دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python for Finance Analyze Big Financial Data
دانلود کتاب Python for Finance تجزیه و تحلیل داده های بزرگ مالی
مشخصات کتاب
Python for Finance Analyze Big Financial Data
ویرایش:
نویسندگان: Yves Hilpisch
سری:
ناشر: O'Reilly Media
سال نشر: 2015
تعداد صفحات: 605
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
قیمت کتاب (تومان) : 36,000
در صورت تبدیل فایل کتاب Python for Finance Analyze Big Financial Data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Python for Finance تجزیه و تحلیل داده های بزرگ مالی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد 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 استفاده می‌کنند. این
راهنمای عملی به توسعه‌دهندگان و تحلیل‌گران کمی کمک می‌کند تا با
پایتون شروع کنند و شما را از طریق مهم‌ترین جنبه‌های استفاده از
Python برای تامین مالی کمی راهنمایی می‌کند.
نویسنده ایو هیلپیش با استفاده از مثال‌های عملی از طریق کتاب،
همچنین به شما نشان می‌دهد که چگونه توسعه دهید. یک چارچوب تمام
عیار برای مشتقات مبتنی بر شبیه سازی مونت کارلو و تجزیه و تحلیل
ریسک، بر اساس یک مطالعه موردی بزرگ و واقع بینانه. بیشتر کتاب از
نوت بوک های تعاملی IPython با موضوعاتی استفاده می کند که
عبارتند از:
مبانی: ساختارهای داده پایتون، مدیریت آرایه NumPy، تجزیه و تحلیل
سری های زمانی با پانداها، تجسم با matplotlib، عملیات I/O با
کارایی بالا با PyTables، اطلاعات تاریخ/زمان مدیریت، و بهترین
شیوه های انتخاب شده
موضوعات مالی: تکنیک های ریاضی با NumPy، SciPy و SymPy مانند
رگرسیون و تصادفی بهینه سازی برای شبیه سازی مونت کارلو، ارزش در
معرض خطر، و آمار محاسبات اعتباری ارزش در معرض خطر برای تست های
عادی ، بهینه سازی نمونه کارها با 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 مبتنی بر فناوری های وب
توضیحاتی درمورد کتاب به خارجی
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
