本书系统阐述Python在金融领域的应用，不仅涵盖核心的金融理论及相关数学概念，还详细讲解行业使用的先进金融模型及Python解决方案。
本书首先介绍Jupyter Notebook的设置，随后讲解一系列金融分析中广泛应用的库（如TensorFlow、Keras、NumPy、SciPy、scikit-learn等），这些库可以帮助分析师做出基于数据分析的高效投资决策。书中结合常见的金融概念（如股票、期权、利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析。之后，你将学习如何对时间序列数据进行统计分析，了解如何搭建算法交易平台以利用高频数据设计交易策略，以及如何构建事件驱动的回溯测试系统来检验交易策略，评价不同策略的业绩表现。最后，你将探索金融前沿领域正在运用的机器学习和深度学习技术。
本书适合对Python定量研究感兴趣的金融从业者、数据分析师和软件开发人员阅读。此外，本书对那些想使用机器学习技术扩展现有金融应用程序功能的读者也有一定的参考价值。

马伟明（James Ma Weiming），毕业于伊利诺理工大学斯图尔特商学院，获得金融学硕士学位。他编写了大量高频、低延时的开放源代码程序和工具。
在获得新加坡南洋理工大学计算机工程学士学位和南洋理工学院信息技术专业毕业证书后，James开始在新加坡工作。他从事过外汇和固定收益产品交易，还为一家基金销售平台开发移动应用程序。

前言
审校者简介
第一部分 开始学习Python
第1章 Python金融分析概述
1.1 安装Python
1.1.1 准备一个虚拟环境
1.1.2 运行Jupyter Notebook
1.1.3 关于Python的其他建议
1.2 Quandl简介
1.3 绘制时间序列图
1.3.1 从Quandl检索数据集
1.3.2 绘制收盘价与成交量的关系图
1.3.3 绘制烛台图
1.4 对时间序列数据进行金融分析
1.4.1 绘制收益率图
1.4.2 绘制累积收益率图
1.4.3 绘制直方图
1.4.4 绘制波动率图
1.4.5 Q-Q图
1.4.6 下载多个时间序列数据
1.4.7 显示相关矩阵
1.4.8 绘制相关性图
1.4.9 简单的移动平均线
1.4.10 指数移动平均
1.5 总结
第二部分 金融概念
第2章 金融中的线性问题
2.1 资本资产定价模型与证券市场线
2.2 套利定价理论模型
2.3 因子模型的多元线性回归
2.4 线性最优化
2.4.1 安装Pulp
2.4.2 一个用线性规划求最大值的实例
2.4.3 线性规划的结果
2.4.4 整数规划
2.5 使用矩阵解线性方程组
2.6 LU分解
2.7 Cholesky分解
2.8 QR分解
2.9 使用其他矩阵代数方法求解
2.9.1 Jacobi迭代法
2.9.2 Gauss-Seidel迭代法
2.10 总结
……
第三部分 实践操作