【提高知识水平|Python】day-2

来自炎叶之町

前言

When Python meet Finance，他们之间产生了神圣的爱情。

今天的真实写照

今天的学习大纲，然后PMF是我瞎造的，PMF（Python meet Finance）

为什么将Python用于金融

因为本文作者是金融狗，临近期末想顺带复习一波。

好吧，其实还是有事实依据的。

不久以前，在金融行业，Python作为一种编程语言和平台技术还被视为异端。相比之下，2014年有许多大型金融机构——如美国银行、美林证券的“石英”项目或者摩根大通的“雅典娜”项目——战略性地使用了Python和其他既定的技术，构建、改进和维护器核心IT系统。众多大大小小的对冲基金业大量使用Python的功能，进行高效的金融应用程序开发和金融分析工作。

>>>Python是什么

他，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。在Python网站上，可以找到如下的行动纲领：

Python是一种具备动态义、面向对象的解释型高级编程语言。它的高级内建数据结构和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，也适合用作为脚本或者“粘合剂”语言，将现有组建连接起来。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源代码或者二进制形式免费取得，用于所有主要平台，并且可以随意分发。

>>>金融中的科技

在某种意义上，科技对于金融机构（例如与工业企业相比）或者财务部门（与其他企业职能部门相比，如后勤）没有什么特别的作用。然而，近年来，在创星河监管的刺激下，银行和其他金融机构（如对冲基金）越来越多地发展成为技术公司而不仅仅是金融中介机构。科技成为了全球几乎所有金融机构的重要资产，具备导致竞争优势和劣势的潜力。某些背景信息可以解释这种发展的原因。

>>>用于金融的Python

举个例子「通过蒙特卡洛模拟方法估计欧式看涨期权的价值」

参数如下：

初始股票指数水平S0=100；

欧式看涨期权的行权价格K=105；

到期时间T=1年；

固定无风险短期利率r=5%；

固定波动率σ=20%

可以这么算

Python的部署

本部分将记录如何在本地（或者）服务器上通过Web浏览器部署Python。

>>>Anaconda

直接去从官网上下载对应版本Anaconda

Anaconda中已经整合包括了大量的科学与数据分析软件包。

>>>Python Quant Platform

>>>工具

>>>Python

这些我选择略过，想了解详情的话可自行百度。今天用的主要是下面这个。

>>>IPython

关键可以用IPython Notebook。如果安装了上面的Anaconda，那就可以用了。

OS系统的话打开终端，键入IPython notebook就可以跳转到一个Web页面。像这样的

windows系统下也可以通过运行终端来进入其中。

>>>Spyder

这个其实比上面那个更强大，但今天依然打算略过。

Pandas入门

听说熊本和Pandas更配哦～

所谓的Pandas，其实上面已经出现过一次了，就在这里——

Pandas 是一个BSD许可下的开源库，为python提供高性能的易于使用的数据结构和数据分析工具。用python做量化投资离不开pandas，对pandas越熟悉，做量化分析就会越得心应手。他能高效处理时间序列数据

下面关于pandas的特性翻译自官网

提供快速高效的DataFrame对象对数据进行整合和索引；

提供读取和写入数据到内存中的工具，适应不同的格式：CSV和纯文本、Excel、SQL数据库以及HDF5格式；

智能数据对齐和集成的缺失数据的处理：增益计算中自动基于标签的对齐方式，方便地操作混乱数据到有序形式；

灵活的对数据集进行重塑和旋转；

智能的基于标签的切片、索引，和提取大型数据集的子集；

可以插入和删除列，大小易变的数据结构；

通过强大的group by引擎聚合或转换数据，提供数据集的化整为零操作；

高性能合并和连接数据集；

分层轴索引为在低维数据结构下处理高维度数据引提供了一个直观的工作方式；

时间序列功能：生成日期范围和频率转换，移动窗口统计，移动窗口线性回归日期移和滞后。甚至创建特定于域的时间偏移量和加入时间序列，且不会丢失数据；

高度优化的性能，与Cython或C代码紧密结合。

Python结合pandas使用在各种各样的学术和商业领域，包括金融、神经科学、经济学、统计学、广告、网站分析，以及更多。

下面是Pandas的使用教学，非常非常非常长，长得我到最后实在码不动了。

更多请浏览【提高知识水平|Python】day-2

日记小结

能耐心看到这的都是真爱。

话说，Python的day-1貌似和这一篇知识跨度有些大哦。 我才不会承认是为了趁机恶补一下时间序列分析