玩转Python量化金融工具之NumPy一切事物的开头总是困难这句话，在任何一种科学上都是适用的。——马克思前言“手把手教你”系列将为Python初学者一一介绍Python在量化金融中运用最广泛的几个库（Library）: NumPy（数组、线性代数）、SciPy（统计）、pandas（时间序列、数据分析）、matplotlib（可视化分析）。建议安装Anaconda软件（自带上述常见库），并使用
转载
2024-01-04 13:17:29
42阅读
一 、ipython的简单使用IPython:交互式的Python命令行丰富的快捷键TAB键自动完成?：内省、命名空间搜索!：执行系统命令魔术命令：以%开始的命令%run：执行文件代码
%paste：执行剪贴板代码
%timeit：评估运行时间
%pdb：自动调试 使用命令历史
获取输入输出结果
目录标签系统
IPython Notebook jupyter&nbs
转载
2023-06-06 21:50:09
183阅读
风控每日一问：金融风险管理 (Financial Risk Management) 对编程的要求有多高？权威回答：market risk的基本模型并不复杂，主要是对几种基本风险因子统计分布的建模，主要挑战在于处理的数据量很大，无论是时间跨度还是截面跨度，如exchange rates/equity market firm level以及index level的回报率数据(1维），interest
转载
2023-08-11 16:41:42
97阅读
Python量化的关键是金融数据可视化，无论是传统的K线图，还是现在的策略分析，都需要大量的可视化图表。具体到编程代码，就是使用Python绘图模块库绘图，比如传统的Python绘图模块库有Matplotlib,Seaborn等。对于和财经的金融数据源，可以使用Tushare库来获取和分析财经数据，我们获得财经数据源后，就可以使用Pandas对金融数据的各种指标进行定制化的分析了，最后让数
转载
2023-06-07 11:24:30
137阅读
# 实现“金融建模需要Python”的流程和代码指南
在金融行业，金融建模是用于分析和预测市场趋势的重要工具。使用Python进行金融建模，可以高效地处理数据，进行统计分析和预测。在这篇文章中，我将引导您完成这一过程，具体步骤如下：
## 流程概述
我们可以将整个金融建模过程分为以下几个步骤：
| 步骤 | 描述 |
|------|------|
| 1 | 数据收集 |
| 2
原创
2024-09-04 04:47:26
30阅读
# Python金融科技建模入门
在当今金融科技迅猛发展的时代，数据模型在金融决策和分析中扮演着越来越重要的角色。 Python因其丰富的库和简洁的语法，成为金融科技建模的热门选择。本文将带您了解金融科技建模的基本概念，并通过示例代码和可视化方式进行展示。
## 金融科技建模概念
金融科技建模主要包括风险评估、信用评分、股市预测等。模型的构建通常依赖于历史数据的分析，通过探索性数据分析（ED
# Python金融数据建模入门
在当今金融领域，数据分析和建模是至关重要的环节。金融机构通过对数据的深入分析和建模，来做出更精准的决策。Python作为一种功能强大且易于学习的编程语言，广泛应用于金融数据建模。本文将带您了解如何使用Python进行金融数据建模，并提供相应的代码示例。
## 一、金融数据的来源
金融数据可以从多个来源获取，例如：
- 金融市场数据（股票、债券、外汇等）
-
原创
2024-10-21 04:45:00
87阅读
1. MATLABMATLAB(矩阵实验室)是MATrix LABoratory的缩写，是一款由美国The MathWorks公司出品的商业数学软件。MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。除了矩阵运算、绘制函数/数据图像等常用功能外，MATLAB还可以用来创建用户界面及与调用其它语言(包括C，C++和FORTRAN)编写的程序。尽
转载
2023-08-31 17:17:12
213阅读
Python介绍：Python是一种计算机程序设计语言。目前有很多种编程语言，比如，比较难学的C语言、非常流行的Java语言、适合网页编程的JavaScript 脚本语言等。那么，如何定位Python语言?用任何编程语言来开发程序，都是为了让计算机完成一定的工作，如上传或下载文件，编写一个文档等，而计算机的CPU只是负责辨识机器指令，所以，虽然不同的编程语言差异极大，最后都要翻译成CPU可以执行的
转载
2023-09-11 12:06:29
42阅读
【数据挖掘】金融风控 Task04 建模与调参1. 常用模型对比及评估1.1. 逻辑回归与决策树模型1.2 集成方法1.2.1 bagging1.2.2 boosting1.2.3 bagging与boosting区别1.3 模型评估方法1.3.1 数据集划分条件1.3.2 数据集划分方法1.3.3 模型评价标准2. 模型训练2.1 导入数据并进行预处理2.2 使用lgb进行预测2.2.1 使用
转载
2023-09-04 18:05:16
220阅读
# 金融建模：使用MATLAB和Python的完整指南
金融建模是在金融领域中用数学和统计方法来描述和分析金融市场的过程。对于初学者来说，掌握MATLAB和Python这两种语言的基本用法是入门的关键。本文将指导你如何通过一个系统的步骤来实现金融建模，涵盖所需的代码及其注释，以及如何使用甘特图和类图来帮助你理解整个过程。
## 流程概述
以下是实现金融建模的基本流程：
| 步骤
在此数据集中，我们必须预测信贷的违约支付，并找出哪些变量是违约支付的最强预测因子？以及不同人口统计学变量的类别，拖欠还款的概率如何变化？相关视频有25个变量：1. ID： 每个客户的ID2. LIMIT_BAL： 金额3. SEX： 性别（1 =男，2 =女）4.教育程度：（1 =研究生，2 =本科，3 =高中，4 =其他，5 =未知）5.婚姻： 婚姻状况（
转载
2024-10-26 12:51:49
33阅读
如何进行金融行业数据分析与建模，是挖掘金融行业数据价值的重要手段。金融行业数据分析与建模方法主要包括七个重要环节，每个环节紧密相连。本文从中国农业银行“雅典娜杯”数据挖掘大赛看金融行业数据分析与建模方法。本文结合了、内部赛优秀团队以及外部赛冠/亚/季军的方案分享！赛题名称：贷款风险预测；问题描述：根据数据集中8万用户的相关信息，预测用户未来是否会逾期还款。
转载
2023-06-07 14:32:26
335阅读
尽管TensorFlow设计上足够灵活，可以用于进行各种复杂的数值计算。但通常人们使用TensorFlow来实现机器学习模型，尤其常用于实现神经网络模型。从原理上说可以使用张量构建计算图来定义神经网络，并通过自动微分机制训练模型。但为简洁起见，一般推荐使用TensorFlow的高层次keras接口来实现神经网络网模型。使用TensorFlow实现神经网络模型的一般流程包括：1，准备数据2，定义模型
转载
2023-08-15 15:31:27
9阅读
前言“手把手教你”系列将为Python初学者一一介绍Python在量化金融中运用最广泛的几个库（Library）: NumPy（数组、线性代数）、SciPy（统计）、pandas（时间序列、数据分析）、matplotlib（可视化分析）。建议安装Anaconda软件（自带上述常见库），并使用Jupyter Notebook交互学习。1、使用“import”命令导入numpy库import nump
转载
2023-10-11 09:32:44
6阅读
大家好，我是阳哥。大家知道，不知道从什么时候起，量化基金成了市场的香饽饽，也因此，很多同学对金融量化产生了浓厚的兴趣。之前，我给大家分享了一些 Python金融量化 相关的内容，包括用Python来做一个投资计划、用Python快速追踪基金的收益情况、绘制K线图表、Plotly在投资领域的应用 等，但这些也只是金融量化领域的冰山一角。1. 恒有数金融社区最近，发现了一个不错的Python金融量化社
转载
2023-07-14 05:07:09
10阅读
一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下：（1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。（2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。（3）估计模型中位置参数的值。（4）检验模型的有效性。如果模
转载
2023-08-21 16:13:52
161阅读
PythonProgramming.net Python 金融教程（转）https://github.com/wizardforcel/data-science-notebook/blob/master/quant/python-programming-net-quant.md一、入门和获取股票数据您好，欢迎来到 Python 金融系列教程。在本系列中，我们将使用 Pandas 框架来介绍将金融（
转载
2024-09-02 10:02:26
20阅读
编程字典Pandas教程 http://codingdict.com/article/8270 清华计算机博士带你学-Python金融量化分析 https://www.bilibili.com/video/BV1i741147LS?t1.介绍与安装Pandas是一个开源的Python库，使用其强大的数据结构提供高性能的数据处理和分析工具，是基于Numpy构建的。Pandas这个名字源自面板数据 -
转载
2024-04-01 15:54:41
398阅读
GitHub通道：易用，高效，统一的全管道自动时间序列分析工具HyperTSHyperTS是一个开源的Python工具包，提供了一个端到端的时间序列分析工具。它针对时间序列任务（预测，分类，回归等）的整个AutoML流程，以统一的API实现了灵活的全覆盖，包含数据清洗，数据预处理，特征工程，模型选择，超参数优化，结果评估以及预测曲线可视化等。多模驱动, 轻重结合是HyperTS的关键特性。因此，可
转载
2024-03-01 11:16:36
66阅读
