Hello 大家好，我是一名新来的金融领域打工人，日常分享一些python知识，都是自己在学习生活中遇到的一些问题，分享给大家，希望对大家有一定的帮助！大家好久不见！今天主要想给大家分享一下一些可以获取股票数据的渠道与途径，因为在作为个人而言，平时想要免费获取一些金融数据来做数据分析的话还是比较方便，今天我就给大家分享一些可以免费获取金融数据的途径。1.tushare使用tushare时我们需要先
转载
2023-08-11 19:30:33
16阅读
金融量化的第一步：数据统计和分析
转载
2016-07-11 18:17:00
423阅读
《Python金融大数据分析 》是人民邮电出版社2015年12月出版的中译图书，[德]伊夫·希尔皮斯科，译者姚军。《Python金融大数据分析》，唯一一本详细讲解使用Python分析处理金融大数据的专业图书；金融应用开发领域从业人员必读。适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。(推荐学习：Python视频)内容介绍Python凭借其简单、易读、可扩展性以及拥
转载
2023-08-21 15:23:14
116阅读
每到“金三银四”跳槽季，后台就能收到很多关于求职面试的留言，其中最多的是问“零基础想学习数据分析，有好的书籍推荐吗？”小编了解到，在大厂的的高薪职位里，60%以上的招聘都是在招数据型人才。数据型人才，简单概括就是具备数据思维和分析能力过硬的人才。数据型人才之所以在招聘和应聘双方都备受瞩目，有两个根本原因:1.人才缺口非常大：大数据时代用数据分析指导业务决策已成为主流。据主流数据媒体调查，全国目前的
转载
2023-09-29 22:30:23
24阅读
选取书目 2.1资本资产定价模型与证券市场线 """ Linear regression with SciPy """ import是引用模块stats，stock_returns是股票收益率，mkt_return是市场收益率，”“是换行符，上下两行视为一个语句，linregress是计算CAPM模型的函数。2.3因子模型的多元线性回归先生成数据 impo
转载
2023-10-16 09:44:11
251阅读
众所周知，伴随着大数据时代的到来，大数据分析也逐渐出现，扩展开来，大数据及移动互联网时代，每一个使用移动终端的人无时无刻不在生产数据，而作为互联网服务提供的产品来说，也在持续不断的积累数据。数据如同人工智能一样，往往能表现出更为客观、理性的一面，数据可以让人更加直观、清晰的认识世界，数据也可以指导人更加理智的做出决策。随着大数据的日常化，为了防止大数据泛滥，所以我们必须要及时采取数据分析，提出
转载
2023-08-07 22:56:52
99阅读
# Python金融大数据分析入门指南
在金融科技飞速发展的今天，掌握金融大数据分析的技能可以为你打开许多职业大门。本文将带你一步一步地了解如何使用Python进行金融数据分析。
## 整体流程
我们可以将整个金融大数据分析流程分为以下几个步骤：
| 步骤 | 描述 |
|------|---------------------------|
|
一、基础准备环境：python 3.7+需要安装第三方模块：mplfinance、akshare运行编辑器：jupyter notebook二、动手动脑2.1 环境准备首先需要你的电脑安装好了Python环境，并且安装好了Python开发工具。如果你还没有安装，可以参考以下文章：如果仅用Python来处理数据、爬虫、数据分析或者自动化脚本、机器学习等，建议使用Python基础环境+jupyter即
转载
2023-09-11 14:48:45
238阅读
“数据为王”的时代，金融大数据被誉为“金矿”，其价值已成为共识。近年来，数据成为金融业的话题之王，大数据平台已经站在了一个新的节点，金融机构越来越依赖客户服务、创新产品和内部管理“数字”。尤其是传统征信行业，经常存在“覆盖面有限，审计周期长，信息采集面有限”等待缺点，而这正是AI，大数据、云计算等新技术优化，重塑服务链的发力点。在金融企业和非金融企业中，大数据不仅改变了传统的数字运营模式，而且为金
转载
2023-10-06 00:18:10
178阅读
数据分析是 Python 的一大应用领域。据我所知，本教室的读者中有不少学习 Python 就是为了在工作中能用它分析数据。这其中，又有相当一部分人是涉及金融相关行业，有从业人员，有学生，还有对此具有兴趣的爱好者。那么，想要学习用 Python 做数据分析该从何入手？既然是数据分析，首先，你得有数据。今天就来介绍一个很好用的财经数据包：TuShare 直接摘录 [TuShare 官网]上的介绍：T
转载
2023-10-18 05:31:48
94阅读
点赞
这是Python数据分析实战基础的第一篇内容，主要是和Pandas来个简单的邂逅。已经熟练掌握Pandas的同学，可以加快手速滑动浏览或者直接略过本文。01 重要的前言 这段时间和一些做数据分析的同学闲聊，我发现数据分析技能入门阶段存在一个普遍性的问题，很多凭着兴趣入坑的同学，都能够很快熟悉Python基础语法，然后不约而同的一头扎进《利用Python进行数据分析》这本经典之中，硬着头皮
转载
2024-08-30 00:03:26
10阅读
5.2 金融学图表5.2.1 mplfinancematplotlib的finance库包含不少可视化的金融图表，由于几代更新迭代，finance库也发生了变化。从2.2.0版本前调用：import matplotlib.finance as mpf到2.2.0版本后调用：pip install https://github.com/matplotlib/mpl_finance/archive/m
_无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。教程：
https://www.cbedai.net/qtlyx _1.简单的例子了解一点金融工程的对这个公式都不会太陌生，是用现在股价预测T时间股价的公式，其背后是股价符合几何布朗运动，也就是大名鼎鼎的BSM期权定价模型的基础。我们假设现在一个
转载
2023-07-21 22:00:56
15阅读
第一次接触大数据大四，学校组织不少的应用性实训课程，例如金融ERP、商业银行经营模拟等，不断地开拓我们的思维；与此同时，很多的教育机构、企业陆续的进入校园，我也是在这个机会中接触到了大数据。我对电脑的兴趣度不高，那就更不要提一些电脑中的应用软件的使用了。由于一项学分不足，我选择了为期两天“大数据”课程的培训，自此便有点喜欢这些软件了。当培训老师教我们Excel中的操作时，有很多方式可以让我们获取想
文章目录一. 数据源介绍二. 数据预处理2.1 删除空列2.2 删除不必要的列并对字符数据进行编码2.3 删除空值较多的列并对字符列进行编码2.4 预处理完成的数据三. 使用逻辑回归模型进行分析3.1 简单的逻辑回归模型3.2 逻辑回归+改变样本权重四. 随机森林4.1 初步的随机森林4.2 调整参数参考： 一. 数据源介绍下载地址: https://www.lendingclub.com/in
转载
2023-09-27 19:16:33
183阅读
一、问题设有一份购物篮数据basketdata.txt，包括两部分内容。第一部分是1000名顾客的个人信息，含7个变量：会员卡号(cardid)、消费金额(value)、支付方式(pmethod)、性别(sex，M表示男性，F表示女性)、是否户主(homeown)、年龄(age)及收入(income)。第二部分是1000名顾客一次购买的商品信息，变量均为二分类变量，取值1表示购买，取值0表示未购买
转载
2023-09-16 23:54:45
97阅读
课程目录： 第一课 工作环境准备及数据分析建模理论基础 1. 课程介绍2. 数据分析的基本概念3. Python简介和环境部署4. NumPy数据结构及向量化5. 数据分析建模理论基础 a. 机器学习基础 a. 数据分析建模过程 b. 常用的数据分析建模工具 案例. 使用Python实现蒙特卡洛模拟的期权估值 第二课 数据分析工具Pandas 1. Pandas
转载
2023-08-30 22:30:22
16阅读
文章目录0 前言1 金融风控一.题目理解1.1.题目概况1.2数据概况1.3预测指标三.查看数据四.分类指标计算示例4.1混淆矩阵4.2准确度4.3precision(精确度),recall(召回率),f1-score4.4P-R曲线4.5ROC曲线4.6AUC曲线4.7KS值五.数据分析5.1基本信息5.2查看数据集中特征缺失值，唯一值等5.3查看特征的数值类型有哪些，对象类型有哪些5.3.1
转载
2023-08-11 10:22:11
97阅读
现在大数据的应用领域非常广泛，它几乎已经涵盖各个行业，包括但不限于金融、政府、零售、交通、制造、电信、医疗卫生以及政府的很多部门的各个领域。然而，金融行业一直是大数据应用的前沿和领航者，这与金融行业的激烈竞争和“有钱”是分不开的。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），
转载
2024-01-11 12:25:53
12阅读
前言本文是刊载于《经济学（季刊）》2019年第4期《文本大数据分析在经济学和金融学中的应用:一个文献综述》和《经济学动态》2020年第4期《金融学文本大数据挖掘方法与研究进展》的阅读笔记在金融学领域的传统实证研究文献中，研究数据多局限于财务报告数据、股票市场数据等结构化数据（structured data）。而在大数据时代，计算机技术的不断提高使得数据类型更加丰富，文本大数据已经成为计算机可以解读
转载
2024-01-10 20:46:25
26阅读
