[套装书]Python数据分析与挖掘实战（第2版）+Python金融大数据挖掘与分析全流程详解+Python金融数据分析（3册）

作者
张良均 谭立云 刘名军 江建明王宇韬 房宇亮 肖金鑫（新加坡）马伟明（James Ma Weiming）
丛书名
大数据技术丛书
出版社
机械工业出版社
ISBN
9781911259490
简要
简介
内容简介书籍计算机书籍 ---------------------------Python数据分析与挖掘实战（第2版）--------------------------- 如果没有实际和外国人打过交道，英文里一些细微的差别，我们将很难体会到。比如，cook the books，做假账，而不是把书煮了吃；in store和in a store，price list和list price，看起来差不多，意思却大不同。外贸大咖毅冰，记录了他遇到的366个情境故事，用对比分析的方法，带你轻松学习和体会“刚刚好”的地道英文。 本书从日常生活会话，到商务邮件恰当遣词用句，再到商务沟通中摆脱死板、灵活多样化表达同一个意思，都有详细介绍。书中的很多片段，是作者在美国及日常与外国人打交道时，因理解和表达不对而实际上发生的糗事和故事。纠错、提升、丰富自己的英语，现在就开读吧。随便翻开任意一页，保证令你大开眼界，即刻学会地地道道的英语。 ---------------------------Python金融大数据挖掘与分析全流程详解--------------------------- 金融从业者每天都要与海量的数据打交道，如何从这些数据中挖掘出需要的信息，并进行相应的分析，是很多金融从业者非常关心的内容。本书以功能强大且较易上手的Python 语言为编程环境，全面讲解了金融数据的获取、处理、分析及结果呈现。 全书共16 章，内容涉及Python 基础知识、网络数据爬虫技术、数据库存取、数据清洗、数据可视化、数据相关性分析、IP 代理、浏览器模拟操控、邮件发送、定时任务、文件读写、云端部署、机器学习等，可以实现舆情监控、智能投顾、量化金融、大数据风控、金融反欺诈模型等多种金融应用。无论是编程知识还是金融相关知识，本书都力求从易到难、循序渐进地讲解，并辅以商业实战案例来加深印象。 本书定位为一本金融科技入门读物，但书中的数据挖掘与分析思想对其他行业来说也具备较高的参考价值。 本书又是一个金融科技工具箱，里面的代码可以方便地速查速用，解决实际工作中的问题。 本书适合金融行业的从业人员学习。对于大中专院校金融、财会等专业的师生，以及具备一定计算机编程基础，又希望投身金融行业的读者，本书也是不错的参考读物。 . ---------------------------Python金融数据分析--------------------------- 本书将介绍股票、期权、利率衍生品等金融工具定价方法，如何根据市场指数进行大数据分析，以及如何使用NoSQL存储tick数据，可解决建模、交易策略优化和风险管理等金融领域的复杂问题。本书面向本科生、研究生、算法开发的初学者以及使用Python进行定量研究的金融领域软件开发人员。你无需精通Python，熟悉其基本使用情况即可。
目录



---------------------------Python数据分析与挖掘实战（第2版）---------------------------


前言
基础篇
第1章　数据挖掘基础 2
1.1　某知名连锁餐饮企业的困惑 2
1.2　从餐饮服务到数据挖掘 4
1.3　数据挖掘的基本任务 5
1.4　数据挖掘建模过程 5
1.4.1　定义挖掘目标 6
1.4.2　数据取样 6
1.4.3　数据探索 7
1.4.4　数据预处理 8
1.4.5　挖掘建模 8
1.4.6　模型评价 8
1.5　常用数据挖掘建模工具 9
1.6　小结 11
第2章　Python数据分析简介 12
2.1　搭建Python开发平台 14
2.1.1　所要考虑的问题 14
2.1.2　基础平台的搭建 14
2.2　Python使用入门 16
2.2.1　运行方式 16
2.2.2　基本命令 17
2.2.3　数据结构 19
2.2.4　库的导入与添加 24
2.3　Python数据分析工具 26
2.3.1　NumPy 27
2.3.2　SciPy 28
2.3.3　Matplotlib 29
2.3.4　pandas 31
2.3.5　StatsModels 33
2.3.6　scikit-learn 33
2.3.7　Keras 34
2.3.8　Gensim 36
2.4　配套附件使用设置 37
2.5　小结 38
第3章　数据探索 39
3.1　数据质量分析 39
3.1.1　缺失值分析 40
3.1.2　异常值分析 40
3.1.3　一致性分析 44
3.2　数据特征分析 44
3.2.1　分布分析 44
3.2.2　对比分析 48
3.2.3　统计量分析 51
3.2.4　周期性分析 54
3.2.5　贡献度分析 55
3.2.6　相关性分析 58
3.3　Python主要数据探索函数 62
3.3.1　基本统计特征函数 62
3.3.2　拓展统计特征函数 66
3.3.3　统计绘图函数 67
3.4　小结 74
第4章　数据预处理 75
4.1　数据清洗 75
4.1.1　缺失值处理 75
4.1.2　异常值处理 80
4.2　数据集成 80
4.2.1　实体识别 81
4.2.2　冗余属性识别 81
4.2.3　数据变换 81
4.2.4　简单函数变换 81
4.2.5　规范化 82
4.2.6　连续属性离散化 84
4.2.7　属性构造 87
4.2.8　小波变换 88
4.3　数据归约 91
4.3.1　属性归约 91
4.3.2　数值归约 95
4.4　Python主要数据预处理函数 98
4.5　小结 101
第5章　挖掘建模 102
5.1　分类与预测 102
5.1.1　实现过程 103
5.1.2　常用的分类与预测算法 103
5.1.3　回归分析 104
5.1.4　决策树 108
5.1.5　人工神经网络 115
5.1.6　分类与预测算法评价 120
5.1.7　Python分类预测模型特点 125
5.2　聚类分析 125
5.2.1　常用聚类分析算法 126
5.2.2　K-Means聚类算法 127
5.2.3　聚类分析算法评价 132
5.2.4　Python主要聚类分析算法 133
5.3　关联规则 135
5.3.1　常用关联规则算法 136
5.3.2　Apriori算法 136
5.4　时序模式 142
5.4.1　时间序列算法 142
5.4.2　时间序列的预处理 143
5.4.3　平稳时间序列分析 145
5.4.4　非平稳时间序列分析 148
5.4.5　Python主要时序模式算法 156
5.5　离群点检测 159
5.5.1　离群点的成因及类型 160
5.5.2　离群点检测方法 160
5.5.3　基于模型的离群点检测方法 161
5.5.4　基于聚类的离群点检测方法 164
5.6　小结 167
实战篇
第6章　财政收入影响因素分析及预测 170
6.1　背景与挖掘目标 170
6.2　分析方法与过程 171
6.2.1　分析步骤与流程 172
6.2.2　数据探索分析 172
6.2.3　数据预处理 176
6.2.4　模型构建 178
6.3　上机实验 184
6.4　拓展思考 185
6.5　小结 186
第7章　航空公司客户价值分析 187
7.1　背景与挖掘目标 187
7.2　分析方法与过程 188
7.2.1　分析步骤与流程 189
7.2.2　数据探索分析 189
7.2.3　数据预处理 200
7.2.4　模型构建 207
7.2.5　模型应用 212
7.3　上机实验 214
7.4　拓展思考 215
7.5　小结 216
第8章　商品零售购物篮分析 217
8.1　背景与挖掘目标 217
8.2　分析方法与过程 218
8.2.1　数据探索分析 219
8.2.2　数据预处理 224
8.2.3　模型构建 226
8.3　上机实验 232
8.4　拓展思考 233
8.5　小结 233
第9章　基于水色图像的水质评价 234
9.1　背景与挖掘目标 234
9.2　分析方法与过程 235
9.2.1　分析步骤与流程 236
9.2.2　数据预处理 236
9.2.3　模型构建 240
9.2.4　水质评价 241
9.3　上机实验 242
9.4　拓展思考 242
9.5　小结 243
第10章　家用热水器用户行为分析与事件识别 244
10.1　背景与挖掘目标 244
10.2　分析方法与过程 245
10.2.1　数据探索分析 246
10.2.2　数据预处理 249
10.2.3　模型构建 260
10.2.4　模型检验 261
10.3　上机实验 262
10.4　拓展思考 264
10.5　小结 265
第11章　电子商务网站用户行为分析及服务推荐 266
11.1　背景与挖掘目标 266
11.2　分析方法与过程 267
11.2.1　分析步骤与流程 267
11.2.2　数据抽取 269
11.2.3　数据探索分析 270
11.2.4　数据预处理 279
11.2.5　构建智能推荐模型 283
11.3　上机实验 291
11.4　拓展思考 293
11.5　小结 293
第12章　电商产品评论数据情感分析 294
12.1　背景与挖掘目标 294
12.2　分析方法与过程 295
12.2.1　评论预处理 296
12.2.2　评论分词 297
12.2.3　构建模型 303
12.3　上机实验 315
12.4　拓展思考 316
12.5　小结 318
提高篇
第13章　基于Python引擎的开源数据挖掘建模平台（TipDM） 320
13.1　平台简介 321
13.1.1　模板 321
13.1.2　数据源 322
13.1.3　工程 323
13.1.4　系统组件 324
13.1.5　TipDM数据挖掘建模平台的本地化部署 326
13.2　快速构建数据挖掘工程 327
13.2.1　导入数据 329
13.2.2　配置输入源组件 331
13.2.3　配置缺失值处理组件 332
13.2.4　配置记录选择组件 334
13.2.5　配置数据标准化组件 334
13.2.6　配置K-Means组件 336
13.3　小结 339


---------------------------Python金融大数据挖掘与分析全流程详解---------------------------


前言
如何获取学习资源
第1章　Python基础
1.1　Python安装与第一个Python程序 12
1.1.1　安装Python 12
1.1.2　编写第一个Python程序 13
1.1.3　PyCharm的安装与使用 14
1.2　Python基础知识 18
1.2.1　变量、行、缩进与注释 18
1.2.2　数据类型：数字与字符串 20
1.2.3　数据类型：列表与字典、元组与集合 22
1.2.4　运算符 27
1.3　Python语句 29
1.3.1　if条件语句 29
1.3.2　for循环语句 30
1.3.3　while循环语句 31
1.3.4　try/except异常处理语句 32
1.4　函数与库 33
1.4.1　函数的定义与调用 33
1.4.2　函数的返回值与作用域 34
1.4.3　常用基本函数介绍 36
1.4.4　库 38
第2章　金融数据挖掘之爬虫技术基础
2.1　爬虫技术基础1—网页结构基础 41
2.1.1　查看网页源代码—F12键 41
2.1.2　查看网页源代码—右键菜单 43
2.1.3　网址构成及http与https协议 44
2.1.4　网页结构初步了解 44
2.2　爬虫技术基础2—网页结构进阶 44
2.2.1　HTML基础知识1—我的第一个网页 45
2.2.2　HTML基础知识2—基础结构 45
2.2.3　HTML基础知识3—标题、段落、链接 46
2.2.4　HTML基础知识4—区块 49
2.2.5　HTML基础知识5—类与id 49
2.3　初步实战—百度新闻源代码获取 50
2.3.1　获取网页源代码 51
2.3.2　分析网页源代码信息 53
2.4　爬虫技术基础3—正则表达式 54
2.4.1　正则表达式基础1—findall()函数 54
2.4.2　正则表达式基础2—非贪婪匹配之(.*) 55
2.4.3　正则表达式基础3—非贪婪匹配之.* 57
2.4.4　正则表达式基础4—自动考虑换行的修饰符re.S 60
2.4.5　正则表达式基础5—知识点补充 61
第3章　金融数据挖掘案例实战1
3.1　提取百度新闻标题、网址、日期及来源 63
3.1.1　获取网页源代码 63
3.1.2　编写正则表达式提取新闻信息 63
3.1.3　数据清洗并打印输出 65
3.2　批量获取多家公司的百度新闻并生成数据报告 68
3.2.1　批量爬取多家公司的百度新闻 68
3.2.2　自动生成舆情数据报告文本文件 69
3.3　异常处理及24小时实时数据挖掘实战 71
3.3.1　异常处理实战 72
3.3.2　24小时实时爬取实战 72
3.4　按时间顺序爬取及批量爬取多页内容 74
3.4.1　按时间顺序爬取百度新闻 74
3.4.2　一次性批量爬取多页内容 75
3.5　搜狗新闻与新浪财经数据挖掘实战 78
3.5.1　搜狗新闻数据挖掘实战 78
3.5.2　新浪财经数据挖掘实战 82
第4章　数据库详解及实战
4.1　MySQL数据库简介及安装 86
4.2　MySQL数据库基础 89
4.2.1　MySQL数据库管理平台phpMyAdmin介绍 89
4.2.2　创建数据库及数据表 90
4.2.3　数据表基本操作 92
4.3　Python与MySQL数据库的交互 96
4.3.1　安装PyMySQL库 96
4.3.2　用Python连接数据库 96
4.3.3　用Python存储数据到数据库 97
4.3.4　用Python在数据库中查找并提取数据 101
4.3.5　用Python从数据库中删除数据 102
4.4　案例实战：把金融数据存入数据库 103
第5章　数据清洗优化及数据评分系统搭建
5.1　深度分析—数据去重及清洗优化 105
5.1.1　数据去重 105
5.1.2　常见的数据清洗手段及日期格式统一 107
5.1.3　文本内容深度过滤—剔除噪声数据 108
5.2　数据乱码的处理 110
5.2.1　编码分析 111
5.2.2　重新编码及解码 112
5.2.3　解决乱码问题的经验方法 114
5.3　舆情数据评分系统搭建 115
5.3.1　舆情数据评分系统版本1—根据标题评分 115
5.3.2　舆情数据评分系统版本2—根据正文内容评分 117
5.3.3　舆情数据评分系统版本3—解决乱码问题 118
5.3.4　舆情数据评分系统版本4—处理非相关信息 119
5.4　完整的百度新闻数据挖掘系统搭建 121
5.4.1　将舆情数据评分存入数据库 121
5.4.2　百度新闻数据挖掘系统代码整合 123
5.4.3　从数据库汇总每日评分 127
第6章　数据分析利器：NumPy与pandas库
6.1　NumPy库基础 129
6.1.1　NumPy库与数组 129
6.1.2　创建数组的几种方式 131
6.2　pandas库基础 132
6.2.1　二维数据表格DataFrame的创建与索引的修改 133
6.2.2　Excel工作簿等文件的读取和写入 137
6.2.3　数据的读取与编辑 139
6.2.4　数据表的拼接 144
6.3　利用pandas库导出舆情数据评分 147
6.3.1　汇总舆情数据评分 148
6.3.2　导出舆情数据评分表格 150
第7章　数据可视化与数据相关性分析
7.1　用Tushare库调取股价数据 152
7.1.1　Tushare库的基本用法 152
7.1.2　匹配舆情数据评分与股价数据 154
7.2　舆情数据评分与股价数据的可视化 155
7.2.1　数据可视化基础 156
7.2.2　数据可视化实战 160
7.3　舆情数据评分与股价数据相关性分析 162
7.3.1　皮尔逊相关系数 162
7.3.2　相关性分析实战 164
第8章　金融数据挖掘之爬虫技术进阶
8.1　爬虫技术进阶1—IP代理简介 165
8.1.1　IP代理的工作原理 165
8.1.2　IP代理的使用方法 166
8.2　爬虫技术进阶2—Selenium库详解 169
8.2.1　网络数据挖掘的难点 169
8.2.2　模拟浏览器ChromeDriver的下载与安装 170
8.2.3　Selenium库的安装 172
8.2.4　Selenium库的使用 173
第9章　金融数据挖掘案例实战2
9.1　新浪财经股票实时数据挖掘实战 180
9.1.1　获取网页源代码 180
9.1.2　数据提取 181
9.2　东方财富网数据挖掘实战 182
9.2.1　获取网页源代码 183
9.2.2　编写正则表达式提取数据 183
9.2.3　数据清洗及打印输出 185
9.2.4　函数定义及调用 185
9.3　裁判文书网数据挖掘实战 186
9.4　巨潮资讯网数据挖掘实战 188
9.4.1　获取网页源代码 189
9.4.2　编写正则表达式提取数据 190
9.4.3　数据清洗及打印输出 191
9.4.4　函数定义及调用 191
第10章　通过PDF文本解析上市公司理财公告
10.1　PDF文件批量下载实战 193
10.1.1　爬取多页内容 193
10.1.2　自动筛选所需内容 197
10.1.3　理财公告PDF文件的自动批量下载 199
10.2　PDF文本解析基础 203
10.2.1　用pdfplumber库提取文本内容 203
10.2.2　用pdfplumber库提取表格内容 204
10.3　PDF文本解析实战—寻找合适的理财公告 206
10.3.1　遍历文件夹里所有的PDF文件 207
10.3.2　批量解析每一个PDF文件 209
10.3.3　将合格的PDF文件自动归档 209
第11章　邮件提醒系统搭建
11.1　用Python自动发送邮件 213
11.1.1　通过腾讯QQ邮箱发送邮件 213
11.1.2　通过网易163邮箱发送邮件 215
11.1.3　发送HTML格式的邮件 216
11.1.4　发送邮件附件 218
11.2　案例实战：定时发送数据分析报告 221
11.2.1　用Python提取数据并发送数据分析报告邮件 221
11.2.2　用Python实现每天定时发送邮件 226
第12章　基于评级报告的投资决策分析
12.1　获取券商研报网站的表格数据 229
12.1.1　表格数据的常规获取方法 229
12.1.2　用Selenium库爬取和讯研报网表格数据 232
12.2　pandas库的高阶用法 235
12.2.1　重复值和缺失值处理 235
12.2.2　用groupby()函数分组汇总数据 238
12.2.3　用pandas库进行批量处理 240
12.3　评估券商分析师预测准确度 244
12.3.1　读取分析师评级报告数据进行数据预处理 244
12.3.2　用Tushare库计算股票收益率 247
12.3.3　计算平均收益率并进行分析师预测准确度排名 251
12.4　策略延伸 253
12.4.1　涨停板的考虑 253
12.4.2　按分析师查看每只股票的收益率 254
12.4.3　计算多阶段股票收益率 255
第13章　用Python生成Word文档
13.1　用Python创建Word文档的基础知识 257
13.1.1　初识python-docx库 257
13.1.2　python-docx库的基本操作 258
13.2　用Python创建Word文档的进阶知识 261
13.2.1　设置中文字体 261
13.2.2　在段落中新增文字 261
13.2.3　设置字体大小及颜色 262
13.2.4　设置段落格式 264
13.2.5　设置表格样式 267
13.2.6　设置图片样式 268
13.3　案例实战：自动生成数据分析报告Word文档 269
第14章　基于股票信息及其衍生变量的数据分析
14.1　策略基本思路 274
14.2　获取股票基本信息及衍生变量数据 275
14.2.1　获取股票基本信息数据 275
14.2.2　获取股票衍生变量数据 279
14.2.3　通过相关性分析选取合适的衍生变量 282
14.2.4　数据表优化及代码汇总 283
14.3　数据可视化呈现 285
14.4　用xlwings库生成Excel工作簿 287
14.4.1　xlwings库的基本用法 287
14.4.2　案例实战：自动生成Excel工作簿报告 290
14.5　策略深化思路 292
第15章　云服务器部署实战
15.1　云服务器的购买与配置 295
15.2　程序的云端部署 298
15.2.1　安装运行程序所需的软件 299
15.2.2　实现程序24小时不间断运行 299
第16章　机器学习之客户违约预测模型搭建
16.1　机器学习在金融领域的应用 300
16.2　决策树模型的基本原理 300
16.2.1　决策树模型简介 300
16.2.2　决策树模型的建树依据 301
16.3　案例实战：客户违约预测模型搭建 303
16.3.1　模型搭建 303
16.3.2　模型预测及评估 306
16.3.3　模型可视化呈现 311



---------------------------Python金融数据分析---------------------------


前言
第1章Python在金融中的应用
11Python适合我吗
111免费+开源
112高级、强大、灵活的编程语言
113丰富的标准库
12面向对象编程与函数式编程
121面向对象式方法
122函数式方法
123我该使用哪种方法
13我该使用哪个版本的Python
14IPython简介
141安装IPython
142使用pip
143IPython Notebook
144Notebook单元格
145IPython Notebook简单的练习
146Notebook与金融
15总结
第2章金融中的线性问题
21资本资产定价模型与证券市场线
22套利定价模型
23因子模型的多元线性回归
24线性最优化
241安装PuLP
242一个简单的线性优化问题
243线性规划的结果
244整数规划
25使用矩阵解线性方程组
26LU分解
27Cholesky分解
28QR分解
29总结
第3章非线性与金融
31非线性建模
32非线性模型举例
321隐含波动率模型
322马尔可夫机制转换模型
323门限自回归模型
324平滑转换模型
33非线性模型求根算法概述
34增量法
35二分法
36牛顿迭代法
37割线法
38求根法的结合使用
39利用SciPy求解
391SciPy求根标量函数
392通用非线性求解器
310总结
第4章利用数值方法为衍生品定价
41什么是期权
42二叉树期权定价模型
421欧式期权定价
422编写StockOption类
423编写BinomialEuropeanOption类
424利用BinomialTreeOption类给美式期权定价
425CoxRossRubinstein模型
426LeisenReimer模型
43希腊值
44三叉树期权定价模型
45期权定价中的Lattice方法
451二叉树网格
452编写BinomialCRROption类
453三叉树网格
46有限差分法
461显式方法
462隐式方法
463CrankNicolson方法
464奇异障碍期权定价
465美式期权定价的有限差分
47隐含波动率模型
48总结
第5章利率及其衍生工具
51固定收益证券
52收益率曲线
53无息债券
54自助法构建收益率曲线
55远期利率
56计算到期收益率
57计算债券定价
58久期
59凸度
510短期利率模型
5101Vasicek模型
5102CoxIngersollRoss模型
5103Rendleman and Bartter模型
5104Brennan and Schwartz模型
511债券期权
5111可赎回债券
5112可回售债券
5113可转换债券
5114优先股
512可赎回债券定价
5121Vasicek模型定价无息债券
5122提前行权定价
5123有限差分策略迭代法
5124可赎回债券定价的其他影响因素
513总结
第6章利用Python分析欧洲斯托克 50指数波动率
61波动率指数衍生品
611STOXX与欧洲期货交易所
612EURO STOXX 50指数
613VSTOXX
614VIX
62获取EUROX STOXX 50指数和VSTOXX数据
63数据合并
64SX5E与V2TX的财务分析
65SX5E与V2TX的相关性
66计算VSTOXX子指数
661获取OESX数据
662计算VSTOXX子指数的公式
663VSTOXX子指数值的实现
664分析结果
67计算VSTOXX主指数
68总结
第7章大数据分析
71什么是大数据
72Hadoop
721HDFS
722YARN
723MapReduce
73大数据工具对我来说实用吗
74获取Apache Hadoop
741从Cloudera获取QuickStart VM
742获取VirtualBox
743在VirtualBox上运行Cloudera VM
75Hadoop中的字计数程序
751下载示例数据
752map程序
753reduce程序
754测试脚本
755在Hadoop上运行MapReduce
756使用Hue浏览HDFS
76Hadoop的金融实践
761从Yahoo! Finance获取IBM股票价格
762修改map程序
763使用IBM股票价格测试map程序
764运行MapReduce计算日内价格变化
765分析MapReduce结果
77NoSQL简介
771获取MongoDB
772创建数据并运行MongoDB
773获取PyMongo
774运行测试连接
775获取数据库
776获取集合
777插入文档
778获取单个文档
779删除文档
7710批量插入文档
7711统计集合文档
7712查找文档
7713文档排序
7714结论
78总结
第8章算法交易
81什么是算法交易
82带有公共API的交易平台列表
83有没有最好的编程语言
84系统功能
85通过Interactive Brokers和IbPy进行算法交易
851获取Interactive Brokers的Trader WorkStation
852获取IbPy——IB API包装器
853指令路由机制
86构建均值回归算法交易系统
861设置主程序
862处理事件
863实现均值回归算法
864跟踪头寸
87使用OANDA API进行外汇交易
871什么是REST
872设置OANDA账户
873OANDA API使用方法
874获取oandapy——OAND AREST API包装器
875获取并解析汇率数据
876发送指令
88构建趋势跟踪外汇交易平台
881设置主程序
882处理事件
883实现趋势跟踪算法
884跟踪头寸
89风险价值模型
810总结
第9章回溯测试
91回溯测试概述
911回溯测试的缺陷
912事件驱动回溯测试系统
92设计并实施回溯测试系统
921TickData类
922MarketData类
923MarketDataSource类
924Order类
925Position类
926Strategy类
927MeanReverting Strategy类
928Backtester类
929运行回溯测试系统
9210改进回溯测试系统
93回溯测试模型的10个注意事项
931模型的资源限制
932模型评价标准
933估计回溯测试参数的质量
934应对模型风险
935样本数据回测
936解决回溯测试的常见缺陷
937常识错误
938理解模型环境
939数据准确性
9310数据挖掘
94回溯测试中的算法选择
941k均值聚类算法
942KNN机器学习算法
943分类回归树分析
9442k析因设计
945遗传算法
95总结
第10章Python与Excel的融通
101COM概述
102Excel与金融
103构建COM服务器
1031先决条件
1032获取pythoncom模块
1033构建BlackScholes模型COM服务器
1034注册和注销COM服务器
1035构建CoxRossRubinstein模型COM服务器
1036构建三叉网格模型COM服务器
104在Excel中构建COM客户端
1041设置VBA代码
1042设置单元格
105COM的其他功能
106总结



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4