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(python统计学,关键词优化)

Python在计量金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。

Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的首选编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。

《Python金融大数据分析》总计分为3部分，共19章，第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中最重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成，以及基于Web应用和Web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。

一部分py与金融，作者讲解了为什么选择py进行金融数据分析，以及py数据分析配套的库；第二部分金融分析与开发，大致内容有py基础语法结构、绘图、pandas、文件读取、性能优化、粗浅的数学统计、GUI/Web集成；第三部分衍生品分析，其实就是具体时间，内容包括估值框架、价格模拟（回归）。

本书优点：介绍了py在进行数据分析中使用到的一些库，比较全面；以金融数据分析，进行了具体的实践；内容比较全面，设计具体理论内容比较少。

本书缺点：因为篇幅原因每种库的介绍比较少，应该在每章加入深入阅读的资料；书中理论部分缺少具体的说明，应给出参考文献；书中绘图部分比较基础，缺少对类似seaborn库的介绍，不够过瘾。