0人評分過此書
AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀
作者
：
出版日期
：
2024/01/01
閱讀格式
：
EPUB
ISBN
：
9787301346181
本书是一本针对金融领域的数据分析和机器学习应用的实用指南。本书以ChatGPT为核心技术，结合Python编程和金融领域的基础知识，介绍如何利用ChatGPT处理和分析金融大数据，进行预测建模和智能决策。
通过阅读本书，读者将掌握使用ChatGPT和其他工具进行金融大数据分析的基本
通过阅读本书，读者将掌握使用ChatGPT和其他工具进行金融大数据分析的基本
- 封面
- 版权
- 前言
- 目录
-
第1章 ChatGPT在金融大数据分析中的作用
-
1.1 ChatGPT生成金融数据分析代码示例的案例
-
1.1.1 案例1：生成数据清洗和预处理代码示例
-
1.1.2 案例2：生成特征工程代码示例
-
-
1.2 ChatGPT回答金融领域知识的案例
-
1.2.1 案例3：解答金融市场知识
-
1.2.2 案例4：解释经济学理论
-
1.2.3 案例5：解答金融产品相关问题
-
1.2.4 案例6：解答金融风险管理相关问题
-
-
1.3 ChatGPT辅助发现数据中的模式和特征
-
1.4 本章总结
-
-
第2章 金融大数据分析Python基础
-
2.1 Python解释器
-
2.2 IDE工具
-
2.2.1 安装Jupyter Notebook
-
2.2.2 启动Jupyter Notebook
-
-
2.3 第一个Python程序
-
2.3.1 编写脚本文件，运行第一个Python程序
-
2.3.2 使用Jupyter Notebook编写和运行第一个Python程序
-
-
2.4 Python语法基础
-
2.4.1 标识符
-
2.4.2 关键字
-
2.4.3 变量声明
-
2.4.4 语句
-
2.4.5 Python代码块
-
2.4.6 模块
-
-
2.5 数据类型与运算符
-
2.5.1 数据类型
-
2.5.2 运算符
-
-
2.6 控制语句
-
2.6.1 分支语句
-
2.6.2 循环语句
-
2.6.3 跳转语句
-
-
2.7 序列
-
2.7.1 索引操作
-
2.7.2 序列切片
-
2.7.3 可变序列——列表
-
2.7.4 不可变序列——元组
-
2.7.5 列表推导式
-
-
2.8 集合
-
2.8.1 创建集合
-
2.8.2 集合推导式
-
-
2.9 字典
-
2.9.1 创建字典
-
2.9.2 字典推导式
-
-
2.10 字符串类型
-
2.10.1 字符串表示方式
-
2.10.2 字符串格式化
-
-
2.11 函数
-
2.11.1 匿名函数与lambda表达式
-
2.11.2 数据处理中的两个常用函数
-
-
2.12 文件操作
-
文件读写
-
-
2.13 异常处理
-
2.13.1 捕获异常
-
2.13.2 释放资源
-
-
2.14 多线程
-
创建线程
-
-
2.15 本章总结
-
-
第3章 金融大数据的获取
-
3.1 金融大数据概述
-
3.1.1 数据来源
-
3.1.2 数据采集工具和技术
-
-
3.2 网络爬虫
-
3.2.1 网络爬虫原理
-
3.2.2 网络爬虫的应用
-
3.2.3 使用urllib爬取静态网页数据
-
3.2.4 案例1：爬取纳斯达克股票数据
-
-
3.3 解析数据
-
3.3.1 使用BeautifulSoup库
-
3.3.2 案例2：解析纳斯达克股票数据
-
3.3.3 使用Selenium爬取动态网页数据
-
3.3.4 案例3：爬取搜狐证券贵州茅台股票数据
-
3.3.5 案例4：使用Selenium解析HTML数据
-
-
3.4 使用API调用获取数据
-
3.4.1 常见的金融数据API
-
3.4.2 使用TushareAPI获取数据
-
3.4.3 案例5：使用Tushare API获取贵州茅台股票数据
-
-
3.5 使用ChatGPT辅助获取数据
-
3.5.1 案例6：使用ChatGPT解释和理解数据格式
-
3.5.2 案例7：使用ChatGPT提供数据处理示例代码
-
3.5.3 案例8：使用ChatGPT帮助解决数据获取问题
-
-
3.6 本章总结
-
-
第4章 金融大数据基础库：NumPy
-
4.1 NumPy库
-
4.1.1 为什么选择NumPy
-
4.1.2 安装NumPy库
-
-
4.2 创建数组
-
4.2.1 创建一维数组
-
4.2.2 指定数组数据类型
-
4.2.3 创建一维数组更多方式
-
4.2.4 使用arange函数
-
4.2.5 等差数列与linspace函数
-
4.2.6 等比数列与logspace函数
-
-
4.3 二维数组
-
创建二维数组
-
-
4.4 创建二维数组更多方式
-
4.4.1 使用ones函数
-
4.4.2 使用zeros函数
-
4.4.3 使用empty函数
-
4.4.4 使用full函数
-
4.4.5 使用identity函数
-
4.4.6 使用eye函数
-
-
4.5 数组的属性
-
4.6 数组的轴
-
4.7 三维数组
-
4.8 访问数组
-
4.8.1 索引访问
-
4.8.2 切片访问
-
4.8.3 花式索引
-
-
4.9 本章总结
-
-
第5章 金融大数据分析库：Pandas
-
5.1 Pandas库介绍
-
5.1.1 为什么选择Pandas
-
5.1.2 安装Pandas库
-
-
5.2 Series数据结构
-
5.2.1 理解Series数据结构
-
5.2.2 创建Series对象
-
5.2.3 访问Series数据
-
5.2.4 通过下标访问Series数据
-
5.2.5 通过切片访问Series数据
-
-
5.3 DataFrame数据结构
-
创建DataFrame对象
-
-
5.4 访问DataFrame数据
-
5.4.1 访问DataFrame列
-
5.4.2 访问DataFrame行
-
5.4.3 切片访问
-
-
5.5 本章总结
-
-
第6章 金融大数据的预处理与清洗
-
6.1 数据清洗和预处理
-
6.1.1 使用ChatGPT辅助数据清洗
-
6.1.2 案例1：使用ChatGPT辅助分析股票数据
-
6.1.3 案例2：处理股票数据缺失值问题
-
6.1.4 案例3：处理股票数据类型不一致问题
-
6.1.5 案例4：处理股票数据异常值问题
-
-
6.2 本章总结
-
-
第7章 金融大数据的存储
-
7.1 使用MySQL数据库
-
7.1.1 MySQL数据库管理系统
-
7.1.2 安装MySQL8数据库
-
7.1.3 客户端登录服务器
-
7.1.4 图形界面客户端工具
-
7.1.5 安装PyMySQL库
-
7.1.6 访问数据库的一般流程
-
7.1.7 案例1：访问苹果股票数据
-
-
7.2 使用Pandas读写MySQL数据库
-
7.2.1 案例2：使用Panda从数据库读取股票数据
-
7.2.2 案例3：使用Pandas写入股票数据到数据库
-
-
7.3 使用Pandas读写Excel文件
-
7.3.1 案例4：使用Pandas从Excel文件读取股票数据
-
7.3.2 案例5：使用Pandas写入股票数据到Excel文件
-
-
7.4 使用Pandas读写CSV文件
-
7.4.1 案例6：从CSV文件读取货币供应量数据
-
7.4.2 案例7：使用Pandas写入股票数据到CSV文件
-
-
7.5 JSON数据交换格式
-
7.5.1 JSON文档结构
-
7.5.2 JSON数据编码
-
7.5.3 JSON数据解码
-
7.5.4 案例8：解码搜狐证券贵州茅台股票数据
-
-
7.6 本章总结
-
-
第8章 金融大数据可视化基础库：Matplotlib
-
8.1 金融大数据可视化库
-
8.2 金融大数据可视化方法和图表类型
-
8.3 使用Matplotlib绘制图表
-
8.3.1 安装Matplotlib
-
8.3.2 图表的基本构成要素
-
8.3.3 绘制折线图
-
8.3.4 绘制柱状图
-
8.3.5 绘制饼状图
-
8.3.6 绘制散点图
-
8.3.7 绘制子图表
-
8.3.8 案例1：绘制贵州茅台股票历史成交量折线图
-
8.3.9 案例2：绘制贵州茅台股票OHLC折线图
-
-
8.4 mplfinance库
-
8.4.1 K线图
-
8.4.2 绘制K线图
-
8.4.3 案例3：绘制贵州茅台股票K线图
-
-
8.5 绘制移动平均线图
-
8.5.1 案例4：绘制贵州茅台股票5日和10日移动平均线图
-
8.5.2 案例5：绘制K线图+移动平均线图
-
-
8.6 本章总结
-
-
第9章 金融大数据可视化进阶库：Seaborn
-
9.1 Seaborn库概述
-
9.1.1 使用Seaborn图表的主要优点
-
9.1.2 安装Seaborn库
-
9.1.3 设置Seaborn的样式
-
-
9.2 箱线图
-
9.3 小提琴图
-
9.4 关联线图
-
9.5 关联散点图
-
9.6 密度图
-
9.7 Dist图
-
9.8 线性回归图
-
9.9 热力图
-
9.10 本章总结
-
-
第10章 金融大数据分析
-
10.1 ChatGPT辅助金融大数据分析
-
10.2 数据的统计分析方法
-
10.3 描述统计分析
-
10.3.1 在Pandas中常用的描述统计方法
-
10.3.2 案例1：使用描述统计方法分析贵州茅台股票数据
-
-
10.4 频数分析
-
10.4.1 案例2：分析信用卡交易金额的频数分布
-
10.4.2 案例3：分析贵州茅台股票交易量频数分布
-
-
10.5 相关性分析
-
10.5.1 案例4：股票行业相关性分析
-
10.5.2 案例5：使用ChatGPT辅助分析皮尔逊相关系数
-
-
10.6 时间序列分析
-
10.6.1 案例6：采用MA分析贵州茅台股票的价格走势
-
10.6.2 案例7：采用AR分析贵州茅台股票的价格走势
-
-
10.7 本章总结
-
-
第11 章机器学习与金融大数据预测建模
-
11.1 机器学习策略
-
11.1.1 机器学习策略分类
-
11.1.2 Python机器学习库
-
11.1.3 机器学习策略的实施过程
-
-
11.2 案例1：使用Scikit-learn分类策略预测苹果股票走势
-
11.3 案例2：使用Scikit-learn回归策略预测苹果股票走势
-
11.4 案例3：使用Keras深度学习库预测苹果股票走势
-
11.5 本章总结
-
-
第12章 ChatGPT在金融大数据分析中的应用与优势
-
12.1 ChatGPT在金融领域中的自动化客户服务与智能助理方面的应用
-
12.1.1 案例1:ChatGPT应用于金融领域中的智能问答和问题解决
-
12.1.2 案例2:ChatGPT应用于金融领域中的个性化建议和推荐
-
12.1.3 案例3:ChatGPT应用于金融领域中的自动化投资助理
-
-
12.2 ChatGPT在金融领域中的情感分析和舆情监测方面的应用
-
12.2.1 案例4:ChatGPT在金融市场情感分析中的应用
-
12.2.2 案例5:ChatGPT在舆情监测中的应用
-
-
12.3 ChatGPT在金融领域中的文档处理方面的应用
-
12.4 与ChatGPT对话的文本语言——Markdown
-
12.4.1 Markdown基本语法
-
12.4.2 使用Markdown工具
-
12.4.3 案例6：利用ChatGPT撰写ABC银行年度财务报告
-
12.4.4 将Markdown格式文档转换为Word文档
-
12.4.5 将Markdown格式文档转换为PDF文档
-
12.4.6 案例7：利用ChatGPT生成ABC银行资产负债表
-
-
12.5 本章总结
-
-
第13章 金融案例与实践
-
13.1 实践案例1：使用ARIMA模型预测USD/CNY汇率
-
13.1.1 案例背景
-
13.1.2 有关汇率的基本概念
-
13.1.3 收集数据
-
13.1.4 案例实现过程
-
-
13.2 实践案例2：基于深度学习的黄金期货价格预测
-
13.2.1 有关期货的基本概念
-
13.2.2 期货交易中的多头和空头策略及其风险管理
-
13.2.3 收集数据
-
13.2.4 案例实现过程
-
-
13.3 实践案例3：基于深度学习的比特币价格预测
-
13.3.1 数字货币相关的基本概念
-
13.3.2 收集数据
-
13.3.3 案例实现过程
-
-
13.4 本章总结
-
- 封底
- 出版地 ： 中國大陸
- 語言 ： 簡體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
