Ist die Finanz-Big-Data-Analyse mit Python sinnvoll?

„Python Financial Big Data Analysis“ ist ein chinesisches Übersetzungsbuch, das im Dezember 2015 vom People's Posts and Telecommunications Publishing House veröffentlicht wurde. Der Autor ist [Deutsch] Yves Schilpisko und der Übersetzer ist Yao Jun.

„Financial Big Data Analysis with Python“, das einzige Fachbuch, das detailliert die Verwendung von Python zur Analyse und Verarbeitung finanzieller Big Data erklärt; im Bereich Finanzanwendungsentwicklung Eine Pflichtlektüre für Praktiker. Es eignet sich für Entwickler in der Finanzbranche, die daran interessiert sind, Python für die Analyse und Verarbeitung großer Datenmengen zu verwenden. (Empfohlenes Lernen: Python-Video-Tutorial)

Einführung in den Inhalt

Python ist bekannt für seine Einfachheit, leichte Lesbarkeit, Skalierbarkeit und Eigenverantwortung Die riesige und aktive wissenschaftliche Computergemeinschaft wurde in der Finanzbranche, die die Analyse und Verarbeitung großer Datenmengen erfordert, weit verbreitet und schnell genutzt und ist zur bevorzugten Programmiersprache für die Entwicklung von Kernanwendungen in dieser Branche geworden.

„Financial Big Data Analysis with Python“ bietet Tipps und Tools für die Verwendung von Python für die Datenanalyse und die Entwicklung zugehöriger Anwendungen.

„Financial Big Data Analysis with Python“ ist in 3 Teile mit insgesamt 19 Kapiteln gegliedert.

Teil 1 stellt die Anwendung von Python im Finanzwesen vor. Der Inhalt behandelt die Gründe, warum Python in der Finanzbranche verwendet wird, die Infrastruktur und Tools von Python sowie einige spezifische Einführungsbeispiele von Python im quantitativen Finanzwesen 🎜>

Teil 2 stellt die wichtigsten Python-Bibliotheken, Technologien und Methoden in der Finanzanalyse und Anwendungsentwicklung vor. Der Inhalt umfasst Python-Datentypen und -strukturen, Datenvisualisierung mit Matplotlib und Finanzzeitreihendaten sowie Hochleistungseingaben /Ausgabeoperationen, leistungsstarke Python-Technologie und -Bibliotheken, verschiedene mathematische Werkzeuge, die im Finanzwesen benötigt werden, Zufallszahlengenerierung und Zufallsprozesssimulation, Python-Statistikanwendungen, Integration von Python und Excel, objektorientierte Python-Programmierung und GUI-Entwicklung, Integration von Python und Web-Technologie und Entwicklung auf Basis von Web-Anwendungen und Web-Diensten; Teil 3 konzentriert sich auf die Entwicklung praktischer Anwendungen von Monte-Carlo-Simulationsoptionen und der Preisgestaltung von Derivaten. Der Inhalt umfasst die Einführung von Bewertungsrahmen und die Simulation von Finanzmodellen , Bewertung von Derivaten, Bewertung von Anlageportfolios, Volatilitätsoptionen und andere Kenntnisse.

Über den Autor

Yves Hilpsch ist Gründer und geschäftsführender Gesellschafter der Python Quants (Germany) GmbH und Miteigentümer der Python Quants (New York) LLC. Gründer. Die Gruppe bietet Python-basierte Finanz- und Derivate-Analysesoftware (siehe http://pythonquants.com, http://quant-platfrom.com und http://dx-analytics.com) sowie Python und finanzbezogene Software Beratungs-, Entwicklungs- und Schulungsdienstleistungen.

Yves ist außerdem Autor von Derivatives Analytics with Python (Wiley Finance, 2015). Als Doktorand der Betriebswirtschaftslehre mit einem Doktortitel in Finanzmathematik lehrt er numerische Methoden in Computational Finance an der Universität des Saarlandes.

Weitere technische Artikel zum Thema Python finden Sie in der Spalte

Python-Tutorial

, um mehr darüber zu erfahren!

Das obige ist der detaillierte Inhalt vonIst die Finanz-Big-Data-Analyse mit Python sinnvoll?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!