دانلود کتاب Python for Finance: Analyze Big Financial Data (به فارسی: Python for Finance: تجزیه و تحلیل داده های بزرگ مالی) نوشته شده توسط «Yves Hilpisch»
اطلاعات کتاب Python for Finance: تجزیه و تحلیل داده های بزرگ مالی
موضوع اصلی: کامپیوتر – پایگاه داده
نوع: کتاب الکترونیکی
ناشر: O’Reilly Media
نویسنده: Yves Hilpisch
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2014
تعداد صفحه: 606 / 605
حجم فایل: 10.49 مگابایت
کد کتاب: 1491945281 , 9781491945285
نوبت چاپ: 1
توضیحات کتاب Python for Finance: تجزیه و تحلیل داده های بزرگ مالی
صنعت مالی اخیراً پایتون را با نرخ فوق‌العاده‌ای پذیرفته است و برخی از بزرگترین بانک‌های سرمایه‌گذاری و صندوق‌های تامینی از آن برای ساختن سیستم‌های تجاری و مدیریت ریسک اصلی استفاده می‌کنند. این راهنمای عملی به توسعه‌دهندگان و تحلیلگران کمی کمک می‌کند تا با پایتون شروع به کار کنند و شما را از طریق مهم‌ترین جنبه‌های استفاده از Python برای تامین مالی کمی راهنمایی می‌کند.
نویسنده ایو هیلپیش نیز با استفاده از مثال‌های عملی در کتاب نشان می‌دهد. شما چگونه می توانید یک چارچوب کامل برای مشتقات مبتنی بر شبیه سازی مونت کارلو و تجزیه و تحلیل ریسک، بر اساس یک مطالعه موردی بزرگ و واقع بینانه ایجاد کنید. بیشتر کتاب از نوت بوک های تعاملی IPython استفاده می کند، با موضوعاتی که عبارتند از:
- مبانی: ساختارهای داده پایتون، مدیریت آرایه NumPy، تجزیه و تحلیل سری های زمانی با پانداها، تجسم با matplotlib. ، عملیات ورودی/خروجی با عملکرد بالا با PyTables، مدیریت اطلاعات تاریخ/زمان، و بهترین شیوه های انتخاب شده
- موضوعات مالی: تکنیک های ریاضی با NumPy، SciPy و SymPy مانند رگرسیون و بهینه سازی ; تصادفی برای شبیه سازی مونت کارلو، محاسبات ارزش در معرض خطر، و ارزش اعتباری در معرض خطر. آمار برای تست های نرمال بودن، بهینه سازی پرتفوی میانگین واریانس، تجزیه و تحلیل مؤلفه های اصلی (PCA) و رگرسیون بیزی
- موضوعات ویژه: عملکرد پایتون برای الگوریتم های مالی، مانند برداری و موازی سازی، ادغام پایتون با اکسل و ساخت برنامه های مالی بر اساس فناوری های وب
The financial industry has adopted Python at a tremendous rate recently, with some of the largest investment banks and hedge funds using it to build core trading and risk management systems. This hands-on guide helps both developers and quantitative analysts get started with Python, and guides you through the most important aspects of using Python for quantitative finance.
Using practical examples through the book, author Yves Hilpisch also shows you how to develop a full-fledged framework for Monte Carlo simulation-based derivatives and risk analytics, based on a large, realistic case study. Much of the book uses interactive IPython Notebooks, with topics that include:
- Fundamentals: Python data structures, NumPy array handling, time series analysis with pandas, visualization with matplotlib, high performance I/O operations with PyTables, date/time information handling, and selected best practices
- Financial topics: mathematical techniques with NumPy, SciPy and SymPy such as regression and optimization; stochastics for Monte Carlo simulation, Value-at-Risk, and Credit-Value-at-Risk calculations; statistics for normality tests, mean-variance portfolio optimization, principal component analysis (PCA), and Bayesian regression
- Special topics: performance Python for financial algorithms, such as vectorization and parallelization, integrating Python with Excel, and building financial applications based on Web technologies
دانلود کتاب «Python for Finance: تجزیه و تحلیل داده های بزرگ مالی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.