于金融的关键特性，解决金融中的问题，并了解风险管理。 本书从与量化金融相关的主要概念和技术开始，并介绍了一些关键的Python库。 接下来，您将使用pandas和DataFrames实现时间序列分析。 以下各章将帮助您了解如何衡量投资组合的可分散和不可分散的安全风险，以及如何通过实施Markowitz投资组合优化来优化您的投资组合。 回归分析方法论部分将帮助您评估资产并了解商品价格与商业库存之间的关系。 除此之外，您还可以使用蒙特卡洛模拟来预测股票价格。 该书还将重点介绍预测模型，这些模型将向您展示如何通过分析价格变化来确定看涨期权的价格。 您还将使用深度学习进行财务数据分析和
【文件预览】：
Hands-on-Python-for-Finance-master
----Chapter 2()
--------Numpy()
--------Pandas()
--------Matplotlib()
----Chapter 6()
--------Estimating the Sharpe Ratio in Python.ipynb(2KB)
--------Calculating the Beta of a Stock.ipynb(18KB)
--------MSFT_S&P.csv(41KB)
--------CAPM-Capital-Asset-Pricing-Model using SCIPY.ipynb(167KB)
--------Calculating the Expected Return of a Stock (CAPM).ipynb(2KB)
----Chapter 4()
--------Simple rate of returns.ipynb(40KB)
--------MSFT_AAPL_stock.csv(133KB)
--------Logarithmic Rate of Returns.ipynb(28KB)
--------Covariance and Correlation.ipynb(8KB)
--------Security Risk.ipynb(17KB)
--------MSFT_stock.csv(281KB)
--------Importing Data from Financial API - Part I -IEX & Morningstart.ipynb(14KB)
----Chapter 9()
--------MC - Black-Scholes-Merton - Lecture_CSV.ipynb(5KB)
--------PG_2007_2017.csv(55KB)
--------MC - Euler Discretization - Part II - Lecture_CSV.ipynb(195KB)
--------MC - Euler Discretization - Part I - Lecture_CSV.ipynb(155KB)
----Chapter 5()
--------Markowitz-Efficient-frontier.xlsx(15KB)
--------Walmart_FB_2014_2017.csv(26KB)
--------Portfolio Allocation and Sharp Ratio.ipynb(127KB)
--------Obtaining Markowitz Frontier.ipynb(183KB)
--------IBM_CLOSE(34KB)
--------CISCO_CLOSE(34KB)
--------AMZN_CLOSE(23KB)
--------AAPL_CLOSE(33KB)
----Chapter 11()
--------LSTM Recurrent Neural Network for stock prediction.ipynb(71KB)
--------Google_Stock_Price_Train.csv(62KB)
--------Google_Stock_Price_Test.csv(2KB)
--------perrin-freres-monthly-champagne-.csv(2KB)
--------Arimax.ipynb(187KB)
----Chapter 10()
--------Keras Example.ipynb(2KB)
--------TensorFlow-Regression-Example.ipynb(47KB)
--------Tensorflow example to add 2 numbers.ipynb(3KB)
----LICENSE(1KB)
----Chapter3()
--------Rolling and Expanding.ipynb(190KB)
--------walmart_stock.csv(88KB)
--------TimeShifts.ipynb(22KB)
--------Time Resampling.ipynb(42KB)
--------ETS Decomposition.ipynb(155KB)
--------Date Time Index.ipynb(6KB)
--------ARIMA.ipynb(390KB)
----README.md(5KB)
----Chapter 8()
--------MC Predicting Stock Prices - Part I - Lecture_CSV.ipynb(64KB)
--------MC - Predicting Gross Profit - Part I - Lecture.ipynb(243KB)
--------MC Predicting Stock Prices - Part II - Lecture_CSV.ipynb(70KB)
--------MSFT_2000.csv(96KB)
--------MC - Predicting Gross Profit - Part II - Lecture.ipynb(357KB)
--------MC Predicting Stock Prices - Part III - Lecture_CSV.ipynb(244KB)
----Chapter 3(1B)
----Chapter 7()
--------Housing.xlsx(10KB)
--------Startups_Invest.csv(2KB)
--------Simple Linear Regression.ipynb(65KB)
--------Multiple Linear Regression.ipynb(17KB)
--------Decision Tree Regressor.ipynb(925KB)