解密金融数据

解密金融数据

by Justin Pauley
Released September 2018
Publisher(s): China Machine Press
ISBN: 9787111607885

Read it now on the O’Reilly learning platform with a 10-day free trial.

O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial

Book description

技术是获取和解释金融数据的强大工具，能给你华尔街上所有人都想要的东西:优势。你不需要成为一名程序员就能从彭博、IHS Markit或其他系统获取金融信息。

通过本书并结合你的见解与彭博或Markit的数据，你将了解分析金融信息和生成专业报告的技能。

如果你是一名程序员，本书也包含用C#来覆盖相同主题的方法。

  • 对比公司、债券或贷款，并使用在彭博屏幕上看不到的数据。
  • 为单个公司建立两页的活页报告，包含重要的金融数据、与其对等组的相对价值比较和价格趋势。
  • 建立投资组合总结报告，包含业绩、增长、风险调整后收益和组合。
  • 探索公司债券和贷款市场的每日价格和贷款信息。
  • 利用相关性和回归确定两种证券(或指数)之间的关系。
  • 通过计算方差、标准差和夏普比率来衡量投资组合风险调整后的收益。
  • 使用Markit数据来识别有意义的趋势。

Table of contents

  1. 封面
  2. 扉页
  3. 版权页
  4. O'Relly介绍
  5. 本书赞誉
  6. 译者序
  7. 目录 (1/2)
  8. 目录 (2/2)
  9. 前言
    1. 本书排版约定
    2. 使用代码示例
    3. Safari在线图书
    4. 联系方式
    5. 致谢
  10. 第1章 简介
    1. 1.1 概览
      1. 1.1.1 第一部分：获取金融数据
      2. 1.1.2 第二部分：金融数据分析
      3. 1.1.3 第三部分：创建金融报告
    2. 1.2 金融市场
      1. 1.2.1 股票
      2. 1.2.2 企业贷款（银行贷款、杠杆贷款）
      3. 1.2.3 企业债券
    3. 1.3 三种途径
      1. 1.3.1 途径1：Microsoft Excel
      2. 1.3.2 途径2：Microsoft Access
      3. 1.3.3 途径3： C#
    4. 1.4 线上文件
    5. 1.5 本章小结
  11. 第2章 组织金融数据
    1. 2.1 途径1： Excel
      1. 2.1.1 Excel区域与Excel表
      2. 2.1.2 增加引用列
      3. 2.1.3数据验证
    2. 2.2 途径2和3：Access中的表格
      1. 用查询连接数据
    3. 2.3 本章小结
  12. 第3章 彭博
    1. 3.1 确定字段
      1. 3.1.1 鼠标滑动
      2. 3.1.2 FLDS屏幕
      3. 3.1.3 彭博函数构造器和在Excel中发现字段
      4. 3.1.4 如果其他都失败了……
    2. 3.2 Excel案例
      1. 3.2.1 提取单一字段（BDP）
      2. 3.2.2 提取批量数据（BDS）
      3. 3.2.3 提取历史数据（BDH）
    3. 3.3 用于比较的有价证券
      1. 3.3.1 指数
      2. 3.3.2 对等有价证券
      3. 3.3.3 关于有价证券
    4. 3.4 途径1和2： Excel和Access
      1. 3.4.1 企业债券、贷款和指数
      2. 3.4.2 公司工作表
      3. 3.4.3 引用和重写
    5. 3.5 途径3：彭博C# API
      1. 3.5.1 设置Microsoft Access 以用于C#
      2. 3.5.2 彭博C# API
      3. 3.5.3 基本引用示例
      4. 3.5.4 基本历史示例
      5. 3.5.5 填入Access数据库 (1/2)
      6. 3.5.5 填入Access数据库 (2/2)
    6. 3.6 本章小结
  13. 第4章 IHS Markit：大企业数据
    1. 4.1 企业贷款
      1. 4.1.1数据请求
      2. 4.1.2 贷款信息
      3. 4.1.3 贷款定价、金融和分析
    2. 4.2 企业和主权债券
    3. 4.3 途径 1：在Excel中存储Markit信息
    4. 4.4 途径2：将Markit数据导入Microsoft Access
    5. 4.5 途径3：用C#导入Markit数据
    6. 4.6 本章小结
  14. 第5章金融数据分析
    1. 5.1数据真实性
      1. 5.1.1 检查数据
      2. 5.1.2 样本规模
      3. 5.1.3 异常值
    2. 5.2 投资组合
      1. 5.2.1 投资组合工作表
      2. 5.2.2 投资组合数据库表
    3. 5.3 连接Excel工作表和Microsoft Access
    4. 5.4 留存记录
      1. 5.4.1 途径1： Excel
      2. 5.4.2 途径2：Microsoft Access
      3. 5.4.3 途径3：C#
    5. 5.5 本章小结
  15. 第6章 相对价值分析
    1. 6.1 途径1：Excel
      1. 6.1.1 Excel中的相关性与回归
      2. 6.1.2 对等组
      3. 6.1.3 评级
      4. 6.1.4 统计工作表
      5. 6.1.5 并排比较
      6. 6.1.6 指数
      7. 6.1.7 加权Z值
    2. 6.2 途径2：Access
      1. 6.2.1 Access中的相关性和回归
      2. 6.2.2 Access中的中位数
    3. 6.3 途径3：C#
      1. 6.3.1 相关性和回归
      2. 6.3.2 对等组
      3. 6.3.3 评级
      4. 6.3.4 统计表 (1/2)
      5. 6.3.4 统计表 (2/2)
      6. 6.3.5 并排比较
      7. 6.3.6 加权Z值
    4. 6.4 本章小结
  16. 第7章 组合风险分析
    1. 7.1 途径1：Excel
      1. 7.1.1 方差、波动性和标准差 (1/2)
      2. 7.1.1 方差、波动性和标准差 (2/2)
      3. 7.1.2 带历史或预期收益的夏普比率
      4. 7.1.3 投资组合分解 (1/3)
      5. 7.1.3 投资组合分解 (2/3)
      6. 7.1.3 投资组合分解 (3/3)
      7. 7.1.4 警告标志
    2. 7.2 途径2：Access
      1. 7.2.1 投资组合分解
      2. 7.2.2 警告标志
    3. 7.3 途径3：C#
      1. 7.3.1 历史或预测收益的夏普比率
      2. 7.3.2 投资组合分解和警告标志
    4. 7.4 本章小结
  17. 第8章 市场分析
    1. 8.1 途径1：Excel
      1. 8.1.1 新发放贷款分析
      2. 8.1.2 再融资
      3. 8.1.3 价格历史 (1/2)
      4. 8.1.3 价格历史 (2/2)
    2. 8.2 途径2和3： Access和C#
      1. 8.2.1 新发放贷款分析
      2. 8.2.2 再融资
      3. 8.2.3 价格历史
      4. 8.2.4 更进一步
    3. 8.3 本章小结
  18. 第9章 创建报告
    1. 9.1 途径1：Excel (1/2)
    2. 9.1 途径1：Excel (2/2)
    3. 9.2 途径2：Microsoft Access
    4. 9.3 途径3：C#和SSRS (1/3)
    5. 9.3 途径3：C#和SSRS (2/3)
    6. 9.3 途径3：C#和SSRS (3/3)
    7. 9.4 本章小结
  19. 第10章 投资组合报告
    1. 10.1 监测业绩和风险
    2. 10.2 途径1：Microsoft Excel
      1. 10.2.1 计算收益
      2. 10.2.2 投资组合报告 (1/2)
      3. 10.2.2 投资组合报告 (2/2)
    3. 10.3 途径3：C#和SSRS (1/2)
    4. 10.3 途径3：C#和SSRS (2/2)
    5. 10.4 本章小结
  20. 第11章 结论
  21. 附录A 表格参考 (1/4)
  22. 附录A 表格参考 (2/4)
  23. 附录A 表格参考 (3/4)
  24. 附录A 表格参考 (4/4)
  25. 作者简介

Product information

  • Title: 解密金融数据
  • Author(s): Justin Pauley
  • Release date: September 2018
  • Publisher(s): China Machine Press
  • ISBN: 9787111607885

You might also like

book

数据库系统内幕

by Alex Petrov

当我们选择、使用并维护一个数据库系统时，理解它的原理至关重要。但是现今有太多的分布式数据库和工具可供使用，要想弄明白每一种工具的作用以及它们之间的区别往往并不容易。在这本实用指南中，作者讲解了现代数据库和存储引擎背后的概念。 通过本书，你将领略到从众多书籍、论文、博客和多个开源数据库源代码中精心选取的相关材料，并且了解到众多现代数据库之间最重要的区别在于决定存储结构和数据分布的子系统。 你将深入了解如下内容： 存储引擎：学习存储的种类、分类依据，理解基于B树和不可变日志存储结构的存储引擎。 存储构建块：理解数据库文件如何使用诸如页缓存、缓冲池等辅助数据结构来组织构建高效的存储。 分布式系统：逐步学习节点和进程间如何连接并构建复杂的通信模式。 数据库集群：深入探究现在数据库中常用的一致性模型，并了解分布式存储系统是如何实现一致性的。

book

管理Kubernetes

by Brendan Burns, Craig Tracey

虽然Kubernetes极大地简化了部署容器化应用程序的工作，但每天管理这种编排框架仍然是一项复杂的工作。站点管理人员以及 开发运营工程师可以通过本书学习如何构建、操作、管理及升级 Kubernetes集群，无论这些集群位于云基础架构之上还是在企业内部。 本书的作者Brendan Burns是Kubernetes的联合创始人，而Craig Tracey 是Heptio的现场工程师。本书详细讲解了Kubernetes的内部工作原理，并向读者展示了如何通过维护、调整和改善集群来满足特定需求。你可以通过本书学习如何从设计集群、管理访问控制、监视和报警，以及升级Kubernetes等方面来综合考虑架构的选择，还可以 通过本书深入了解如何充分利用这种编排框架的功能。 “学习如何操作集群，开发人员如何利用Kubernetes部署应用程序，以及如何利用Kubernetes减轻开发人员的负担。 通过掌握Kubernetes API以及配置选项来调整、保护，以及调节集群。 检测集群级别的问题，学习必要的响应步骤并快速恢复集群。 确定如何以及何时添加构建、扩展或以其他方式改进 Kubernetes集群的库、工具和平台。

book

写给系统管理员的Python脚本编程指南

by Posts & Telecom Press, Ganesh Sanjiv Naik

Python脚本编程手册，Python脚本编程指南 Key Features 从基础到高级编程，全面系统地介绍Python脚本在系统管理中的作用。 市场上少见的介绍将Python脚本应用于系统管理的图书。 本书附有配套资源，帮助读者学以致用，将所学应用到真实场景中。 Book Description 本书是一本介绍Python编程的进阶图书，包含了大量关于Python脚本设计的主题。本书共18章，首先带领读者快速复习Python基础知识，然后循序渐进地介绍了一些实用主题，包括Python脚本的调试和分析、编写单元测试、系统管理、处理文件和数据、文件归档以及文本处理等。然后介绍了网络编程、处理电子邮件、远程控制主机、创建图形用户界面、处理日志文件、编写网络爬虫、数据收集和可视化以及操作数据库等更加高阶的主题。本书中每一知识点都结合可以运行的源码讲解，帮助读者更好地掌握Python脚本编程。 本书要求读者具备Python的基础知识，非常适合对Python编程有基本了解并且有兴趣将编程技能扩展到命令行脚本和系统管理的读者阅读。 What you will learn 了解如何安装Python和调试Python脚本； 了解和编写用于自动化测试和日常管理活动的脚本； …

book

金融人工智能：用Python实现AI量化交易

by Yves Hilpisch

人工智能和机器学习的广泛应用给当今的许多行业带来了根本性的变革。在金融领域，人工智能技术也已锋芒初露。通过阅读本书，你将了解如何利用神经网络和强化学习等方法，对金融市场的走势做出预测。 作者伊夫·希尔皮斯科博士基于多年开发、回测和部署人工智能算法交易策略的实战经验，展示了将人工智能算法应用于金融场景的实用方法。本书包含大量Python示例，有助于你边学边练，轻松复现书中的所有结果。 学习人工智能的主要概念和算法，并了解通用人工智能和超级智能 理解机器学习和数据驱动的金融学将如何改变金融理论和实践 运用神经网络和强化学习等方法，发掘金融市场的统计失效现象 学习向量化回测和算法交易，并掌握人工智能算法交易策略的执行与部署 展望金融人工智能的未来，涉及基于人工智能的竞争和金融奇点