《Python金融大数据分析》一1.5 延伸阅读

1.5 延伸阅读

下面两本书介绍Python在金融中的应用:

  • Fletcher, Shayne and Christopher Gardner (2009): Financial Modelling in Python.John Wiley & Sons, Chichester, England.
  • Hilpisch, Yves (2015): Derivatives Analytics with Python. Wiley Finance, Chichester, England. http://derivatives-analytics-with-python.com.

本章中引用了如下资源:

  • Crosman, Penny (2013): “Top 8 Ways Banks Will Spend Their 2014 IT Budgets.”Bank Technology News.
  • Deutsche Börse Group (2008): “The Global Derivatives Market—An Introduction.”White paper.
  • Ding, Cubillas (2010):“Optimizing the OTC Pricing and Valuation Infrastructure.”Celent study.
  • Lewis, Michael (2014): Flash Boys. W. W. Norton & Company, New York.
  • Patterson, Scott (2010): The Quants. Crown Business, New York.
时间: 2024-11-26 18:27:38

《Python金融大数据分析》一1.5 延伸阅读的相关文章

《Python金融大数据分析》一导读

前 言 Python金融大数据分析不久以前,在金融行业,Python作为一种编程语言和平台技术还被视为异端.相比之下,2014年有许多大型金融机构--如美国银行.美林证券的"石英"项目或者摩根大通的"雅典娜"项目--战略性地使用了Python和其他既定的技术,构建.改进和维护其核心IT系统.众多大大小小的对冲基金也大量使用Python的功能,进行高效的金融应用程序开发和金融分析工作. 同样,当今许多金融工程硕士课程(或者授予类似学位的课程)也使用Python作为核心

《Python金融大数据分析》一第1部分 Python与金融

第1部分 Python与金融 Python金融大数据分析 本部分介绍Python的金融学应用,包括3章. 第1章简短地讨论Python的总体情况,证明Python确实适合于处理金融行业和财务(数据)分析中遇到的技术难题. 第2章介绍Python基础架构和工具,目的是简洁地概述用Python开始交互式分析和应用程序开发所需要了解的最重要知识:相关的附录A纵览一些精选的Python开发最佳方法. 第3章立即进入3个具体的金融实例:说明如何用Python计算期权的隐含波动率.如何用Python和数组库

《Python金融大数据分析》一第2章 基础架构和工具

第2章 基础架构和工具 Python金融大数据分析基础架构比体系结构还要重要得多. --Rem Koolhaas 你可能会说基础架构不是一切,但是没有基础架构,什么东西都可能毫无意义--在现实世界或者技术中都是如此.那么,我们所说的基础架构是指什么呢?理论上,它是使简单Python脚本或者更复杂的Python应用程序得以执行的硬件和软件组件. 但是,本章并不打算详细介绍硬件基础架构,因为所有Python代码和示例应该可以在几乎所有硬件上执行[1].我们在此也不打算讨论不同的操作系统,因为Pyth

《Python金融大数据分析》一2.3 延伸阅读

2.3 延伸阅读 下面的网络资源有助于本章介绍的主题. Anaconda文档--http://docs.continuum.io/anaconda/ conda文档--http://conda.pydata.org/docs/ IPython文档--http://ipython.org/ipython-doc/stable/ IPython Notebook使用的Markdown语言--http://daringfireball.net/projects/markdown/有关Spyder的信息

《Python金融大数据分析》一1.2 金融中的科技

1.2 金融中的科技 现在,我们对Python已经有了大致的认识,回头简短地介绍一下科技在金融中的作用就很有意义了.这将使我们更好地评判Python在金融行业中已经承担的任务,更重要的是,还可以评判未来承担的任务. 在某种意义上,科技对于金融机构(例如与工业企业相比)或者财务部门(与其他企业职能部门相比,如后勤)没有什么特别的作用.然而,近年来,在创新和监管的刺激下,银行和其他金融机构(如对冲基金)越来越多地发展成为技术公司而不仅仅是金融中介机构.科技成为了全球几乎所有金融机构的重要资产,具备导

《Python金融大数据分析》一1.3 用于金融的Python

1.3 用于金融的Python 前一小节介绍了科技在金融中发挥作用的一些领域: 金融行业中的科技成本: 作为新业务和创新业务引擎的科技: 作为金融行业进入门槛的科技: 不断提升的速度.频率和数据量: 实时分析的兴起. 本节,我们分析Python如何帮助你应对这些方面的多种挑战.不过首先让我从更为基础的方面--语言和语法--介绍用于金融的Python. 1.3.1 金融和Python语法 在金融环境中迈出使用Python第一步的大部分人都可能要攻克某个算法问题.这和想要解出微分方程.求取积分或者可

《Python金融大数据分析》一2.2 结语

2.2 结语 如果你是初学者.临时Python开发人员或者来自不同编程背景的专业人士,Python的入门一般相当简单,只需要几个简单的步骤.首先,应该安装合适的Python分发版本(如Anaconda),以获得一致的Python环境,也可以简化定期更新的过程. 有了Anaconda之类的分发版本,就拥有了交互式实践数据和金融分析所需的最重要工具(例如IPython),或者以更传统的实现-测试-调试风格开发更大应用程序的工具(例如Spyder).当然,可以加入自己喜欢的编辑器,这些编辑器可能已经包

《Hadoop金融大数据分析》读书笔记

<Hadoop金融大数据分析> Hadoop for Finance Essentials 使用Hadoop,是因为数据量大数据量如此之多,以至于无法用传统的数据处理工具和应用来处理的数据称主大数据 3V定义:即"大量Volume,多样Variety,高速Velocity是与大数据相关的三个属性或维度.大量指的是数据的量很大,多样指的是数据的类型很多,高速指的是数据处理的速度很快 对于一家处理GB级数据的小公司来说,TB级的数据可能被认为是大数据,对于处理TB级数据的大公司来说,PB

日志易:金融之支付行业日志大数据分析案例解读

伴随新的支付方式出现,近年来移动支付蓬勃发展,如何分析.利用海量交易数据,已成为当前支付企业面对的巨大难题.日志作为数据的载体,蕴含着丰富的信息,传统的日志分析方式低效而固化,无法应对数据体量大.格式不统一.增长速度快的现状,在交易出现异常及失败时,更难以满足实时处理.快速响应的需求. 本文讲述某支付公司采用日志易后,通过日志大数据实现业务深度分析及风险控制的实践经验. 本次分享结合企业自身对支付行业的理解,将支付行业的需求总结为以下三点: 一.监管合规 1.人民银行对支付机构的日志审计和安全合