L’analyse du Big Data financier Python est-elle utile ?

"Python Financial Big Data Analysis" est un livre de traduction en chinois publié par la maison d'édition populaire des postes et télécommunications en décembre 2015. L'auteur est [allemand] Yves Schilpisko et le traducteur est Yao Jun.

"Financial Big Data Analysis with Python", le seul livre professionnel qui explique en détail l'utilisation de Python pour analyser et traiter le Big Data financier ; dans le domaine du développement d'applications financières Une lecture incontournable pour les praticiens. Il convient aux développeurs du secteur financier qui souhaitent utiliser Python pour l'analyse et le traitement du Big Data. (Apprentissage recommandé : Tutoriel vidéo Python)

Introduction au contenu

Python est connu pour sa simplicité, sa facilité de lecture, évolutivité et propriété L'immense et active communauté informatique scientifique a été largement et rapidement utilisée dans le secteur financier qui nécessite l'analyse et le traitement de grandes quantités de données, et est devenue le langage de programmation préféré pour développer des applications de base dans ce secteur.

"Financial Big Data Analysis with Python" fournit des conseils et des outils pour utiliser Python pour l'analyse de données et le développement d'applications associées.

« Analyse financière du Big Data avec Python » est divisé en 3 parties, avec un total de 19 chapitres.

La partie 1 présente l'application de Python en finance. Le contenu couvre les raisons pour lesquelles Python est utilisé dans le secteur financier, l'infrastructure et les outils de Python, et quelques exemples d'introduction spécifiques de Python en finance quantitative ;

La partie 2 présente les bibliothèques, technologies et méthodes Python les plus importantes en matière d'analyse financière et de développement d'applications. Le contenu couvre les types et structures de données Python, la visualisation des données avec matplotlib et le traitement des données de séries chronologiques financières, la saisie haute performance. /opérations de sortie, technologie et bibliothèques Python hautes performances, divers outils mathématiques nécessaires à la finance, génération de nombres aléatoires et simulation de processus aléatoires, applications statistiques Python, intégration de Python et Excel, programmation orientée objet Python et développement d'interfaces graphiques, intégration de Python et Technologie Web et développement basé sur des applications Web et des services Web ;

La partie 3 se concentre sur le développement d'applications pratiques des options de simulation de Monte Carlo et de la tarification des produits dérivés. Le contenu couvre l'introduction de cadres de valorisation, la simulation de modèles financiers. , valorisation des produits dérivés, valorisation des portefeuilles d'investissement, options de volatilité et autres connaissances.

À propos de l'auteur

Yves Hilpsch est le fondateur et actionnaire directeur de Python Quants (Allemagne) GmbH et copropriétaire de Python Quants (New York) LLC. Fondateur. Le groupe fournit des logiciels d'analyse financière et dérivée basés sur Python (voir http://pythonquants.com, http://quant-platfrom.com et http://dx-analytics.com), ainsi que des logiciels Python et liés à la finance. Services de conseil, de développement et de formation.

Yves est également l'auteur de Derivatives Analytics with Python (Wiley Finance, 2015). Étudiant diplômé en gestion d'entreprise et titulaire d'un doctorat en finance mathématique, il enseigne les méthodes numériques en finance computationnelle à l'Université de la Sarre.

Pour plus d'articles techniques liés à Python, veuillez visiter la colonne Tutoriel Python pour apprendre !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!