편집자의 선택
금융기술 시대가 도래했습니다. 금융이론과 IT기술을 깊이 융합하는 인재가 새로운 시대에는 독보적인 경쟁력을 갖춘 금융기술 인재가 될 것입니다. 금융 분야에 취업을 계획 중인 신입사원이든, 개인 능력을 더욱 향상시키고 싶은 '직장 베테랑'이든 이 책은 읽어 볼 가치가 있습니다.
1. Python 프로그래밍과 재무 분석 및 위험 관리를 교묘하게 결합하여 금융 기술의 새로운 시대를 선도하는 최첨단 콘텐츠입니다.
2. 실무에서 파생된 저자의 20년 이상의 금융 경험과 Python 프로그래밍 실무를 완벽하게 통합합니다.
3. 244개의 실제 금융 사례를 제공하는 풍부한 예제는 금융 분야에서 Python의 단순성과 효율성을 보여줍니다.
4. Python 프로그래밍을 쉽게 이해하고 마스터하는 데 도움이 되는 효율성, 명확한 프로그래밍 단계 및 자세한 코드 설명에 중점을 둡니다.
5. 머니마켓, 채권시장, 주식시장, 선물시장, 옵션시장 등 광범위한 사례를 다루고 있습니다.
6. 위험 통제에 중점을 두고, 다양한 금융 상품의 위험에 대한 심층 분석을 수행하고, 위험 관리를 위한 중요한 도구와 정량 모델에 대해 논의합니다.
간략한 소개
Python은 오픈 소스 프로그래밍 언어로, 배우기 쉽고 유연한 기능을 갖추고 있어 점점 더 많은 사람들이 인식하고 선호하고 있습니다. 또한 금융 분야에서도 매우 좋은 신청 상태와 전망을 가지고 있습니다.
이 책은 재무 분석과 위험 관리에 파이썬을 적용하는 방법을 집중적으로 다루고 있으며, 입문, 기본, 고급 장으로 나누어 총 12장으로 구성되어 있다. 입문 장은 Python을 소개하고 금융 시나리오와 함께 Python의 기본 작동을 보여줍니다. 기본 장은 금융 시나리오를 결합하여 NumPy, Pandas, Matplotlib 및 SciPy와 같은 Python 모듈의 구체적인 사용을 설명합니다. 고급 장은 금융 시나리오에 대해 자세히 설명합니다. Python을 사용하여 금리, 채권, 주식, 선물, 옵션 및 위험 가치 콘텐츠를 분석합니다.
이 책은 금융 분야에서 Python의 적용에 초점을 맞춘 인기 도서입니다. 저자인 Siwen 박사는 금융 및 위험 관리 분야에서 풍부한 경험을 쌓았으며 풍부한 프로그래밍 경험을 가지고 있습니다. 그는 Python 적용을 옹호하고 홍보하는 데 전념해 왔습니다. 금융 분야의 Python.
이 책은 Python 응용 프로그램을 마스터하려는 금융 학습자와 금융 실무자에게 적합하며, 금융 분야로 전환하려는 프로그래머, 금융 분야에서 Python의 실제 적용에 관심이 있는 사람들에게도 적합합니다. Python이 필요합니다.프로그래밍 기초.
저자 소개
필명이 "Mr. Wall Street"인 Sven은 저장성 후저우 출신으로 경제학 박사 학위를 보유하고 있으며 중국 공인 회계사(CPA), 공인 재무 분석가(CFA) 및 재무 위험 관리자(FRM)입니다. . 그는 국내 금융지주그룹의 위험통제 선임이사로 재직하고 있으며, 중국 및 외국 은행, 증권사, 신탁회사 및 기타 기관에서 금융 및 위험관리 분야에서 10년 이상의 경력을 보유하고 있습니다.
동시에 그는 상하이재경대학교 리스크관리동문회 창립자이자 회장, '상하이 리스크관리포럼' 잡지 편집장, 상하이자산 사무총장이기도 하다. 경영산업리스크관리협회, 중난경제법대학, 화동정법대학 원장을 역임하고 있으며, 국내 다수 대학의 금융학 석사과정 학생들을 대상으로 시간강사로 활동하고 있다. 50편의 학술 논문을 발표하고 "중국 외환 파생 상품 시장에 관한 연구"라는 논문(2016년 8월 상하이 인민 출판사에서 출판)을 출판했으며 ***, 성 및 장관급 명예 타이틀을 포함한 많은 상을 수상했습니다.
또한 그는 또한 "옵션, 선물 및 기타 파생상품(제9판)" 동영상 강좌(총 360강)를 3년 넘게 개설하여 조회수 100만 회 이상을 기록했으며, 10만 행이 넘는 글을 작성하고 금융- 관련 Python 코드, 금융 분야에서 Python 사용을 옹호하고 홍보하려는 장기적인 노력입니다.
목차
1부 시작하기
1장 파이썬 개요 2
1.1 Python 3의 정의 및 비교 장점
1.1.1 파이썬 3 소개
1.1.2Python 4의 비교 장점
1.2 파이썬의 아버지 - 귀도 반 로섬 5
1.3 파이썬의 진화 역사와 일반적으로 사용되는 버전 7
1.4 파이썬 설치 8
1.4.1 별도 설치 8
1.4.2 통합 설치 8
1.4.3 Anaconda9 설치 및 시작
1.4.4스파이더의 인터페이스 12
1.5 Python 13 학습 방법론
1.5.1 학습 태도 13
1.5.2 학습 원리 13
1.5.3 학습 방법 14
1.6 재무 데이터 수집 15
1.6.1 바람 15
1.6.2 플러시 15
1.6.3CCER 경제 및 금융 데이터베이스 15
1.6.4 국태안 경제 및 금융 연구 데이터베이스 16
1.7 요약 16
1.8 확장 읽기 16
2장에서는 금융과 결합된 Python의 기본 사항을 보여줍니다.
작전 17
2.1 Python 18에서 재무 변수 할당
2.2 파이썬 데이터 유형 18
2.2.1 정수형 19
2.2.2 부동 소수점 유형 19
2.2.3 복수형 20
2.2.4 문자열 20
2.3 파이썬 데이터 구조 23
2.3.1 튜플 23
2.3.2 목록 25
2.3.3 수집 28
2.3.4 사전 30
2.4 파이썬 연산 기호 33
2.4.1 기본 산술 연산 기호 33
2.4.2 관계연산 기호 36
2.4.3 할당 연산 기호 37
2.4.4 멤버 연산 기호 38
2.5 파이썬의 주요 내장 함수 39
2.6 사용자 정의 기능 43
2.6.1 def 구문 사용하기 43
2.6.2 람다 함수 사용하기 44
2.7 파이썬 문 44
2.7.1 조건문 44
2.7.2 루프문 46
2.7.3 조건문과 루프문 결합 48
2.8 모듈 가져오기 및 수학 모듈 49
2.8.1 모듈을 가져오는 여러 가지 방법50
2.8.2수학 모듈 51
2.9 요약 53
2.10 확장 읽기 53
2부 기본 사항
3장에서는 금융 시나리오와 결합된 NumPy를 보여줍니다.
모듈 작동 56
3.1 투자 사례 57부터 시작해 보겠습니다.
3.2N차원 배열 58
3.2.1 배열의 구조 58
3.2.2 편리한 배열 생성 60
3.3 배열 인덱싱, 슬라이싱, 정렬 63
3.3.1 색인 63
3.3.2 슬라이스 64
3.3.3 정렬 64
3.4 어레이 관련 작업 65
3.4.1 배열 내에서의 연산 65
3.4.2 어레이 간 작업 69
3.4.3 행렬 연산 72
3.5 NumPy 74를 통해 난수 생성하기
3.5.1 주요 통계 분포 74
3.5.2 주요 기능 80
3.5.3 관련 사례 82
3.6 요약 85
3.7 확장 읽기 86
4장에서는 금융 시계열과 결합된 Pandas를 보여줍니다.
모듈 작동 87
4.1팬더스 데이터 구조 88
4.1.1 시퀀스 88
4.1.2 데이터 프레임 90
4.1.3 외부 데이터 가져오기 및 직접 생성
데이터 프레임 91
4.2 배열 상자의 시각화 93
4.2.1 중국어 글꼴의 시각화 93
4.2.2 데이터 프레임 시각화의 기능 및 매개변수 94
4.2.3 예시 95
4.3 데이터 프레임 내부의 연산 96
4.3.1 데이터 프레임의 기본 속성 설명 96
4.3.2 데이터 프레임의 인덱싱과 가로채기 98
4.3.3 데이터 프레임 정렬 100
4.3.4 데이터 프레임 102의 변경
4.4 데이터 프레임 간 연산 105
4.4.1 두 개의 새로운 데이터 프레임 생성 105
4.4.2 함수 연결의 적용 106
4.4.3 병합 기능 적용 108
4.4.4 함수 조인의 적용 109
4.5 배열 상자의 주요 통계 기능 109
4.5.1 정적 통계 함수 110
4.5.2 창 이동 및 동적 통계 기능 114
4.6 요약 117
4.7 확장 읽기 117
5장에서는 금융 시나리오를 기반으로 Matplotlib을 시연합니다.
모듈 작동 118
5.1 기본 기능 119
5.2 곡선 122
5.2.1 단일곡선 그래프 123
5.2.2 다중 그림 그리기 124
5.3 히스토그램 126
5.3.1 단일 샘플의 히스토그램 126
5.3.2 다중 샘플의 히스토그램 128
5.4 막대 차트 129
5.4.1 수직 막대 차트 130
5.4.2 수평 막대 차트 132
5.5 산점도 133
5.6 파이 차트 136
5.7 요약 138
5.8 확장 읽기 138
6장에서는 금융 시나리오를 기반으로 SciPy 등을 보여줍니다.
모듈 작동 139
6.1SciPy 모듈 140
6.1.1 적분 계산 141
6.1.2 보간법 142
6.1.3 연립방정식 풀기 144
6.1.4 최적화 솔루션 146
6.1.5 통계 기능 150
6.2StatsModels 모듈 156
6.3 변동성 모델과 아치 모듈 159
6.3.1 변동성 추정 159
6.3.2 ARCH 모델 160
6.3.3GARCH 모델 161
6.3.4arch 모듈 163
6.4datetime 모듈 167
6.4.1 생성 시간 객체 168
6.4.2 접근 시간 객체의 속성
6.4.3 시간 객체에 대한 연산 169
6.5 요약 171
6.6 확장 읽기 171
3부 개선
7장 Python을 사용하여 금리와 채권 분석 174
7.1 이자율 시스템 175
7.1.1 중앙은행 이자율 175
7.1.2 금융기관의 이자율 177
7.1.3 금융시장 이자율 179
7.2 채권시장 182
7.2.1 채권 거래 장소 183
7.2.2 채권 종류 185
7.3 이자율 측정 188
7.3.1 이자율의 복리 빈도 189
7.3.2 연속복리 192
7.3.3 무이자율 194
7.4 채권가격과 채권수익률 195
7.4.1 채권의 핵심요소 195
7.4.2 단일 할인율에 따른 채권 가격 책정 195
7.4.3 채권 만기수익률 196
7.4.4 다양한 만기 할인율을 적용한 채권
가격 197
7.4.5 쿠폰 제거 방법을 통한 제로 쿠폰 계산
이자율 198
7.4.6 제로 쿠폰 이자율을 사용한 채권 가격 책정 203
7.5 선도이자율과 선도이자율 계약 204
7.5.1 선도이자율 204
7.5.2 선도이자율 계약 207
7.6 채권이자율 위험 측정을 위한 선형 지표 -
기간 211
7.6.1 맥컬리 기간 212
7.6.2 수정된 기간 214
7.6.3 USD 기간 217
7.7 채권이자율 위험 측정의 비선형성
표시기 - 볼록성 218
7.7.1 볼록함의 표현 219
7.7.2 사례 219
7.7.3 중요한 관계 220
7.8 요약 221
7.9 확장 읽기 221
Chapter 8 Python을 사용하여 주식 투자 분석 222
8.1 주식시장 소개 223
8.1.1 다단계 주식시장 223
8.1.2 주요 주가지수 225
8.2 주식 포트폴리오 228
8.2.1 투자 포트폴리오의 주요 변수 229
8.2.2 투자 포트폴리오의 효율적인 경계 235
8.2.3 자본시장선 239
8.3 자본자산가격모델 241
8.3.1 체계적 위험과 비체계적 위험 241
8.3.2 모델의 수학적 표현과 적용 245
8.4 주가가 따르는 확률론적 과정 249
8.4.1 마르코프 과정과 효율적 시장 가설 249
8.4.2 위너 공정과 일반화된 위너 공정 251
8.4.3 기하 브라운 운동 253
8.5 포트폴리오 성과 평가 259
8.5.1 샤프비율 259
8.5.2 소르티노 비율 262
8.5.3 트레이너 비율 264
8.5.4 정보 비율 266
8.6 요약 268
8.7 확장 읽기 269
9장. Python을 사용하여 선물 헤징 분석
보존 값 270
9.1 선물시장 소개 271
9.1.1 선물거래소 및 계약 유형 271
9.1.2 주가지수선물계약 소개 275
9.1.3 국채선물계약 소개 277
9.1.4 선물거래 참여 동기 279
9.2 주가지수선물을 이용한 헤징 280
9.2.1 헤징 유형 280
9.2.2 마진콜의 위험 282
9.2.3 기초위험 285
9.2.4 크로스헤징 289
9.3 국채선물계약을 이용한 헤징 297
9.3.1 이자 발생일 규칙 298
9.3.2 국고채의 호가 300
9.3.3 국채선물 최종가격 301
9.3.4 국채선물 최저가 인도 304
9.3.5 기간 기반 헤징 전략 307
9.4 요약 310
9.5 확장 읽기 310
10장. Python을 사용하여 옵션 분석
가격과 위험 311
10.1 A주 스톡옵션 시장 소개 312
10.1.1 워런트 시장 312
10.1.2 주가지수 옵션 계약 313
10.2 옵션 종류와 만기 시 손익 315
10.2.1 옵션의 종류와 요소 315
10.2.2 콜옵션 만료 시 손익 316
10.2.3 풋옵션 만료 시 손익 318
10.2.4 풋-콜 패리티 관계 320
10.3 블랙-숄즈-머튼 모델 323
10.4 옵션가격과 관련변수의 관계 325
10.4.1 옵션 가격과 기초자산 가격의 관계
관계 325
10.4.2 옵션가격과 행사가격의 관계 326
10.4.3 옵션 가격과 변동성의 관계 327
10.4.4 옵션 가격과 무위험 수익률 간의 관계
관계 328
10.4.5 옵션 가격과 옵션 기간의 관계 330
10.5 옵션 위험 측정 - 그리스 문자 331
10.5.1 Delta331 옵션
10.5.2 Gamma335 옵션
10.5.3 옵션의 Theta339
10.5.4 옵션이 있는 Vega343
10.5.5 Rho347(옵션)
10.6 옵션의 내재변동성 351
10.6.1 뉴턴의 반복법을 사용하여 암시적 계산
변동성 351
10.6.2 이진 검색 방법을 사용하여 암시적 계산
변동성 353
10.7 변동성 스마일과 왜도 355
10.7.1 변동성 스마일 355
10.7.2 변동성 왜도 358
10.8 요약 362
10.9 확장 읽기 362
11장. 파이썬을 사용하여 옵션 거래 분석
전략 363
11.1 원금보증서 364
11.1.1 가상 사례 364
11.1.2 실제 시장 사례 366
11.2 단일 옵션 및 단일 기초자산 전략 368
11.2.1 보장 통화 구매 369
11.2.2 커버드 콜 판매 371
11.2.3 보호 풋 구매 373
11.2.4 보호된 풋 매도 375
11.2.5 전략의 기간수익률 377
11.3 스프레드 거래 전략 381
11.3.1 상승세 확산 전략 381
11.3.2 약세 스프레드 전략 385
11.3.3 박스 스프레드 전략 389
11.3.4 나비 확산 전략 392
11.4 조합 전략 397
11.4.1 스트래들 전략 397
11.4.2 시퀀스 조합 전략 및 밴드 조합
전략 401
11.4.3 와이드 스트래들 포트폴리오 전략 404
11.5 요약 412
11.6 확장된 읽기 412
12장 Python을 사용하여 위험 가치 측정 413
12.1 위험 가치 개요 414
12.1.1 위험 가치의 정의 414
12.1.2 Python을 사용하여 위험 가치 분석
시각화 415
12.1.3 위험 가치의 장점과 한계 417
12.2 위험 가치의 분산-공분산 방법 418
12.2.1 분산-공분산 방법 소개 418
12.2.2 사례 420
12.3 위험 가치의 역사적 시뮬레이션 방법 423
12.3.1 과거 시뮬레이션 방법 소개 423
12.3.2 사례 425
12.4 몬테카를로 시뮬레이션 428
12.4.1 몬테카를로 시뮬레이션 소개 428
12.4.2 사례 430
12.5 백테스팅, 스트레스 테스트, 스트레스 위험
값 434
12.5.1 백테스팅 434
12.5.2 스트레스 테스트 437
12.5.3 위험에 처한 스트레스 값 439
12.5.4 다양한 방법을 사용하여 계산된 위험 비교
값 443
12.6 요약 443
12.7 확장 읽기 443
추신 445