Python金融數據分析 ython for Finance Cookbook : Over 80 powerful recipes for effective financial data analysis, 2/e

目    錄

第1章  獲取金融數據 1

　　1.1  從雅虎財經獲取數據 2

　　1.1.1  實戰操作 3

　　1.1.2  原理解釋 4

　　1.1.3  擴展知識 4

　　1.1.4  參考資料 5

　　1.2  從Nasdaq Data Link獲取數據 5

　　1.2.1  準備工作 6

　　1.2.2  實戰操作 6

　　1.2.3  原理解釋 7

　　1.2.4  擴展知識 8

　　1.2.5  參考資料 9

　　1.3  從Intrinio獲取數據 10

　　1.3.1  準備工作 10

　　1.3.2  實戰操作 10

　　1.3.3  原理解釋 12

　　1.3.4  擴展知識 12

　　1.3.5  參考資料 16

　　1.4  從Alpha Vantage獲取數據 16

　　1.4.1  準備工作 16

　　1.4.2  實戰操作 17

　　1.4.3  原理解釋 18

　　1.4.4  擴展知識 18

　　1.4.5  參考資料 21

　　1.5  從CoinGecko獲取數據 21

　　1.5.1  實戰操作 21

　　1.5.2  原理解釋 22

　　1.5.3  擴展知識 23

　　1.5.4  參考資料 24

　　1.6  小結 24

第2章  數據預處理 27

　　2.1  將價格轉化為收益 27

　　2.1.1  實戰操作 28

　　2.1.2  原理解釋 29

　　2.2  為通貨膨脹調整收益 29

　　2.2.1  實戰操作 30

　　2.2.2  原理解釋 31

　　2.2.3  擴展知識 32

　　2.2.4  參考資料 33

　　2.3  改變時間序列數據的頻率 33

　　2.3.1  做好準備 34

　　2.3.2  實戰操作 34

　　2.3.3  原理解釋 36

　　2.4  估算缺失數據的不同方法 36

　　2.4.1  實戰操作 36

　　2.4.2  原理解釋 39

　　2.4.3  擴展知識 39

　　2.4.4  參考資料 41

　　2.5  轉換貨幣單位 41

　　2.5.1  實戰操作 41

　　2.5.2  原理解釋 42

　　2.5.3  擴展知識 43

　　2.5.4  參考資料 44

　　2.6  聚合交易數據的不同方式 44

　　2.6.1  實戰操作 46

　　2.6.2  原理解釋 50

　　2.6.3  擴展知識 52

　　2.6.4  參考資料 52

　　2.7  小結 52

 

第3章  可視化金融時間序列 53

　　3.1  時間序列數據的基本可視化 54

　　3.1.1  實戰操作 54

　　3.1.2  原理解釋 56

　　3.1.3  擴展知識 56

　　3.1.4  參考資料 59

　　3.2  可視化季節性模式 59

　　3.2.1  實戰操作 59

　　3.2.2  原理解釋 62

　　3.2.3  擴展知識 62

　　3.3  創建交互式可視化 65

　　3.3.1  實戰操作 66

　　3.3.2  原理解釋 68

　　3.3.3  擴展知識 69

　　3.3.4  參考資料 70

　　3.4  創建K線圖 71

　　3.4.1  準備工作 72

　　3.4.2  實戰操作 72

　　3.4.3  原理解釋 74

　　3.4.4  擴展知識 74

　　3.4.5  參考資料 76

　　3.5  小結 77

第4章  探索金融時間序列數據 79

　　4.1  使用滾動統計進行異常值檢測 79

　　4.1.1  實戰操作 80

　　4.1.2  原理解釋 82

　　4.1.3  擴展知識 82

　　4.2  使用Hampel過濾器進行異常值檢測 83

　　4.2.1  實戰操作 84

　　4.2.2  原理解釋 85

　　4.2.3  擴展知識 86

　　4.2.4  參考資料 87

　　4.3  檢測時間序列中的變點 88

　　4.3.1  實戰操作 89

　　4.3.2  原理解釋 91

　　4.3.3  擴展知識 91

　　4.3.4  參考資料 93

　　4.4  檢測時間序列中的趨勢 93

　　4.4.1  實戰操作 94

　　4.4.2  原理解釋 95

　　4.4.3  參考資料 96

　　4.5  使用Hurst指數檢測時間序列中的模式 96

　　4.5.1  實戰操作 97

　　4.5.2  原理解釋 99

　　4.5.3  擴展知識 100

　　4.5.4  參考資料 100

　　4.6  研究資產收益的典型化事實 100

　　4.6.1  準備工作 101

　　4.6.2  實戰操作 101

　　4.6.3  原理解釋 108

　　4.6.4  擴展知識 110

　　4.6.5  參考資料 112

　　4.7  小結 112

第5章  技術分析和構建交互式儀表板 113

　　5.1  計算最流行的技術指標 113

　　5.1.1  實戰操作 114

　　5.1.2  原理解釋 118

　　5.1.3  擴展知識 119

　　5.1.4  參考資料 119

　　5.2  下載技術指標 120

　　5.2.1  實戰操作 120

　　5.2.2  原理解釋 122

　　5.2.3  擴展知識 122

　　5.3  識別K線圖的形態 124

　　5.3.1  實戰操作 125

　　5.3.2  原理解釋 127

　　5.3.3  擴展知識 128

　　5.3.4  參考資料 129

　　5.4  使用Streamlit構建用於技術分析的交互式Web應用程序 129

　　5.4.1  準備工作 130

　　5.4.2  實戰操作 130

　　5.4.3  原理解釋 135

　　5.4.4  擴展知識 139

　　5.4.5  參考資料 139

　　5.5  部署技術分析應用程序 139

　　5.5.1  準備工作 140

　　5.5.2  實戰操作 140

　　5.5.3  原理解釋 141

　　5.5.4  擴展知識 142

　　5.5.5  參考資料 142

　　5.6  小結 143

第6章  時間序列分析與預測 145

　　6.1  時間序列分解 146

　　6.1.1  實戰操作 148

　　6.1.2  原理解釋 151

　　6.1.3  擴展知識 151

　　6.1.4  參考資料 154

　　6.2  測試時間序列的平穩性 155

　　6.2.1  準備工作 156

　　6.2.2  實戰操作 156

　　6.2.3  原理解釋 158

　　6.2.4  擴展知識 159

　　6.2.5  參考資料 160

　　6.3  校正時間序列的平穩性 160

　　6.3.1  實戰操作 161

　　6.3.2  原理解釋 166

　　6.3.3  擴展知識 166

　　6.4  使用指數平滑方法對時間序列建模 168

　　6.4.1  準備工作 169

　　6.4.2  實戰操作 169

　　6.4.3  原理解釋 174

　　6.4.4  擴展知識 175

　　6.4.5  參考資料 177

　　6.5  使用ARIMA類模型對時間序列建模 178

　　6.5.1  準備工作 179

　　6.5.2  實戰操作 179

　　6.5.3  原理解釋 186

　　6.5.4  擴展知識 188

　　6.5.5  參考資料 190

　　6.6  使用auto-ARIMA尋找最佳擬合的ARIMA模型 190

　　6.6.1  準備工作 191

　　6.6.2  實戰操作 191

　　6.6.3  原理解釋 197

　　6.6.4  擴展知識 197

　　6.6.5  參考資料 203

　　6.7  小結 203

第7章  基於機器學習的時間序列預測 205

　　7.1  時間序列的驗證方法 205

　　7.1.1  實戰操作 208

　　7.1.2  原理解釋 214

　　7.1.3  擴展知識 216

　　7.1.4  參考資料 219

　　7.2  時間序列的特徵工程 219

　　7.2.1  實戰操作 220

　　7.2.2  原理解釋 228

　　7.2.3  擴展知識 229

　　7.3  將時間序列預測作為簡化回歸任務 234

　　7.3.1  準備工作 235

　　7.3.2  實戰操作 235

　　7.3.3  原理解釋 243

　　7.3.4  擴展知識 246

　　7.3.5  參考資料 246

　　7.4  使用Meta的Prophet進行預測 246

　　7.4.1  實戰操作 248

　　7.4.2  原理解釋 255

　　7.4.3  擴展知識 256

　　7.4.4  參考資料 260

　　7.5  使用PyCaret進行時間序列預測的AutoML 260

　　7.5.1  準備工作 260

　　7.5.2  實戰操作 260

　　7.5.3  原理解釋 267

　　7.5.4  擴展知識 269

　　7.6  小結 270

第8章  多因素模型 273

　　8.1  估計CAPM 274

　　8.1.1  實戰操作 275

　　8.1.2  原理解釋 277

　　8.1.3  擴展知識 277

　　8.1.4  參考資料 280

　　8.2  估計Fama-French三因素模型 280

　　8.2.1  實戰操作 281

　　8.2.2  原理解釋 284

　　8.2.3  擴展知識 284

　　8.2.4  參考資料 285

　　8.3  估計資產組合的滾動三因素模型 285

　　8.3.1  實戰操作 286

　　8.3.2  原理解釋 288

　　8.4  估計四因素和五因素模型 289

　　8.4.1  實戰操作 290

　　8.4.2  原理解釋 294

　　8.4.3  參考資料 294

　　8.5  使用Fama-MacBeth回歸估計橫截面因素模型 295

　　8.5.1  實戰操作 296

　　8.5.2  原理解釋 298

　　8.5.3  擴展知識 298

　　8.5.4  參考資料 300

　　8.6  小結 301

第9章  使用GARCH類模型對波動率進行建模 303

　　9.1  使用ARCH模型對股票收益的波動性進行建模 304

　　9.1.1  實戰操作 305

　　9.1.2  原理解釋 308

　　9.1.3  擴展知識 309

　　9.1.4  參考資料 310

　　9.2  使用GARCH模型對股票收益的波動性進行建模 310

　　9.2.1  實戰操作 311

　　9.2.2  原理解釋 313

　　9.2.3  擴展知識 313

　　9.2.4  參考資料 315

　　9.3  使用GARCH模型預測波動率 315

　　9.3.1  實戰操作 316

　　9.3.2  原理解釋 320

　　9.3.3  擴展知識 320

　　9.4  使用CCC-GARCH模型進行多變量波動率預測 323

　　9.4.1  實戰操作 324

　　9.4.2  原理解釋 327

　　9.4.3  參考資料 327

　　9.5  使用DCC-GARCH預測條件協方差矩陣 327

　　9.5.1  準備工作 328

　　9.5.2  實戰操作 329

　　9.5.3  原理解釋 332

　　9.5.4  擴展知識 333

　　9.5.5  參考資料 335

　　9.6  小結 336

第10章  金融領域中的蒙特卡羅模擬 337

　　10.1  使用幾何布朗運動模擬股票價格動態 337

　　10.1.1  實戰操作 338

　　10.1.2  原理解釋 341

　　10.1.3  擴展知識 343

　　10.1.4  參考資料 344

　　10.2  使用模擬為歐式期權定價 345

　　10.2.1  實戰操作 346

　　10.2.2  原理解釋 347

　　10.2.3  擴展知識 348

　　10.3  使用最小二乘法蒙特卡羅為美式期權定價 350

　　10.3.1  實戰操作 351

　　10.3.2  原理解釋 353

　　10.3.3  參考資料 354

　　10.4  使用QuantLib為美式期權定價 354

　　10.4.1  準備工作 354

　　10.4.2  實戰操作 354

　　10.4.3  原理解釋 356

　　10.4.4  擴展知識 357

　　10.5  為障礙期權定價 358

　　10.5.1  實戰操作 359

　　10.5.2  原理解釋 360

　　10.5.3  擴展知識 361

　　10.6  使用蒙特卡羅模擬估計風險價值 361

　　10.6.1  實戰操作 362

　　10.6.2  原理解釋 365

　　10.6.3  擴展知識 366

　　10.7  小結 367

第11章  資產配置 369

　　11.1  評估等權重投資組合的績效 370

　　11.1.1  實戰操作 370

　　11.1.2  原理解釋 373

　　11.1.3  擴展知識 374

　　11.1.4  參考資料 378

　　11.2  使用蒙特卡羅模擬尋找有效邊界 378

　　11.2.1  實戰操作 379

　　11.2.2  原理解釋 382

　　11.2.3  擴展知識 384

　　11.3  使用SciPy優化找到有效邊界 386

　　11.3.1  準備工作 387

　　11.3.2  實戰操作 387

　　11.3.3  原理解釋 390

　　11.3.4  擴展知識 392

　　11.3.5  參考資料 393

　　11.4  使用CVXPY凸優化尋找有效邊界 393

　　11.4.1  準備工作 394

　　11.4.2  實戰操作 394

　　11.4.3  原理解釋 397

　　11.4.4  擴展知識 398

　　11.5  使用分層風險平價尋找最佳投資組合 402

　　11.5.1  實戰操作 403

　　11.5.2  原理解釋 405

　　11.5.3  擴展知識 406

　　11.5.4  參考資料 409

　　11.6  小結 410

第12章  回測交易策略 411

　　12.1  使用pandas進行向量化回測 413

　　12.1.1  實戰操作 413

　　12.1.2  原理解釋 416

　　12.1.3  擴展知識 417

　　12.2  使用backtrader進行事件驅動的回測 418

　　12.2.1  準備工作 419

　　12.2.2  實戰操作 419

　　12.2.3  原理解釋 424

　　12.2.4  擴展知識 425

　　12.2.5  參考資料 427

　　12.3  基於RSI回測多頭/空頭策略 427

　　12.3.1  實戰操作 427

　　12.3.2  原理解釋 430

　　12.3.3  擴展知識 431

　　12.3.4  參考資料 434

　　12.4  回測基於布林帶的買入/賣出策略 434

　　12.4.1  實戰操作 435

　　12.4.2  原理解釋 440

　　12.4.3  擴展知識 441

　　12.5  使用加密貨幣交易數據回測移動平均線交叉策略 441

　　12.5.1  實戰操作 442

　　12.5.2  原理解釋 447

　　12.5.3  擴展知識 447

　　12.6  回測均值方差投資組合優化 448

　　12.6.1  準備工作 448

　　12.6.2  實戰操作 448

　　12.6.3  原理解釋 452

　　12.6.4  參考資料 453

　　12.7  小結 455

第13章  應用機器學習：識別信用違約 457

　　13.1  加載數據和管理數據類型 458

　　13.1.1  實戰操作 458

　　13.1.2  原理解釋 462

　　13.1.3  擴展知識 464

　　13.1.4  參考資料 465

　　13.2  探索性數據分析 466

　　13.2.1  準備工作 467

　　13.2.2  實戰操作 467

　　13.2.3  原理解釋 476

　　13.2.4  擴展知識 479

　　13.2.5  參考資料 481

　　13.3  將數據拆分為訓練集和測試集 482

　　13.3.1  實戰操作 482

　　13.3.2  原理解釋 483

　　13.3.3  擴展知識 484

　　13.4  識別和處理缺失值 485

　　13.4.1  準備工作 487

　　13.4.2  實戰操作 487

　　13.4.3  原理解釋 489

　　13.4.4  擴展知識 490

　　13.4.5  參考資料 492

　　13.5  編碼分類變量 493

　　13.5.1  準備工作 494

　　13.5.2  實戰操作 495

　　13.5.3  原理解釋 497

　　13.5.4  擴展知識 498

　　13.6  擬合決策樹分類器 500

　　13.6.1  準備工作 501

　　13.6.2  實戰操作 501

　　13.6.3  原理解釋 505

　　13.6.4  擴展知識 508

　　13.6.5  參考資料 513

　　13.7  使用管道組織項目 514

　　13.7.1  實戰操作 514

　　13.7.2  原理解釋 517

　　13.7.3  擴展知識 518

　　13.8  使用網格搜索和交叉驗證調整超參數 523

　　13.8.1  準備工作 525

　　13.8.2  實戰操作 525

　　13.8.3  原理解釋 528

　　13.8.4  擴展知識 530

　　13.8.5  參考資料 534

　　13.9  小結 535

第14章  機器學習項目的高級概念 537

　　14.1  探索集成分類器 538

　　14.1.1  準備工作 539

　　14.1.2  實戰操作 539

　　14.1.3  原理解釋 542

　　14.1.4  擴展知識 545

　　14.1.5  參考資料 547

　　14.2  探索編碼分類特徵的替代方法 548

　　14.2.1  準備工作 551

　　14.2.2  實戰操作 551

　　14.2.3  原理解釋 554

　　14.2.4  擴展知識 555

　　14.2.5  參考資料 556

　　14.3  研究處理不平衡數據的不同方法 556

　　14.3.1  準備工作 559

　　14.3.2  實戰操作 559

　　14.3.3  原理解釋 563

　　14.3.4  擴展知識 564

　　14.3.5  參考資料 566

　　14.4  通過堆疊集成利用群體智慧 567

　　14.4.1  實戰操作 569

　　14.4.2  原理解釋 572

　　14.4.3  擴展知識 573

　　14.4.4  參考資料 574

　　14.5  貝葉斯超參數優化 575

　　14.5.1  實戰操作 576

　　14.5.2  原理解釋 581

　　14.5.3  擴展知識 582

　　14.5.4  參考資料 589

　　14.6  特徵重要性研究 590

　　14.6.1  準備工作 592

　　14.6.2  實戰操作 593

　　14.6.3  原理解釋 600

　　14.6.4  擴展知識 601

　　14.6.5  參考資料 602

　　14.7  探索特徵選擇技術 603

　　14.7.1  準備工作 604

　　14.7.2  實戰操作 604

　　14.7.3  原理解釋 609

　　14.7.4  擴展知識 612

　　14.7.5  參考資料 615

　　14.8  探索可解釋的AI技術 616

　　14.8.1  準備工作 619

　　14.8.2  實戰操作 619

　　14.8.3  原理解釋 630

　　14.8.4  擴展知識 632

　　14.8.5  參考資料 633

　　14.9  小結 635

第15章  金融領域的深度學習 637

　　15.1  探索fastai的Tabular Learner 637

　　15.1.1  實戰操作 639

　　15.1.2  原理解釋 645

　　15.1.3  擴展知識 648

　　15.1.4  參考資料 649

　　15.2  探索Google的TabNet 650

　　15.2.1  實戰操作 651

　　15.2.2  原理解釋 657

　　15.2.3  擴展知識 659

　　15.2.4  參考資料 660

　　15.3  使用Amazon的DeepAR進行時間序列預測 660

　　15.3.1  實戰操作 661

　　15.3.2  原理解釋 667

　　15.3.3  擴展知識 668

　　15.3.4  參考資料 673

　　15.4  使用NeuralProphet進行時間序列預測 673

　　15.4.1  實戰操作 674

　　15.4.2  原理解釋 682

　　15.4.3  擴展知識 683

　　15.4.4  參考資料 688

　　15.5  小結 688

　　15.5.1  表格數據 688

　　15.5.2  時間序列 689

　　15.5.3  其他領域 690

　　

·XXVI·

Python金融數據分析

　　

·XXVII·

目    錄