Python 金融大数据分析_python金融大数据分析

第一章 为什么将python用于金融

python编程语言

python是一种高级的多用途编程语言，广泛用于各种非技术和技术领域。

python是一种具备动态语义、面向对象的解释型高级编程语言。它的高级内建数据结构与动态类型及动态绑定相结合，使其在快速应用开发上极具吸引力，也适合作为脚本或者“粘合”语言，将现有组件连接起来。python简单、易学的语法强调可读性，因此可以降低程序维护成本。python支持模块和软件包，鼓励模块化和代码重用。python解释程序和大量标准库可以以源代码或者二进制的形式免费取得，他们用于所有主要平台，并且可以随意分发。

python特征：开源代码、解释型、多重范例、多用途、跨平台、缩进感知、动态类型、垃圾收集。

python科学栈包含众多适合金融应用的库：NumPy、SciPy、Matplotlib、pandas、scikit-learn等。

金融中的科技

科技发展使得金融领域的科技投入不断增加，也使得金融行业持续创新、效率不断提高。在面对日益增加的海量数据时，需要在毫秒级做出决策，这些挑战只能由科技来应对。

金融行业有一个学科的重要性正在强劲增长：金融和数据分析。指的是将应用软件、科技，与算法、数据收集、数据处理和分析方法相结合，以获得深刻的洞察力、做出决策或满足监管需求的学科。

用于金融的python

在金融环境中迈出使用python第一步的大部分人群可能都要攻克算法问题，而解决算法问题需要：

用于写作和谈论科学、金融等问题的英语；

用于简洁、精确的描述抽象特征、算法、复数等并为其建模的数学；

因此，python成为实现这样功能的强大工具。

几乎没有任何编程语言像python这样接近数学语法。因此，数值算法很容易从数学表示翻译为python实现。

数据驱动

20世纪90年代初期到中期，金融机构得到的数据急剧增加。如今，进行金融研究、算法交易的个人也可以得到大量历史数据和实时数据。这使我们可以专注于科学方法，科学方法通常从数据开始，然后得出思路、假设、模型和策略。

由于编程API能够取得大量金融数据，所以在金融问题上应用人工智能方法、特别是机器学习和深度学习就变得非常容易，也更有成果。

第二章  python基础架构

python软件及各种包的安装

第三章 数据类型与结构

基本数据类型

第四章 用numpy进行数值运算