《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程式的技巧和工具。

《Python金融大数据分析》总计分为3部分，共19章，第1部分介绍了Python在金融学中的套用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程式开发中重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学套用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成，以及基于Web套用和Web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际套用的开发工作，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。

伊夫·希尔皮斯科（Yves Hilpisch）是Python Quants（德国）股份有限公司的创始人和任事股东，也是Python Quants（纽约）有限责任公司的共同创办人。该集团提供基于Python的金融和衍生品分析软体，以及和Python及金融相关的谘询、开发和培训服务。

Yves还是Derivatives Analytics with Python（Wiley Finance，2015）的作者。作为获得数理金融学博士学位的商业管理专业研究生，他在萨尔州大学讲授计算金融学中的数值化方法课程。

第1章 为什幺将Python用于金融

1.1 Python是什幺

1.1.1 Python简史

1.1.2 Python生态系统

1.1.3 Python用户谱系

1.1.4 科学栈

1.2 金融中的科技

1.2.1 科技开销

1.2.2 作为业务引擎的科技

1.2.3 作为进入门槛的科技和人才

1.2.4 不断提高的速度、频率、数据量

1.2.5 实时分析的兴起

1.3 用于金融的Python

1.3.1 金融和Python语法

1.3.2 Python的效率和生产率

1.3.3 从原型化到生产

1.4 结语

1.5 延伸阅读

第2章 基础架构和工具

2.1 Python部署

2.1.1 Anaconda

2.1.2 Python Quant Platform

2.1.3 工具

2.1.4 Python

2.1.5 IPython

2.1.6 Spyder

2.2 结语

2.3 延伸阅读

第3章 入门示例

3.1 隐含波动率

3.2 蒙特卡洛模拟

3.2.1 纯Python

3.2.2 用NumPy向量化

3.2.3 利用对数欧拉方法实现全向量化

3.2.4 图形化分析

3.2.5 技术分析

3.3 结语

3.4 延伸阅读

第4章 数据类型和结构

4.1 基本数据类型

4.1.1 整数

4.1.2 浮点数

4.1.3 字元串

4.2 基本数据结构

4.2.1 元组

4.2.2 列表

4.2.3 离题：控制结构

4.2.4 离题：函式式编程

4.2.5 字典

4.2.6 集合

4.3 NumPy数据结构

4.3.1 用Python列表形成数组

4.3.2 常规NumPy数组

4.3.3 结构数组

4.4 代码向量化

4.5 记忆体布局

4.6 结语

4.7 延伸阅读

第5章 数据可视化

5.1 二维绘图

5.1.1 一维数据集

5.1.2 二维数据集

5.1.3 其他绘图样式

5.2 金融学图表

5.3 3D绘图

5.4 结语

5.5 延伸阅读

第6章 金融时间序列

6.1 pandas基础

6.1.1 使用DataFrame类的第一步

6.1.2 使用DataFrame类的第二步

6.1.3 基本分析

6.1.4 Series类

6.1.5 GroupBy操作

6.2 金融数据

6.3 回归分析

6.4 高频数据

6.5 结语

6.6 延伸阅读

第7章 输入/输出操作

7.1 Python基本I/O

7.1.1 将对象写入磁碟

7.1.2 读写文本档案

7.1.3 SQL资料库

7.1.4 读写NumPy数组

7.2 Pandas的I/O

7.2.1 SQL资料库

7.2.2 从SQL到pandas

7.2.3 CSV档案数据

7.2.4 Excel档案数据

7.3 PyTables的快速I/O

7.3.1 使用表

7.3.2 使用压缩表

7.3.3 使用数组

7.3.4 记忆体外计算

7.4 结语

7.5 延伸阅读

第8章 高性能的Python

8.1 Python范型与性能

8.2 记忆体布局与性能

8.3 并行计算

8.3.1 蒙特卡洛算法

8.3.2 顺序化计算

8.3.3 并行计算

8.3.4 性能比较

8.4 多处理

8.5 动态编译

8.5.1 介绍性示例

8.5.2 二项式期权定价方法

8.6 用Cython进行静态编译

8.7 在GPU上生成随机数

8.8 结语

8.9 延伸阅读

第9章 数学工具

9.1 逼近法

9.1.1 回归

9.1.2 插值

9.2 凸最佳化

9.2.1 全局最佳化

9.2.2 局部最佳化

9.2.3 有约束最佳化

9.3 积分

9.3.1 数值积分

9.3.2 通过模拟求取积分

9.4 符号计算

9.4.1 基本知识

9.4.2 方程式

9.4.3 积分

9.4.4 微分

9.5 结语

9.6 延伸阅读

第10章 推断统计学

10.1 随机数

10.2 模拟

10.2.1 随机变数

10.2.2 随机过程

10.2.3 方差缩减

10.3 估值

10.3.1 欧式期权

10.3.2 美式期权

10.4 风险测度

10.4.1 风险价值

10.4.2 信用价值调整

10.5 结语

10.6 延伸阅读

第11章 统计学

11.1 正态性检验

11.1.1 基準案例

11.1.2 现实世界的数据

11.2 投资组合最佳化

11.2.1 数据

11.2.2 基本理论

11.2.3 投资组合最佳化

11.2.4 有效边界

11.2.5 资本市场线

11.3 主成分分析

11.3.1 DAX指数和30种成分股

11.3.2 套用PCA

11.3.3 构造PCA指数

11.4 贝叶斯回归

11.4.1 贝叶斯公式

11.4.2 PyMC3

11.4.3 介绍性示例

11.4.4 真实数据

11.5 结语

11.6 延伸阅读

第12章 Excel集成

12.1 基本电子表格互动

12.1.1 生成工作簿（.xls）

12.1.2 生成工作簿（.xslx）

12.1.3 从工作簿中读取

12.1.4 使用OpenPyxl

12.1.5 使用pandas读写

12.2 用Python编写Excel脚本

12.2.1 安装DataNitro

12.2.2 使用DataNitro

12.3 xlwings

12.4 结语

12.5 延伸阅读

第13章 面向对象和图形用户界面

13.1 面向对象

13.1.1 Python类基础知识

13.1.2 简单的短期利率类

13.1.3 现金流序列类

13.2 图形用户界面

13.2.1 带GUI的短期利率类

13.2.2 值的更新

13.2.3 带GUI的现金流序列类

13.3 结语

13.4 延伸阅读

第14章 Web集成

14.1 Web基础知识

14.1.1 ftplib

14.1.2 httplib

14.1.3 urllib

14.2 Web图表绘製

14.2.1 静态图表绘製

14.2.2 互动式图表绘製

14.2.3 实时图表绘製

14.3 快速Web套用

14.3.1 交易者的聊天室

14.3.2 数据建模

14.3.3 Python代码

14.3.4 模板

14.3.5 样式化

14.4 Web服务

14.4.1 金融模型

14.4.2 实现

14.5 结语

14.6 延伸阅读

第15章 估值框架

15.1 资产定价基本定理

15.1.1 简单示例

15.1.2 一般结果

15.2 风险中立折现

15.2.1 日期建模和处理

15.2.2 固定短期利率

15.3 市场环境

15.4 结语

15.5 延伸阅读

第16章 金融模型的模拟

16.1 随机数生成

16.2 泛型模拟类

16.3 几何布朗运动

16.3.1 模拟类

16.3.2 用例

16.4 跳跃扩散

16.4.1 模拟类

16.4.2 用例

16.5 平方根扩散

16.5.1 模拟类

16.5.2 用例

16.6 结语

16.7 延伸阅读

第17章 衍生品估值

17.1 泛型估值类

17.2 欧式行权

17.3 估值类

17.4 美式行权

17.4.1 最小二乘蒙特卡洛方法

17.4.2 估值类

17.4.3 用例

17.5 结语

17.6 延伸阅读

第18章 投资组合估值

18.1 衍生品头寸

18.1.1 类

18.1.2 用例

18.2 衍生品投资组合

18.2.1 类

18.2.2 用例

18.3 结语

18.4 延伸阅读

第19章 波动率期权

19.1 VSTOXX数据

19.1.1 VSTOXX指数数据

19.1.2 VSTOXX期货数据

19.1.3 VSTOXX期权数据

19.2 模型检验

19.2.1 相关市场数据

19.2.2 期权建模

19.2.3 检验过程

19.3 基于VSTOXX的美式期权

19.3.1 期权头寸建模

19.3.2 期权投资组合

19.4 结语

19.5 延伸阅读

附录A 精选的最佳实践

附录B 看涨期权类

附录C 日期和时间