基於Python的金融分析與風險管理

第1部分 入門篇

第1章 Python概覽 2
1.1 Python的定義與比較優勢 3
1.1.1 Python簡介 3
1.1.2 Python的比較優勢 4
1.2 Python之父—吉多·范羅蘇姆 5
1.3 Python的演進歷史和常用版本 7
1.4 Python的安裝 8
1.4.1 單獨安裝 8
1.4.2 集成安裝 8
1.4.3 安裝並啟動Anaconda 9
1.4.4 Spyder的介面 12
1.5 學習Python的方法論 13
1.5.1 學習的態度 13
1.5.2 學習的原則 13
1.5.3 學習的方法 14
1.6 金融資料的獲取 15
1.6.1 萬得（Wind） 15
1.6.2 同花順 15
1.6.3 CCER經濟金融資料庫 15
1.6.4 國泰安經濟金融研究資料庫 16
1.7 小結 16
1.8 拓展閱讀 16

第2章 結合金融演示Python的基本操作 17
2.1 金融變數在Python中的賦值 18
2.2 Python的資料類型 18
2.2.1 整型 19
2.2.2 浮點型 19
2.2.3 複數 20
2.2.4 字串 20
2.3 Python的資料結構 23
2.3.1 元組 23
2.3.2 列表 25
2.3.3 集合 28
2.3.4 字典 30
2.4 Python的運算子號 33
2.4.1 基本算術運算子號 33
2.4.2 關係運算子號 36
2.4.3 設定運算子號 37
2.4.4 成員運算子號 38
2.5 Python的主要內置函數 39
2.6 自訂函數 43
2.6.1 運用def語法 43
2.6.2 運用lambda函數 44
2.7 Python的語句 44
2.7.1 條件陳述式 44
2.7.2 迴圈語句 46
2.7.3 條件陳述式和迴圈語句結合 48
2.8 模組的導入與math模組 49
2.8.1 模組導入的若干種方法 50
2.8.2 math模組 51
2.9 小結 53
2.10 拓展閱讀 53

第2部分 基礎篇

第3章 結合金融場景演示NumPy模組的操作 56
3.1 從一個投資案例講起 57
3.2 N維陣列 58
3.2.1 陣列的結構 58
3.2.2 陣列的便捷生成 60
3.3 陣列的索引、切片和排序 63
3.3.1 索引 63
3.3.2 切片 64
3.3.3 排序 64
3.4 陣列的相關運算 65
3.4.1 陣列內的運算 65
3.4.2 陣列間的運算 69
3.4.3 矩陣的操作 72
3.5 通過NumPy生成亂數 74
3.5.1 主要的統計分佈 74
3.5.2 主要函數 80
3.5.3 相關示例 82
3.6 小結 85
3.7 拓展閱讀 86

第4章 結合金融時間序列演示Pandas模組的操作 87
4.1 Pandas的資料結構 88
4.1.1 序列 88
4.1.2 數據框 90
4.1.3 外部資料導入並直接生成數據框 91
4.2 陣列框的視覺化 93
4.2.1 中文字體的視覺化 93
4.2.2 資料框視覺化的函數與參數 94
4.2.3 一個示例 95
4.3 資料框內部的操作 96
4.3.1 描述資料框的基本性質 96
4.3.2 資料框的索引與截取 98
4.3.3 數據框的排序 100
4.3.4 數據框的*改 102
4.4 資料框之間的操作 105
4.4.1 生成兩個新的資料框 105
4.4.2 函數concat的運用 106
4.4.3 函數merge的運用 108
4.4.4 函數join的運用 109
4.5 陣列框的主要統計函數 109
4.5.1 靜態的統計函數 110
4.5.2 移動視窗與動態統計函數 114
4.6 小結 117
4.7 拓展閱讀 117

第5章 結合金融場景演示Matplotlib模組的操作 118
5.1 基本函數 119
5.2 曲線圖 122
5.2.1 單一曲線圖 123
5.2.2 多圖繪製 124
5.3 長條圖 126
5.3.1 單一樣本的長條圖 126
5.3.2 多個樣本的長條圖 128
5.4 橫條圖 129
5.4.1 垂直橫條圖 130
5.4.2 水準橫條圖 132
5.5 散點圖 133
5.6 圓形圖 136
5.7 小結 138
5.8 拓展閱讀 138

第6章 結合金融場景演示SciPy等模組的操作 139
6.1 SciPy模組 140
6.1.1 求積分 141
6.1.2 插值法 142
6.1.3 求解方程組 144
6.1.4 *優化求解 146
6.1.5 統計功能 150
6.2 StatsModels模組 156
6.3 波動率模型與arch模組 159
6.3.1 估計波動率 159
6.3.2 ARCH模型 160
6.3.3 GARCH模型 161
6.3.4 arch模組 163
6.4 datetime模組 167
6.4.1 創建時間的對象 168
6.4.2 存取時間物件的屬性 169
6.4.3 時間對象的運算 169
6.5 小結 171
6.6 拓展閱讀 171

第3部分 提高篇

第7章 運用Python分析利率與債券 174
7.1 利率體系 175
7.1.1 中央銀行利率 175
7.1.2 金融機構利率 177
7.1.3 金融市場利率 179
7.2 債券市場 182
7.2.1 債券交易場所 183
7.2.2 債券品種 185
7.3 利率的度量 188
7.3.1 利率的複利頻次 189
7.3.2 連續複利 192
7.3.3 零息利率 194
7.4 債券定價與債券收益率 195
7.4.1 債券的核心要素 195
7.4.2 基於單一貼現率的債券定價 195
7.4.3 債券到期收益率 196
7.4.4 基於不同期限貼現率的債券定價 197
7.4.5 通過票息剝離法計算零息利率 198
7.4.6 運用零息利率對債券定價 203
7.5 遠期利率與遠期利率協議 204
7.5.1 遠期利率 204
7.5.2 遠期利率協議 207
7.6 衡量債券利率風險的線性指標—久期 211
7.6.1 麥考利久期 212
7.6.2 修正久期 214
7.6.3 美元久期 217
7.7 衡量債券利率風險的非線性指標—凸性 218
7.7.1 凸性的運算式 219
7.7.2 案例 219
7.7.3 重要關係式 220
7.8 小結 221
7.9 拓展閱讀 221

第8章 運用Python分析股票投資 222
8.1 股票市場簡介 223
8.1.1 多層次股票市場 223
8.1.2 主要的股票指數 225
8.2 股票投資組合 228
8.2.1 投資組合的主要變數 229
8.2.2 投資組合的有效前沿 235
8.2.3 資本市場線 239
8.3 資本資產定價模型 241
8.3.1 系統風險與非系統風險 241
8.3.2 模型數學運算式及運用 245
8.4 股價服從的隨機過程 249
8.4.1 瑪律可夫過程與有效市場假說 249
8.4.2 維納過程與廣義維納過程 251
8.4.3 幾何布朗運動 253
8.5 投資組合的績效評估 259
8.5.1 夏普比率 259
8.5.2 索提諾比率 262
8.5.3 特雷諾比率 264
8.5.4 信息比率 266
8.6 小結 268
8.7 拓展閱讀 269

第9章 運用Python分析期貨套期保值 270
9.1 期貨市場的簡介 271
9.1.1 期貨交易所及合約品種 271
9.1.2 股指期貨合約的介紹 275
9.1.3 國債期貨合約的介紹 277
9.1.4 參與期貨交易的動機 279
9.2 股指期貨的套期保值 280
9.2.1 套期保值的類型 280
9.2.2 追加保證金的風險 282
9.2.3 基差風險 285
9.2.4 交叉套期保值 289
9.3 國債期貨合約的套期保值 297
9.3.1 計息天數規則 298
9.3.2 國債的報價 300
9.3.3 國債期貨*終價格 301
9.3.4 國債期貨的*廉價交割 304
9.3.5 基於久期的套期保值策略 307
9.4 小結 310
9.5 拓展閱讀 310

第10章 運用Python分析期權的定價與風險 311
10.1 A股股票期權市場簡介 312
10.1.1 權證市場 312
10.1.2 股指期權合約 313
10.2 期權類型和到期時的盈虧 315
10.2.1 期權的類型和要素 315
10.2.2 看漲期權到期時的盈虧 316
10.2.3 看跌期權到期時的盈虧 318
10.2.4 看跌-看漲平價關係式 320
10.3 布萊克-斯科爾斯-默頓模型 323
10.4 期權價格與相關變數的關係 325
10.4.1 期權價格與基礎資產價格的關係 325
10.4.2 期權價格與執行價格的關係 326
10.4.3 期權價格與波動率的關係 327
10.4.4 期權價格與無風險收益率的關係 328
10.4.5 期權價格與期權期限的關係 330
10.5 衡量期權的風險—希臘字母 331
10.5.1 期權的Delta 331
10.5.2 期權的Gamma 335
10.5.3 期權的Theta 339
10.5.4 期權的Vega 343
10.5.5 期權的Rho 347
10.6 期權的隱含波動率 351
10.6.1 運用牛頓反覆運算法計算隱含波動率 351
10.6.2 運用二分查找法計算隱含波動率 353
10.7 波動率微笑與斜偏 355
10.7.1 波動率微笑 355
10.7.2 波動率斜偏 358
10.8 小結 362
10.9 拓展閱讀 362

第11章 運用Python分析期權交易策略 363
11.1 保本票據 364
11.1.1 一個虛擬的案例 364
11.1.2 一個真實市場的案例 366
11.2 單一期權與單一基礎資產的策略 368
11.2.1 買入備兌看漲期權 369
11.2.2 賣出備兌看漲期權 371
11.2.3 買入保護看跌期權 373
11.2.4 賣出保護看跌期權 375
11.2.5 策略的期間收益 377
11.3 價差交易策略 381
11.3.1 牛市價差策略 381
11.3.2 熊市價差策略 385
11.3.3 盒式價差策略 389
11.3.4 蝶式價差策略 392
11.4 組合策略 397
11.4.1 跨式組合策略 397
11.4.2 序列組合策略與帶式組合策略 401
11.4.3 寬跨式組合策略 404
11.5 小結 412
11.6 拓展閱讀 412

第12章 運用Python測度風險價值 413
12.1 風險價值的概述 414
12.1.1 風險價值的定義 414
12.1.2 運用Python對風險價值視覺化 415
12.1.3 風險價值的優點與局限性 417
12.2 風險價值的方差-協方差法 418
12.2.1 方差-協方差法的簡介 418
12.2.2 案例 420
12.3 風險價值的歷史模擬法 423
12.3.1 歷史模擬法的簡介 423
12.3.2 案例 425
12.4 蒙特卡羅模擬法 428
12.4.1 蒙特卡羅模擬的簡介 428
12.4.2 案例 430
12.5 回溯檢驗、壓力測試與壓力風險價值 434
12.5.1 回溯檢驗 434
12.5.2 壓力測試 437
12.5.3 壓力風險價值 439
12.5.4 比較不同方法計算的風險價值 443
12.6 小結 443
12.7 擴展閱讀 443

後記 445