第一篇 Python基础篇
第1章　Python基础知识　2
【学习导读】　2
【学习目标】　2
【思维导图】　3
1.1 Python概述与环境搭建　3
1.1.1 Python概述　3
1.1.2 Anaconda概述　5
1.1.3 Jupyter Notebook概述　6
1.1.4 Python库的安装　9
1.2 Python的数据类型　10
1.2.1 整型　10
1.2.2 浮点型　10
1.2.3 复数　11
1.2.4 字符串　11
1.3 Python的数据结构　12
1.3.1 元组　12
1.3.2 列表　13
1.3.3 字典　13
1.4 Python的运算符　14
1.5 Python的函数　16
1.5.1 内置函数　16
1.5.2 自定义函数　16
1.6 Python的基本结构　17
1.6.1 顺序结构　17
1.6.2 选择分支结构　17
1.6.3 循环结构　18
1.7 Python在金融数据中的应用　20
【课后习题】　22

第2章　数据分析相关库　23
【学习导读】　23
【学习目标】　23
【思维导图】　24
2.1 数组运算NumPy　24
2.1.1 NumPy概述　24
2.1.2 数组的创建　25
2.1.3 数组的常用属性　26
2.1.4 数组的形状改变　27
2.1.5 数组的索引与切片　28
2.1.6 数组的运算　30
2.2 数据处理pandas　32
2.2.1 pandas概述　32
2.2.2 Series的创建　33
2.2.3 Series的索引及切片　34
2.2.4 DataFrame的创建　35
2.2.5 DataFrame的写入与读取　37
2.2.6 DataFrame的索引　38
2.2.7 DataFrame的增删改查　40
2.2.8 DataFrame的合并　41
2.3 数据绘图Matplotlib　43
2.3.1 Matplotlib绘图基础　43
2.3.2 Matplotlib图形绘制　45
【课后习题】　47

第二篇 金融数据分析与挖掘篇
第3章　金融数据获取及预处理　49
【学习导读】　49
【学习目标】　49
【思维导图】　50
3.1 金融数据获取　50
3.1.1 第三方数据接口　50
3.1.2 网络爬虫　52
3.2 数据清洗　55
3.2.1 缺失值处理　56
3.2.2 重复值处理　58
3.2.3 异常值处理　59
3.3 数据变换　59
3.3.1 数据类型转换　59
3.3.2 数值型特征归一化　62
3.3.3 类别型特征编码　64
3.3.4 日期变量提取　65
【课后习题】　66
【本章实训】A股银行行业历史行情数据获取及预处理　66
【实战演练】新浪财经历史分红数据的获取与预处理　70

第4章　金融数据描述性分析与可视化　71
【学习导读】　71
【学习目标】　71
【思维导图】　72
4.1 统计量和描述性分析　72
4.1.1 定性变量的描述性分析　72
4.1.2 定量变量的描述性分析　74
4.2 双变量的描述性分析　77
4.2.1 定性变量与定性变量　77
4.2.2 定量变量与定量变量　78
4.2.3 定性变量与定量变量　81
4.3 金融技术分析工具　83
4.3.1 K线图　83
4.3.2 移动平均线　84
4.3.3 mplfinance绘图　85
【课后习题】　88
【本章实训】贵州茅台股票价格走势分析与可视化　88
【实战演练】比亚迪股票价格走势分析与可视化　92

第5章　数据建模：有监督学习　93
【学习导读】　93
【学习目标】　93
【思维导图】　94
5.1 有监督学习　94
5.1.1 有监督学习简介　94
5.1.2 性能度量　96
5.2 线性回归　99
5.2.1 一元线性回归　99
5.2.2 多元线性回归　100
5.2.3 线性回归算法案例实践　102
5.3 逻辑回归　104
5.3.1 逻辑回归模型　105
5.3.2 逻辑回归模型案例实践　107
5.4 决策树　110
5.4.1 决策树原理　112
5.4.2 决策树算法案例实践　114
5.5 随机森林　116
5.5.1 随机森林算法思想　117
5.5.2 随机森林算法案例实践　117
【课后习题】　119
【本章实训】贷款利率预测　120
【实战演练】上市公司营收预测　122

第6章　数据建模：无监督学习　123
【学习导读】　123
【学习目标】　123
【思维导图】　124
6.1 无监督学习概述　124
6.2 主成分分析　125
6.2.1 主成分分析算法思想　125
6.2.2 主成分分析案例实践　126
6.3 因子分析　128
6.3.1 因子分析基本概念　128
6.3.2 因子分析案例实践　130
6.4 K均值聚类　131
6.4.1 K均值聚类的基本原理　132
6.4.2 K均值聚类案例实践　132
【课后习题】　135
【本章实训】HKD_CNY数据的聚类分析　136
【实战演练】美元期货指数聚类分析　140

第三篇 综合应用篇
第7章　上市公司股票数据获取与可视化分析　142
7.1 上市公司及股票概述　143
7.2 个股股票数据获取及可视化　143
7.2.1 个股股票数据获取　143
7.2.2 数据预处理　144
7.2.3 描述性分析与可视化　146
7.3 多只股票数据获取及可视化　149
7.3.1 多只股票数据获取与预处理　149
7.3.2 多只股票的描述性分析与可视化　151
7.4 案例报告——金融行业上市公司股票数据可视化分析　153
7.4.1 背景介绍　153
7.4.2 数据说明　153
7.4.3 描述性分析及可视化　154
7.4.4 总结与建议　159

第8章　沪深300指数预测　160
8.1 沪深300指数概述　161
8.2 数据说明与预处理　161
8.2.1 数据说明　161
8.2.2 数据预处理　162
8.3 沪深300指数分析　163
8.3.1 沪深300指数描述性分析　163
8.3.2 沪深300指数可视化分析　163
8.4 沪深300指数走势预测　165
8.4.1 数据准备　165
8.4.2 模型训练及性能评价　166
8.4.3 模型预测结果　166
8.5 案例报告——基于数据挖掘的沪深300指数走势预测　166
8.5.1 背景介绍　167
8.5.2 数据说明　167
8.5.3 沪深300指数分析　167
8.5.4 模型训练与结果分析　171
8.5.5 总结与建议　172

第9章　基于K均值聚类的上市公司财务数据分析　173
9.1 上市公司财务概述　174
9.2 数据说明与预处理　174
9.2.1 数据说明　174
9.2.2 数据预处理　174
9.3 财务数据的描述性分析与可视化　175
9.3.1 财务数据的基本统计特征　175
9.3.2 财务数据的核密度估计　175
9.3.3 财务数据的相关性分析　176
9.4 基于财务指标的K均值聚类与评价　177
9.4.1 K值确定　177
9.4.2 K均值聚类与效果评价　178
9.4.3 模型结果展示　178
9.5 案例报告——基于K均值聚类的上市公司盈利能力分析　179
9.5.1 背景介绍　179
9.5.2 数据说明　180
9.5.3 上市公司财务指标的描述性分析　180
9.5.4 上市公司财务指标的聚类分析　182
9.5.5 总结与建议　183

第10章　不同投资组合下的收益率与波动率分析　184
10.1 投资组合概述　185
10.2 数据预处理和描述性分析　185
10.2.1 股票价格走势　185
10.2.2 股票的日对数收益率　186
10.2.3 股票的年化对数收益率和年化波动率　186
10.2.4 投资组合的相关性分析　187
10.3 投资组合的收益率分析　188
10.3.1 给定权重的投资组合　188
10.3.2 等权重的投资组合　189
10.3.3 市值加权的投资组合　190
10.4 探索股票的最优投资组合　191
10.4.1 蒙特卡罗模拟在投资组合优化中的应用　191
10.4.2 基于风险最小化的投资组合构建方法　192
10.4.3 基于夏普比率的最优投资组合构建方法　194
10.5 案例报告——基于Python的投资组合收益率与波动率数据分析　195
10.5.1 背景介绍　195
10.5.2 数据说明　196
10.5.3 股价的描述性分析　196
10.5.4 不同的投资组合对比　197
10.5.5 总结与建议　199

参考文献　200