第 1章 结合金融场景演示Python基础编程 1
1.1 Python简介 1
1.2 Python的金融变量赋值与数据类型 6
1.3 Python的数据结构 12
1.4 Python的运算符号 22
1.5 Python的内置函数与自定义函数 28
1.6 Python的类 33
1.7 Python的句型 37
1.8 模块导入与math模块 42
1.9 本章小结 45
1.10 拓展阅读 46
第 2章 结合金融场景演示NumPy模块编程 47
2.1 从一个投资案例讲起 47
2.2 N维数组 49
2.3 数组的相关功能 54
2.4 数组的相关运算 58
2.5 基于统计分布的随机抽样 69
2.6 现金流模型 80
2.7 本章小结 88
2.8 拓展阅读 89
第3章 结合金融时间序列演示pandas模块编程 90
3.1 pandas的数据结构 90
3.2 时间索引 96
3.3 金融时间序列的数据可视化 100
3.4 数据框内部的操作 104
3.5 数据框之间的合并 114
3.6 统计功能 118
3.7 本章小结 127
3.8 拓展阅读 127
第4章 结合金融可视化演示Matplotlib模块编程 128
4.1 基本函数及参数的介绍 128
4.2 曲线图 133
4.3 直方图 138
4.4 条形图 143
4.5 散点图 148
4.6 饼图与雷达图 150
4.7 K线图 154
4.8 三维图 158
4.9 本章小结 163
4.10 拓展阅读 164
第5章 结合金融场景演示SciPy等模块编程 165
5.1 SciPy模块 165
5.2 statsmodels模块 184
5.3 波动率模型与arch模块 191
5.4 datetime模块 198
5.5 本章小结 203
5.6 拓展阅读 204
第6章 结合金融场景演示深度学习PyTorch模块编程 205
6.1 PyTorch环境部署 205
6.2 张量 208
6.3 神经元与激活函数 226
6.4 构建线性模型 232
6.5 全连接神经网络 240
6.6 循环神经网络 252
6.7 长短期记忆网络 263
6.8 本章小结 273
6.9 拓展阅读 274
第7章 结合金融场景的强化学习编程 275
7.1 强化学习入门 275
7.2 强化学习的编程技术框架——Gymnasium模块 286
7.3 创建并运行股票投资的强化学习环境 293
7.4 Q学习 303
7.5 深度Q网络 320
7.6 本章小结 338
7.7 拓展阅读 339
