توضیحات
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
————————————————————–
ترجمه ماشینی :
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 ا
tag : دانلود کتاب Python for Finance تجزیه و تحلیل داده های بزرگ مالی , Download Python for Finance تجزیه و تحلیل داده های بزرگ مالی , دانلود Python for Finance تجزیه و تحلیل داده های بزرگ مالی , Download Python for Finance Analyze Big Financial Data Book , Python for Finance تجزیه و تحلیل داده های بزرگ مالی دانلود , buy Python for Finance تجزیه و تحلیل داده های بزرگ مالی , خرید کتاب Python for Finance تجزیه و تحلیل داده های بزرگ مالی , دانلود کتاب Python for Finance Analyze Big Financial Data , کتاب Python for Finance Analyze Big Financial Data , دانلود Python for Finance Analyze Big Financial Data , خرید Python for Finance Analyze Big Financial Data , خرید کتاب Python for Finance Analyze Big Financial Data ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.