Python金融实战案例精粹

.Python金融布道者、华尔街先生斯文博士新作；

.88个原创案例、308项Python编程任务帮你快速掌握相关知识；

.赠送62张Excel数据表、88张Python彩图文件，可在异步社区轻松下载。

【贴近实务】

全部案例以及相关基础数据均来源于现实的金融市场，案例的场景将Z大化地还原日常金融实务工作。

【覆盖面广】

案例涵盖广泛的金融产品、金融机构和金融市场，读者可以结合自身需要，获得高效实用的解决方案。

【体验感佳】

通过本书不同案例之间的岗位角色变化，读者能获得身临其境的体验，更好地融入到金融实战。

【实用性强】

本书每个案例涉及3~5项编程任务，任务之间相互关联、层层推进，打通从“技能端”到“应用端”的最后一公里。

随着金融科技时代的到来，Python在金融领域的影响力已经有目共睹。掌握Python在金融实务中的应用，已经成为金融科技达人们必备的技能之一。

本书作为《基于Python的金融分析与风险管理》一书的配套案例集，整合了源于现实金融市场和日常实务工作的88个原创案例，涉及308项编程任务，包括超过6000行的Python代码。本书囊括了丰富多样的金融场景，涵盖利率、汇率、债券、股票、基金、远期、股指期货、外汇期货、国债期货、股票期权、商品期权等金融产品，还涉及商业银行、证券公司、期货公司、保险公司、信托公司、资产管理公司、基金管理公司、金融控股公司等各类型的金融机构，既介绍了包括我国在内的新兴市场，又介绍了欧美成熟的金融市场，囊括金融实务中可能涉及Python编程的各种场景。

本书着眼于一系列从业者可能涉及的金融实务案例，并结合Python编程给出了高效的解决方案。通过阅读本书，读者能够全方位地了解金融市场的运作，深刻洞察各类职务背后的工作技巧。

斯文，笔名华尔街先生，浙江湖州人，经济学博士，中国注册会计师（CPA），特许金融分析师（CFA），金融风险管理师（FRM）。目前在一家金融资产交易中心担任风险管理部总经理，拥有在中外资银行、证券公司、信托公司、金融控股集团等机构十余年的金融与风险管理从业经验。

斯文博士也是上海财经大学风险管理校友俱乐部发起人兼理事长、《上财风险管理论坛》杂志主编、上海财经大学金融风险管理峰会秘书长、上海资产管理行业风险管理同业交流会秘书长，并担任中国人民大学、中南财经政法大学、华东政法大学等多所高校的金融硕士研究生合作导师或业界导师，还担任人民邮电出版社金融科技图书专家顾问。公开发表学术论文50余篇，出版著作《基于Python的金融分析与风险管理》和《中国外汇衍生品市场研究》，并荣获人民邮电出版社“2019年度Z具影响力作者”称号。

斯文博士还依托于互联网平台，历时3年多推出了《期权、期货及其他衍生产品（第九版）》视频讲解系列（共360讲），累计观看人次超过百万，并长期致力于倡导和推广Python在金融领域尤其是风险管理领域的运用。

Python凭借其简单、易读、灵活、可扩展性强的特点和优势，在金融领域得到日益广泛的应用。面对庞杂的Python内容，斯文博士凭借深厚的理论功底，丰富的金融从业经验，卓越的驾驭能力，构建了较为完善的Python金融场景应用体系。本书与其姊妹篇《基于Python的金融分析与风险管理》，二者有的放矢、相得益彰，深度讲解和演示了Python在金融行业中的应用技巧，非常适合金融领域的研究人员和从业人员学习参考，有助于大家在金融科技时代拔得头筹，成为金融界的Python达人。

——徐其瑞 中信银行国际（中国）有限公司行长助理、风险管理部总经理

长期以来，斯文博士致力于通过运营自媒体、出版专业图书和组织各类研讨会等方式传播金融风险管理知识，并为此付出了大量心血。本书是基于其丰富的金融从业经验，为包括风险管理从业者在内的广大金融人士和准备从事金融工作的人士量身定制的Python实战案例。本书Z大的特色是按照不同的职场角色，对Python语言在量化金融方面的应用进行了详细介绍，做到了对各种金融产品和不同金融机构的全场景式覆盖。本书内容编排独具匠心，结构紧凑、抽丝剥茧，案例翔实、实战性强，非常适合从事金融风险管理的人士阅读。

——唐虞 苏黎世财产保险（中国）有限公司总经理助理、首席风险官

金融科技转型已成为整个金融行业发展的大趋势，各家机构对于具备金融量化背景从业者的要求也越来越高。Python作为一门灵活通用的脚本语言，非常适合解决各类金融建模问题。斯文博士在本书中为我们详述了诸多经典金融实战案例，既有理论深度，又有实战经验，是一本不可多得的金融量化技能进阶指南。

——邹伟 长江证券股份有限公司风险管理部总经理

人工智能等前沿技术在金融业的广泛应用，使“信息不对称”这一传统命题有了更有效率的解决方案。而Python的高度开放性使其成为金融科技领域无可争议的主流编程语言。本书从实际工作场景出发，通过案例帮助银行、证券、基金、保险等行业的广大金融人士掌握量化分析技巧，并用可视化的手段进行沟通，可谓是用以致学。对于有志于将金融科技与传统金融相融合的读者来说，本书是一本值得反复阅读的案头书。

——姜默君 上海电气金融集团综合管理部部长

毫无疑问，Python已经成为主流的金融量化分析工具。通过阅读本书，读者可以针对Python在产品定价、投资策略、风险管理的各种应用场景，由浅入深、循序渐进地进行数据、算法、模型和分析的演练，从而快速掌握Python编程技巧及其应用。对于有意了解或从事Python金融量化分析的朋友，这是一本不容错过的好书。

——缪维民 新加坡CriAT公司联合创始人兼首席执行官

全球金融量化分析领域的知名专家

本书是斯文博士继《基于Python的金融分析与风险管理》一书之后推出的又一本金融科技领域的重量级作品。斯文博士在金融与风险管理方面有着深厚的积累，同时也有着丰富的编程经验，一直致力于倡导和推广Python在金融领域的应用。本书专注于Python在金融领域的实际应用，案例清晰、深入浅出，读者可举一反三。更难能可贵的是，本书结合Z近的金融市场剧烈波动，提出了解决方案，包括期货、期权等衍生品的套期保值和组合策略。所谓“不畏浮云遮望眼，只缘身在Z高层”，本书对于希望从事金融工程、量化交易或者风险管理的读者着实是一本难得的案头参考书。

——陈剑 信风科技创始人兼首席执行官、明晟公司（MSCI）高级顾问

上海交通大学上海高级金融学院兼职教授

Python语言是现代金融量化分析的重要工具。要熟练掌握Python金融量化编程，仅靠学习Python语法显然是不够的，更需要在大量金融案例分析的Python编程实践中去提升自己的编程能力和技巧。斯文博士根据自己渊博的金融理论知识和丰富的金融实战经验精心编写的《Python金融实战案例精粹》，是一本难得的用于Python金融量化分析学习和训练的优秀案例教材。

——陈学彬 复旦大学金融研究院原常务副院长、教授、博导

斯文博士的《Python金融实战案例精粹》提供了近百个金融编程案例和代码，可以快速实现对已有金融理论的Python编程。对于想学习Python编程的金融学子们来说，它有很好的参考价值。

——吴文锋 上海交通大学安泰经济与管理学院副院长、金融学教授

这是一本值得每一位金融专业学生认真、系统、反复研读的书。斯文博士凭借自己对金融行业深刻的理解与非凡的洞见，运用浅显易懂却又不乏生动的笔墨，借助全球通行的计算机语言Python，设计出一个个让读者身临其境、即学即用的金融实战案例，细细品味每个案例，处处皆有学问，处处可得惊喜！

——郑振龙 厦门大学“闽江学者”特聘教授

科技赋能金融，正在颠覆人们对金融的认知，也使金融的未来充满了无限可能。斯文博士继出版《基于Python的金融分析与风险管理》之后，又推出姊妹篇《Python金融实战案例精粹》，本书将Python应用到广泛的金融机构和金融业态，基本涵盖了常见的金融场景和金融产品，具有很高的技术含量，有望成就更多的金融科技达人。

——宋清华 中南财经政法大学金融学院原院长、教授、博导

第 1章 Python基础编程的金融案例 1

1.1 数据结构之元组—以科创板股票为分析对象 2

1.2 数据结构之列表—以全球股票指数为分析对象 6

1.3 数据结构之集合—以股票类型为分析对象 10

1.4 数据结构之字典—以人民币汇率为分析对象 13

1.5 基本算术运算—以交通银行股票为分析对象 16

1.6 高级赋值运算与成员运算—以中国平安股票为分析对象 19

1.7 关系运算—以四大国有银行的财务指标为分析对象 22

1.8 Python内置函数—以券商股为分析对象 25

1.9 Python自定义函数和for语句—以市场利率为分析对象 29

1.10 条件语句和循环语句—以全球重要股指为分析对象 32

1.11 math模块—以保险理赔为分析对象 36

1.12 本章小结 39

第 2章 NumPy模块编程的金融案例 40

2.1 创建N维数组—以美国纳斯达克的科技股为分析对象 41

2.2 数组索引和切片—以互联网公司发行的港股为分析对象 45

2.3 数组内部运算（一）—以保险公司股票为分析对象 48

2.4 数组内部运算（二）—以A股指数为分析对象 52

2.5 数组间运算—以中资银行股为分析对象 55

2.6 矩阵运算（一）—以全球主要股指为分析对象 59

2.7 矩阵运算（二）—以科创板股票为分析对象 64

2.8 二项分布与几何分布随机抽样—以保险业务为分析对象 68

2.9 正态分布和对数正态分布随机抽样—以石油公司股票为分析对象 72

2.10 伽玛分布和贝塔分布随机抽样—以债券违约率与回收率为分析对象 77

2.11 本章小结 82

第3章 Pandas模块编程的金融案例 83

3.1 创建序列和数据框—以开放式基金为分析对象 84

3.2 导入外部数据文件和导出生成数据文件—以Shibor利率为分析对象 88

3.3 数据框可视化—以上证50指数为分析对象 92

3.4 数据框检索—以沪港通股票为分析对象 98

3.5 数据框缺失值处理—以金砖四国的股票指数为分析对象 102

3.6 数据框拼接—以纽交所上市的央企股票为分析对象 106

3.7 Pandas模块的统计功能（一）—以QDII基金为分析对象 111

3.8 Pandas模块的统计功能（二）—以全球大型银行股票为分析对象 116

3.9 Pandas模块的统计功能（三）—以创业板股票为分析对象 121

3.10 移动窗口与动态统计—以全球主要股指为分析对象 128

3.11 本章小结 133

第4章 Matplotlib模块编程的金融案例 134

4.1 绘制曲线图—以住房按揭贷款为分析对象 135

4.2 绘制垂直条状图和双轴图—以货币政策为分析对象 140

4.3 绘制K线图—以上证综指与深证成指为分析对象 145

4.4 绘制直方图—以同时发行A股和美股的公司股票为分析对象 152

4.5 绘制条形图—以全球主要股指为分析对象 158

4.6 绘制雷达图—以四大国有银行的财务监管指标为分析对象 162

4.7 绘制散点图—以A股和港股的股指为分析对象 167

4.8 绘制饼图—以社会融资规模的结构为分析对象 172

4.9 本章小结 177

第5章 SciPy等模块编程的金融案例 178

5.1 用SciPy模块运算积分—以上市的车企股票为分析对象 179

5.2 用SciPy模块计算插值—以Shibor利率为分析对象 184

5.3 用SciPy模块求解方程组—以中小板股票为分析对象 190

5.4 用SciPy模块求解最优值—以投资者效用为分析对象 193

5.5 SciPy模块的统计功能—以Hibor和Shibor利率为分析对象 198

5.6 用SciPy模块开展随机抽样与统计—以美国金融变量为分析对象 202

5.7 用StatsModels模块构建回归模型—以中国石油股票为分析对象 207

5.8 用arch模块构建波动率模型—以全球主要股指为分析对象 212

5.9 用datetime模块处理时间对象—以银行理财产品为分析对象 220

5.10 本章小结 223

第6章 用Python分析利率与债券的案例 224

6.1 计算不同复利频次的利息—以定期存款为分析对象 225

6.2 基于单一贴现率的债券定价—以国债为分析对象 229

6.3 基于票息剥离法计算零息利率曲线—以国债利率为分析对象 233

6.4 基于不同期限零息利率的债券定价—以金融债和地方债为分析对象 238

6.5 远期利率—以国债为分析对象 241

6.6 远期利率协议现金流—以Libor远期利率协议为分析对象 246

6.7 远期利率协议定价—以Shibor远期利率协议为分析对象 250

6.8 债券麦考利久期—以利率债为分析对象 254

6.9 债券修正久期和美元久期—以央企债券为分析对象 260

6.10 债券凸性—以地方政府债为分析对象 264

6.11 本章小结 270

第7章 用Python分析股票投资的案例 271

7.1 投资组合收益率和波动率—以金融股为分析对象 272

7.2 最优投资组合—以道琼斯指数成分股为分析对象 278

7.3 资本资产定价模型（一）—以交通银行A股为分析对象 283

7.4 资本资产定价模型（二）—以美股为分析对象 290

7.5 服从几何布朗运动的股价模拟—以互联网公司股票为分析对象 296

7.6 A股与H股套利策略—以招商银行股票为分析对象 303

7.7 投资组合绩效评估（一）—以公募基金为分析对象 309

7.8 投资组合绩效评估（二）—以QDII基金为分析对象 316

7.9 本章小结 321

第8章 用Python分析期货套期保值的案例 322

8.1 期货空头套期保值—以上证50指数期货为分析对象 323

8.2 期货多头套期保值—以美元兑人民币期货合约为分析对象 328

8.3 最优套保比率和最优合约数量—以A股股指期货为分析对象 333

8.4 国债期货可交割债券转换因子—以国债为分析对象 341

8.5 国债期货最廉价交割债券—以国债期货TS1906合约为分析对象 346

8.6 基于久期的套期保值策略—以债券和国债期货为分析对象 351

8.7 本章小结 360

第9章 用Python分析期权交易的案例 361

9.1 期权定价与到期盈亏—以腾讯公司股票期权为分析对象 362

9.2 期权希腊字母—以2只上证50ETF期权合约为分析对象 368

9.3 期权对冲策略—以50ETF沽6月2050期权为分析对象 373

9.4 期权隐含波动率—以3只上证50ETF期权为分析对象 379

9.5 单一期权与基础资产交易策略—以50ETF期权和基金为分析对象 385

9.6 期权牛市价差策略—以阴极铜期权为分析对象 391

9.7 期权熊市价差策略—以天然橡胶期权为分析对象 396

9.8 期权盒式价差策略—以4只上证50ETF期权为分析对象 402

9.9 期权蝶式价差策略—以豆粕期权为分析对象 406

9.10 跨式组合与宽跨式组合策略—以白糖期权为分析对象 412

9.11 本章小结 419

第 10章 用Python测度风险价值的案例 420

10.1 方差-协方差法—以公募基金重仓股为分析对象 421

10.2 历史模拟法—以社保基金重仓股为分析对象 427

10.3 蒙特卡洛模拟法—以QFII重仓股为分析对象 431

10.4 风险价值模型合理性检验—以保险资金重仓股为分析对象 437

10.5 投资组合压力测试—以蓝筹股和国债为分析对象 442

10.6 压力风险价值—以伯克希尔 哈撒韦公司重仓股为分析对象 448

10.7 本章小结 456