经济金融数据分析及其Python应用（数量经济学系列丛书）这本书，是由清华大学出版社在2019-01-01月出版的，本书著作者是 朱顺泉 著，此次本版是第1次印刷发行， 国际标准书号(ISBN)：9787302497431，品牌为清华大学出版社（TSINGHUA UNIVERSITY PRESS）, 这本书的包装是16平装，所用纸张为胶版纸，全书共有232页字数34万6000字， 是一本非常不错的Python编程书籍。

此书内容摘要

Python是一款非常优秀的数据分析、图形展示和机器学习软件，《金融经济数据分析及其Python应用》侧重于使用Python进行金融经济数据分析，同时结合大量精选的实例问题对Python进行、准确和全面的介绍，以便使读者能深刻理解R的精髓和灵活、高效的使用技巧。

关于此书作者

朱顺泉。二〇〇一年于中南大学管理与工程专业研究生毕业，获管理学博士学位，二〇〇四年于上海财经大学应用经济学专业金融计量与统计方向博士后研究出站，二〇〇六年评为教授。曾先后工作于湖南财经学院、湖南大学、暨南大学等，指导各类硕士生七十余人，现为广东财经大学金融学院教授，长期从事本科生与研究生的投资学、金融工程学、公司金融学、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作，一直致力于财经管理与信息科技相结合的交叉应用研究。在人民、、清华、北大等出版社出版著作四十余部，在《Journal of Mathematical Finance》、《Journal of Financial Risk Management》、《Lecture Notes in Decision Science》等学术刊物上发表学术论文一百余篇，主持完成国家社会基金、教育部社会基金、广东省科技计划软基金、湖南省社会基金、广州市社会基金、广州市科技计划软基金、广东省财政厅等项目共十余项，主持完成各类校级项目十项。主要研究方向：投资学、金融工程、公司金融财务等，在量化金融与对冲基金、科技金融与技术创新、私

编辑们的推荐

Python是一款非常优秀的数据分析、图形展示和机器学习软件，《金融经济数据分析及其Python应用》侧重于使用Python进行金融经济数据分析，同时结合大量精选的实例问题对Python进行、准确和全面的介绍，以便使读者能深刻理解R的精髓和灵活、高效的使用技巧。

经济金融数据分析及其Python应用（数量经济学系列丛书）图书的目录

目录

第1章经济金融数据分析及Python环境

1.1经济金融数据类型

1.2经济金融数据来源

1.3经济金融数据分析工具简介

1.4Python数据分析工具的下载

1.5数据分析工具Python的安装

1.6Python的启动和退出

1.7Python数据分析相关的程序包

1.8Python数据分析快速入门

练习题

第2章Python数据分析程序包应用基础

2.1Python数据分析的NumPy应用基础

2.2Python数据分析的SciPy应用基础

2.3Python数据分析的Pandas应用基础

练习题

第3章Python数据分析的数据存取

3.1Python�睳umPy数据存取

3.2Python�睸ciPy数据存取

3.3Python�睵andas的csv格式数据文件存取

3.4Python�睵andas的Excel格式数据文件存取

3.5读取并查看数据表列

3.6读取Yahoo财经网站数据

3.7读取挖地兔财经网站数据

3.8挖地兔Tushare财经网站数据保存与读取

练习题

第4章Python图形的绘制和可视化

4.1Matplotlib绘图应用基础

4.2直方图的绘制

4.3散点图的绘制

4.4气泡图的绘制

4.5箱图的绘制

4.6饼图的绘制

4.7条形图的绘制

4.8折线图的绘制

4.9曲线标绘图的绘制

4.10连线标绘图的绘制

4.11复杂图形的绘制

4.12关于绘图中显示中文的问题处理

练习题

第5章概率统计分布的Python应用

5.1二项分布

5.2泊松分布

5.3正态分布

5.4β分布

5.5均匀分布

5.6指数分布

练习题

第6章描述性统计的Python应用

6.1描述性统计量

6.2描述性统计的Python工具

6.3单组数据描述性统计的Python应用

6.4多组数据描述性统计的Python应用

练习题

第7章参数估计的Python应用

7.1参数估计与置信区间的含义

7.2点估计的Python应用

7.3单正态总体均值区间估计的Python应用

7.4单正态总体方差区间估计的Python应用

7.5双正态总体均值差区间估计的Python应用

7.6双正态总体方差比区间估计的Python应用

练习题

第8章参数假设检验的Python应用

8.1参数假设检验的基本理论

8.2单个样本t检验的Python应用

8.3两个独立样本t检验的Python应用

8.4配对样本t检验的Python应用

8.5单样本方差假设检验的Python应用

8.6双样本方差假设检验的Python应用

练习题

第9章相关分析与一元回归数据分析的Python应用

9.1相关分析基本理论

9.2相关分析的Python应用

9.3一元线性回归分析基本理论

9.4一元线性回归数据分析的Python应用

9.5自相关性诊断的Python应用

练习题

第10章多元回归数据分析的Python应用

10.1多元线性回归分析基本理论

10.2多元线性回归数据分析的Python应用

10.3多元回归分析的Scikit�瞝earn工具应用

10.4稳健线性回归分析Python应用

10.5逻辑Logistic回归分析Python应用

10.6广义线性回归分析Python应用

练习题

第11章机器学习数据分析的Python应用

11.1机器学习算法分类

11.2常见的机器学习算法及其Python代码

11.3K最近邻算法银行贷款分类的Python应用

11.4各种机器学习算法的Python应用

11.5K最近邻算法分类的Python应用

练习题

第12章时间序列数据分析的Python应用

12.1时间序列分析的ARIMA建模

12.2ARIMA模型时间序列分析的Python�睸tatsmodels应用

12.3时间序列数据分析ARIMA模型的Python应用

练习题

第13章量化金融数据分析的Python应用

13.1战胜股票市场策略可视化的Python应用

13.2股票数据描述性统计的Python应用

13.3资产组合标准均值方差模型及其Python应用

13.4资产组合有效边界的Python绘制

13.5Markowitz投资组合优化的Python应用

13.6蒙特卡罗模拟股票期权定价的Python应用

13.7蒙特卡罗模拟期权价格稳定性的Python应用

练习题

部分内容试读

前言

R软件及其在金融定量分析中的应用

大数据时代，数据已成为人们进行商务决策时最重要的参考依据之一，数据分析行业迈入了一个全新的阶段。《经济金融数据分析及其Python应用》重点介绍了Python的数据存取、数据的可视化、数据统计分析、机器学习、时间序列分析和金融量化分析的Python应用，同时结合大量的实例，对Python的重要程序包进行、准确和全面的介绍，以便使读者深刻理解Python的精髓和灵活、高效的使用技巧。
本书之所以采用Python软件，是因为它具有强大的图形展示、统计分析、机器学习功能，免费使用及功能强大的Pandas（基本数据分析工具）、NumPy（数值计算工具）、SciPy（计算工具）、Matplotlib（基础绘图工具）、Seaborn（扩展绘图工具）、Sklearn（机器学习工具）等众多程序包（而Matlab、SAS、SPSS、EViews、Stata、S�睵LUS等都是付费软件），因此它越来越受到广大用户的欢迎和喜爱。
本书通过丰富的实例，详细介绍了Python在数据存取、图形展示、统计分析、机器学习、时间序列、量化金融等领域中的应用，侧重于理论方法与应用相结合，实例丰富且通俗易懂，尤其对Python软件的各种绘图方法、不同数据表的接口、统计分析、机器学习、时间序列、量化金融等方面的介绍有较好的特色，详细地介绍了各种绘图方法、不同数据的接口、统计分析、机器学习、时间序列、量化金融等方面在Python中的实现过程。本书的特点是： 以问题为导向，通过问题来介绍Python的使用方法。因此，读者通过本书不仅能掌握Python及相关的程序包的使用方法，而且能学会从实际问题分析入手，应用Python解决经济金融领域中的各种数据分析问题。
本书的内容是这样安排的： 第1章介绍经济金融数据分析及Python环境，第2章介绍Python数据分析程序包应用基础，第3章介绍Python数据分析的数据存取，第4章介绍Python图形的绘制和可视化，第5章介绍概率统计分布的Python应用，第6章介绍描述性统计的Python应用，第7章介绍参数估计的Python应用，第8章介绍参数假设检验的Python应用，第9章介绍相关分析与一元回归数据分析的Python应用，第10章介绍多元回归数据分析的Python应用，第11章介绍机器学习数据分析的Python应用，第12章介绍时间序列数据分析的Python应用，第13章介绍量化金融数据分析的Python应用。
本书实例和内容丰富，针对性强，书中各章详细地介绍了实例的Python具体操作过程，读者只需按照书中介绍的步骤一步一步地实际操作，就能掌握全书的内容。为了帮助读者更加直观地学习本书，我们将书中实例的全部数据文件打包收录，读者可扫描书末页的二维码获取。读者在自己的电脑中建立一个data目录（其他目录名也可以），将所有数据文件复制到此目录，即可进行操作。
本书适合作为统计学、金融学、经济学、管理学等相关专业的本科生或研究生学习数据分析、统计学、时间序列分析、量化金融等课程的教材或实验参考用书，同时对从事数据分析的实际工作者也大有裨益。
本书部分内容为广东省自然基金项目成果，也是广东财经大学数据模型与决策示范课程的阶段性成果。
本书的出版得到了清华大学出版社编校人员的大力支持和帮助，感谢他们为本书编辑校对付出的辛苦工作。由于时间和水平的限制，书中难免出现一些纰漏，恳请读者谅解并提出宝贵意见。
作者2018年5月于广州

关于此书评价

暂无.

书摘内容

第

1

章
经济金融数据分析及Python环境

数据分析是指用适当的统计与计量分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。
大数据分析是指对规模巨大的数据进行分析。大数据的特点可以概括为5个V，数据量大(volume)、速度快(velocity)、类型多(variety)、有价值(value)、真实性(veracity)。大数据已成为IT行业时下最火热的词汇。随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。
本章简要介绍经济金融数据的类型、来源，主要的数据分析软件包，以及目前流行的经济金融数据分析Python语言及其环境。
1.1经济金融数据类型
经济金融中需要处理的数据类型主要有三类： 横截面数据、时间序列数据和面板数据。
1.1.1横截面数据
横截面数据是同一时间(时期或时点)某一指标在不同空间的观测数据。如某一时点中国A股市场的平均收益率，2017年所有A股上市公司的净资产收益率。在利用横截面数据作分析时，由于单个或多个解释变量观测值起伏变化会对被解释产生不同的影响，因而导致异方差问题。因此在数据整理时必须消除异方差。
1.1.2时间序列数据
时间序列数据即按时间序列排列的数据，也称为动态序列数据。时间序列数据是按照一定时间间隔对某一变量或不同时间的取值进行观测所得到的一组数据，例如每一季度的GDP数据、每一天的股票交易数据或债券收益率数据等。在经济金融数据分析中，时间序列数据是常见的一类数据类型。
1.1.3面板数据
面板数据即时间序列数据和横截面数据相结合的数据。
金融领域以时间序列数据分析(如金融市场)与面板数据分析(如公司金融)为主。
1.2经济金融数据来源
1.2.1专业性网站

如国家统计局网站、中国人民银行网站、中国证监会网站、世界银行网站、国际货币基金组织网站等。
1.2.2专业数据公司和信息公司
国外数据库主要有芝加哥大学商学院的证券价格研究中心(CRSP)、路透(Reuters)终端、彭博(Bloomberg)终端、雅虎财经等。国内提供经济金融数据库主要有： CCER中国经济金融数据库、国泰安数据库(GTA)、万德数据库(Wind)、锐思数据库等。如表1��1所示。

表1��1经济金融数据库

数据来源名称
网址

CRSP
www.chicagobooth.edu
路透
www.reuters.com
彭博
www.bloomberg.com
雅虎财经
www.finance.yahoo.com
万得Wind经济金融数据库
www.wind.com.cn
国泰安GTA经济金融数据库
www.gtadata.com
CCER中国经济金融数据库
www.ccer.edu.cn
聚源锐思经济金融数据库
www.resset.cn
天相经济金融数据库
www.txsec.com/zqsc/tx_data.asp

1.2.3抽样调查
抽样调查是针对某些专门的研究开展的一类获取数据的方式。比如，要对中国的投资者信心进行建模，就必须通过设计调查问卷，对不同的投资群体进行数据采集。
1.3经济金融数据分析工具简介
1.3.1Python数据分析工具简介

Python是一种面向对象的解释型计算机程序设计语言，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年，Python源代码同样遵循GPL(GNU General Public License)协议。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型(有时甚至是程序的最终界面)，然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
Python需要安装Pandas、NumPy、SciPy、Statsmodels、Matplotlib等一系列的程序包，还需要安装IPython交互环境，目前有包括这些程序包的套装软件可供下载。
详细内容请登录https://www.Python.org查询。
1.3.2R数据分析工具简介
R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S�睵LUS。S�睵LUS是一个商业软件，它基于S语言，并由MathSoft公司的统计部进一步完善。后来Auckland大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改地在R环境下运行。R的语法是来自Scheme。R的使用与S�睵LUS有很多类似之处，这两种语言有一定的兼容性。S�睵LUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说： R是S�睵LUS的一个“克隆”。
详细内容请登录： http://cran.r�瞤roject.org查询。
1.3.3Stata数据分析工具简介
Stata由美国计算机资源中心(Computer Resource Center)1985年研制。其特点是采用命令行/程序操作方式，程序短小精悍，功能强大。Stata是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能，包含线性混合模型、均衡重复反复及多项式普罗比模式。新版本的Stata采用最具亲和力的窗口接口，使用者自行建立程序时，软件能提供具有直接命令式的语法。Stata提供完整的使用手册，包含统计样本建立、解释、模型与语法、文献等出版品。
除此之外，Stata工具可以通过网络实时更新最新功能，更可以得知世界各地的使用者对于Stata公司提出的问题与解决之道。使用者也可以通过Stata Journal获得许许多多的相关信息以及书籍介绍等。另外一个获取庞大资源的渠道就是Statalist，它是一个独立的listserver，每月交替提供使用者超过1000条信息以及50个程序。
目前最新版为Stata 14.0版。
详细内容请登录http://www.stata.com查询。
1.3.4Matlab数据分析工具简介
Matlab工具是由美国Mathworks公司推出的用于数值计算和图形处理的计算系统，在Matlab工具环境下，用户可以集成地进行程序设计、数值计算、图形绘制、输入输出、文件管理等各项操作。它提供的是一个人机交互的数学系统环境，与利用C语言作数值计算的程序设计相比，利用Matlab可以节省大量的编程时间，且程序设计自由度大。它最大的特点是给用户带来最直观、最简洁的程序开发环境，语言简洁紧凑，使用方便灵活，库函数与运算符极其丰富，另外具有强大的图形功能。
在国际学术界，Matlab已经被确认为准确、可靠的计算标准软件，许多国际一流学术刊物上，都可以看到Matlab的应用。
详细内容请登录http://www.mathworks.com查询。
1.3.5EViews数据分析工具简介
EViews是美国GMS公司1981年发行的第1版Micro TSP的Windows版本，通常称为计量经济学软件包。EViews是Econometrics Views的缩写，它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、运用模型进行预测、求解模型和应用模型。EViews是完成上述任务必不可少的得力工具。正是由于EViews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展为实用与严谨的经济学科。使用EViews软件包可以对时间序列和非时间序列的数据进行分析，建立序列(变量)间的统计关系式，并用该关系式进行预测、模拟等。虽然EViews是由经济学家开发的，并且大多数被用于经济学领域，但并非意味着该软件包仅可用于处理经济方面的时间序列。EViews处理非时间序列数据照样得心应手。实际上，相当大型的非时间序列(截面数据)的项目也能在EViews中进行处理。
详细内容请登录http://www.eviews.com查询。
1.3.6SAS数据分析工具简介
SAS是美国SAS研究所研制的一套大型集成应用软件系统，具有完备的数据存取、数据管理、数据分析和数据展现功能。尤其是创业产品统计分析系统部分，由于其具有强大的数据分析能力，一直为业界著名软件，在数据处理和统计分析领域，被誉为国际上的标准软件和最权威的优秀统计软件包，广泛应用于行政管理、科研、教育、生产和金融等不同领域，发挥着重要的作用。SAS系统中提供的主要分析功能包括统计分析、经济计量分析、时间序列分析、决策分析、财务分析和全面质量管理工具等。
详细内容请登录http://www.sas.com查询。
1.3.7SPSS数据分析工具简介
SPSS(statistical package for the social science)——社会统计软件包，是世界著名的统计分析软件之一。20世纪60年代末，美国斯坦福大学的三位研究生研制开发了最早的统计分析软件SPSS，同时成立了SPSS公司，并于1975年在芝加哥组建了SPSS总部。20世纪80年代以前，SPSS统计软件主要应用于企事业单位。1984年SPSS总部首先推出了世界第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，从而确立了个人用户市场第一的地位。2009年IBM收购SPSS公司后，现在在中国市场上推出的最新产品，是IBM SPSS Statistics 21.0多国语言版。SPSS/PC＋的推出，极大地扩充了它的应用范围，使其能很快地应用于自然、技术、社会的各个领域，世界上许多有影响的报纸杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。目前已经在国内逐渐流行起来。它使用Windows的窗口方式展示各种管理和分析数据方法的功能，使用对话框展示出各种功能选择项，只要掌握一定的Windows操作技能，粗通统计分析原理，就可以使用该软件为特定的科研工作服务。
详细内容请登录http://www.spss.com查询。
还有一些统计和计量经济学软件，如Statistica、S�睵LUS等，但相对来说没有以上7种软件流行。各软件网站列表如表1��2所示。

表1��2常见的经济金融数据分析工具网站

工 具 名 称
网址
Python
www.Python.org
R
www.cran.r�瞤roject.org
Stata
www.stata.com
Matlab
www.mathworks.com
EViews
www.eviews.com
SAS
www.sas.com
SPSS
www.spss.com

1.4Python数据分析工具的下载
输入如下网址： https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/，即可下载Anaconda，它是一个用于计算Python发行版的套装软件，支持Linux、Mac、Windows等操作系统,包含了众多流行的计算、数据分析的Python包。其中包括Pandas、NumPy、SciPy、Statsmodels、Matplotlib等一系列的程序包以及iPython交互环境。界面如图1��1所示。

图1��1Anaconda安装包界面

点击图1��1中的https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，出现图1��2所示的界面。

图1��2Anaconda安装包界面

在图1��2中，选择Anaconda2��2.4.1�瞁indows�瞲86.exe，即可得到用Python作经济金融数据分析的套装软件工具。也可以选择最新的Anaconda3��4.1.1�瞁indows�瞲86.exe(32位)，Anaconda3��4.1.1�瞁indows�瞲86_64.exe(64位)。请读者注意，本书的经济金融数据分析以下载的Anaconda2��2.4.1�瞁indows�瞲86.exe(32位)工具来说明其应用。下载界面如图1��3所示(该图的倒数第二行即为选择的下载对象)。

图1��3下载Anaconda2��2.4.1�瞁indows�瞲86.exe的界面

Anaconda2��2.4.1�瞁indows�瞲86.exe(32位)工具中提供了Python作经济金融数据分析的丰富资源： 包括Pandas，NumPy，SciPy，Statsmodels，Matplotlib等一系列的程序包以及IPython交互环境。要了解Python的其他程序包，可到https://anaconda.org网站上去搜索你所需要的包进行安装。
1.5数据分析工具Python的安装
Python在Windows环境中安装有很多版本。如： (1)Anaconda2��2.4.1�瞁indows�瞲86.exe(32位)版本； (2)Anaconda2��2.4.1�瞁indows�瞲86.exe(64位)； (3)最新的Anaconda3��4.1.1�瞁indows�瞲86.exe(32位)； (4)Anaconda3��4.1.1�瞁indows�瞲86_64.exe(64位)。本书使用的是Anaconda2��2.4.1�瞁indows�瞲86.exe(32位)版本。
双击下载的Anaconda2��4.1.1�瞁indows�瞲86应用程序，即可得到如图1��4的界面。

图1��4安装界面(1)

在图1��4中点击Next按钮，得到如图1��5所示的界面。

图1��5安装界面(2)

在图1��5中点击I Agree按钮，得到如图1��6所示的界面。

图1��6安装向导

点击图1��6中的Next按钮，得到如图1��7所示的界面。

图1��7安装向导

点击图1��7中的Next按钮，即可完成Python套装软件的安装，得到如图1��8所示的界面。

图1��8安装完后界面

1.6Python的启动和退出
1.6.1Python工具的启动

点击图1��8中的Spider图标，即可启动Python的交互式用户界面。最后得到如图1��9所示的界面。Python是按照问答的方式运行的，即在提示命令符“>>>”后键入命令并回车，Python就完成一些操作。

图1��9Python的交互式用户界面

本书经常使用的是如图1��10所示的IPython控制台界面。

图1��10IPython的交互式用户界面

1.6.2Python的退出
在图1��9中的符号“>>>”后同时按Ctrl键与Q键或点击Python交互式用户界面中的“File”下的“Quit”菜单，即可退出Python作经济金融数据分析的交互式用户界面。
1.7Python数据分析相关的程序包
Python进行数据分析时，具有获取数据、整理数据、模型计算、数据图形化等功能，相关的Python数据分析程序包如表1��3所示。

表1��3Python数据分析程序包

程序包
简介

NumPy
提供数组支持
SciPy
提供矩阵支持，以及矩阵相关的数值计算，优化和统计模块
Pandas
强大、灵活的数据分析和探索工具
Matplotlib
强大的数据可视化工具、作图库
StatsModels
统计建模和计量经济学，包括描述统计、统计模型估计和推断
Scikit�睱earn
支持回归、分类、聚类等的强大机器学习库
Keras
深度学习库，用于建立神经网络以及深度学习模型
Gensim
用来做文本主题模型的库，文本挖掘可能用到
Pillow
涉及图片处理
OpenCV
涉及视频处理
GMPY2
涉及高精度运算

经济金融数据分析及其Python应用（数量经济学系列丛书）最新最全的试读、书评、目录、简介信息由Python中文网整理提供。