【中国からのダイレクトメール】I READING Pythonによる財務分析とリスク管理

編集者の選択

金融テクノロジーの時代が到来し、金融理論とITテクノロジーを深く融合させることに長けた人材が、新時代の唯一無二の競争力のある金融テクノロジー人材となります。金融分野への就職を計画している新人であっても、個人の能力をさらに向上させたいと考えている「職場のベテラン」であっても、この本は読む価値があります。
1. Python プログラミングと金融分析およびリスク管理を巧みに組み合わせた最先端のコンテンツで、金融テクノロジーの新時代をリードします。
2. 実践から導き出されたこの本は、著者の 20 年以上の金融経験と Python プログラミングの実践を完全に統合しています。
3. 豊富な例。244 件の実践的な金融事例を提供し、金融分野における Python のシンプルさと効率性を実証します。
4. 効率性、明確なプログラミング手順、詳細なコード コメントに重点を置き、Python プログラミングを簡単に理解して習得できるようにします。
5. 短期金融市場、債券市場、株式市場、先物市場、オプション市場をカバーする幅広い事例。
6. リスク管理に焦点を当て、さまざまな金融商品のリスクを詳細に分析し、リスク管理のための重要なツールと定量的モデルについて議論します。

簡単な紹介

Python はオープンソースのプログラミング言語であり、その習得が容易で柔軟な機能により、ますます多くの人に認識され、愛用されています。また、金融分野での応用状況と見通しも非常に良好です。
本書は財務分析とリスク管理における Python の応用に焦点を当てており、入門、基礎、上級の章に分かれており、合計 12 章で構成されています。入門章では Python を紹介し、財務シナリオと組み合わせた Python の基本操作を示します。基本章では財務シナリオを組み合わせて、NumPy、Pandas、Matplotlib、SciPy などの Python モジュールの具体的な使用法を説明します。上級章では、 Python を使用して、金利、債券、株式、先物、オプション、およびバリュー・アット・リスクのコンテンツを分析します。
この本は、金融分野における Python の応用に焦点を当てた人気の書籍です。著者の Siwen 博士は、金融とリスク管理に関する深い蓄積があり、豊富なプログラミング経験も持ち、Python アプリケーションの提唱と普及に尽力してきました。金融分野におけるPythonの研究。
この本は、Python アプリケーションをマスターしたい金融学習者および金融実務者に適していますが、金融分野に転職したいプログラマーや金融分野での Python の実践的な応用に興味がある人にも適しています。 Python が必要です。プログラミングの基礎。

著者について

ペンネームが「ミスター・ウォール街」であるスヴェンは、浙江省湖州市出身で、経済学の博士号を取得しており、中国の公認会計士（CPA）、公認財務アナリスト（CFA）、および金融リスクマネージャー（FRM）の資格を持っています。 。国内の金融持株グループでシニアリスク管理ディレクターを務めており、中国および外国の銀行、証券会社、信託会社、その他の機関で財務およびリスク管理に10年以上の経験を持っています。
同時に、上海財経大学リスク管理同窓会の創設者兼会長、雑誌「上海リスク管理フォーラム」の編集長、上海資産管理協会の事務局長でもある。経営産業リスク管理協会の理事を務め、中南経法大学、華東政法大学の理事を務め、国内の多くの大学で金融修士課程の学生の非常勤講師を務めている。 50本の学術論文を執筆し、単行本『中国外国為替デリバティブ市場研究』（2016年8月、上海人民出版社発行）を出版、***、省級、大臣級の名誉称号を含む数々の賞を受賞。
さらに、「オプション、先物、その他のデリバティブ（第9版）」ビデオコース（全360回）を3年以上にわたって立ち上げ、視聴回数は100万回を超え、執筆本数は10万行を超え、ファイナンス-関連する Python コード、金融分野での Python の使用を提唱および促進するための長期的な取り組み。

目次

パート 1 はじめに

第 1 章 Python の概要 2
1.1 Python 3 の定義と比較上の利点
1.1.1 Python 3 の概要
1.1.2Python 4の比較利点
1.2 Python の父—Guido Van Rossum 5
1.3 Python の進化の歴史と一般的に使用されるバージョン 7
1.4 Python のインストール 8
1.4.1 別個のインストール 8
1.4.2 統合インストール 8
1.4.3 Anaconda9 のインストールと起動
1.4.4Spyderのインターフェース12
1.5 Python 13 を学習するための方法論
1.5.1 学習に対する態度 13
1.5.2 学習の原則 13
1.5.3 学習方法 14
1.6 財務データの取得 15
1.6.1 風15
1.6.2 フラッシュ 15
1.6.3CCER 経済金融データベース 15
1.6.4 国泰安経済金融研究データベース 16
1.7 概要 16
1.8 拡張読書 16
第 2 章では、金融と組み合わせた Python の基本を説明します。
作戦17
2.1 Python 18 での金融変数の割り当て
2.2 Python データ型 18
2.2.1 整数型 19
2.2.2 浮動小数点型 19
2.2.3 複数の数 20
2.2.4 文字列 20
2.3 Python データ構造 23
2.3.1 タプル 23
2.3.2 リスト 25
2.3.3 コレクション 28
2.3.4 辞書 30
2.4 Python の演算記号 33
2.4.1 基本的な四則演算記号 33
2.4.2 関係演算記号 36
2.4.3 代入演算記号 37
2.4.4 メンバ演算記号 38
2.5 Python の主な組み込み関数 39
2.6 カスタム関数 43
2.6.1 def 構文の使用 43
2.6.2 ラムダ関数の使用 44
2.7 Python ステートメント 44
2.7.1 条件文 44
2.7.2 ループ文 46
2.7.3 条件文とループ文の組み合わせ 48
2.8 モジュールのインポートと数学モジュール 49
2.8.1 モジュール import50 のいくつかのメソッド
2.8.2数学モジュール51
2.9 まとめ 53
2.10 多読 53

パート 2 基本

第 3 章では、NumPy と財務シナリオの組み合わせを示します。
モジュールの操作 56
3.1 投資事例から始めましょう 57
3.2N次元配列 58
3.2.1 アレイ 58 の構造
3.2.2 配列の便利な生成 60
3.3 配列のインデックス付け、スライス、ソート 63
3.3.1 索引63
3.3.2 スライス 64
3.3.3 並べ替え 64
3.4 配列関連の操作 65
3.4.1 配列内の演算 65
3.4.2 アレイ間の操作 69
3.4.3 行列演算 72
3.5 NumPy 74 による乱数の生成
3.5.1 主な統計分布 74
3.5.2 主な機能 80
3.5.3 関連例 82
3.6 まとめ 85
3.7 拡張読書 86
第 4 章では、Panda と財務時系列の組み合わせを示します。
モジュール操作 87
4.1Pandas データ構造 88
4.1.1 シーケンス88
4.1.2 データフレーム90
4.1.3 外部データをインポートして直接生成する
データフレーム91
4.2 配列ボックスの視覚化 93
4.2.1 中国語フォントの視覚化 93
4.2.2 データフレーム視覚化の機能とパラメータ 94
4.2.3 例 95
4.3 データフレーム内の操作 96
4.3.1 データフレームの基本プロパティの説明 96
4.3.2 データフレームのインデックス作成とインターセプト 98
4.3.3 データフレーム100のソート
4.3.4 データフレーム 102 の変更
4.4 データフレーム間の演算 105
4.4.1 2 つの新しいデータ フレームの生成 105
4.4.2 関数 concat 106 の適用
4.4.3 関数マージの適用 108
4.4.4 関数 join 109 の適用
4.5 アレイボックスの主な統計関数 109
4.5.1 静的統計関数 110
4.5.2 ウィンドウの移動と動的統計関数 114
4.6 まとめ 117
4.7 多読 117
第 5 章では、財務シナリオに基づいた Matplotlib のデモを行います。
モジュール操作 118
5.1 基本機能 119
5.2 曲線 122
5.2.1 単一曲線グラフ 123
5.2.2 マルチピクチャ描画 124
5.3 ヒストグラム126
5.3.1 単一サンプルのヒストグラム 126
5.3.2 複数のサンプルのヒストグラム 128
5.4 棒グラフ 129
5.4.1 縦棒グラフ 130
5.4.2 横棒グラフ 132
5.5 散布図 133
5.6 円グラフ 136
5.7 まとめ 138
5.8 拡張読書 138
第6章では、財務シナリオに基づいたSciPyなどを示します。
モジュール操作 139
6.1SciPyモジュール140
6.1.1 積分の計算 141
6.1.2 補間方法 142
6.1.3 連立方程式を解く 144
6.1.4 最適化ソリューション 146
6.1.5 統計関数 150
6.2StatsModelモジュール156
6.3 ボラティリティモデルとアーチモジュール 159
6.3.1 ボラティリティの推定 159
6.3.2 ARCH モデル 160
6.3.3GARCH モデル 161
6.3.4アーチモジュール163
6.4日時モジュール 167
6.4.1 作成時オブジェクト 168
6.4.2 アクセスタイムオブジェクトの属性 169
6.4.3 時間オブジェクトの操作 169
6.5 まとめ 171
6.6 多読 171



パート 3 改善

第 7 章 Python を使用した金利と債券の分析 174
7.1 金利制度 175
7.1.1 中央銀行金利 175
7.1.2 金融機関の金利 177
7.1.3 金融市場金利 179
7.2 債券市場 182
7.2.1 債券取引会場 183
7.2.2 債券の種類 185
7.3 金利の測定 188
7.3.1 金利複利の頻度 189
7.3.2 継続的な複利 192
7.3.3 ゼロ金利 194
7.4 債券価格と債券利回り 195
7.4.1 債券の中核要素 195
7.4.2 単一の割引率に基づく債券価格設定 195
7.4.3 満期までの債券利回り 196
7.4.4 異なる満期割引率に基づく債券
価格設定 197
7.4.5 クーポンストリッピング法によるゼロクーポンの計算
金利 198
7.4.6 ゼロクーポン金利を使用した債券の価格設定 203
7.5 先物金利と先物金利契約 204
7.5.1 先物金利 204
7.5.2 先物金利契約 207
7.6 債券金利リスクを測定するための線形指標—
期間 211
7.6.1 マコーレー期間 212
7.6.2 変更された期間 214
7.6.3 USD デュレーション 217
7.7 債券金利リスク測定における非線形性
インジケーター - 凸部 218
7.7.1 凸面の表現 219
7.7.2 事例 219
7.7.3 重要な関係 220
7.8 まとめ 221
7.9 多読 221
第 8 章 Python を使用した株式投資の分析 222
8.1 株式市場の概要 223
8.1.1 マルチレベル株式市場 223
8.1.2 主要株価指数 225
8.2 株式ポートフォリオ 228
8.2.1 投資ポートフォリオの主な変数 229
8.2.2 投資ポートフォリオの効率的なフロンティア 235
8.2.3 資本市場ライン 239
8.3 資本資産価格モデル 241
8.3.1 システマティックリスクと非システマティックリスク 241
8.3.2 モデルの数式と応用 245
8.4 株価が従う確率過程 249
8.4.1 マルコフ過程と効率的市場仮説 249
8.4.2 ウィーナー過程と一般化ウィーナー過程 251
8.4.3 幾何学的なブラウン運動 253
8.5 ポートフォリオのパフォーマンス評価 259
8.5.1 シャープレシオ 259
8.5.2 ソルティーノ比 262
8.5.3 トレイナー比 264
8.5.4 情報比率 266
8.6 まとめ 268
8.7 拡張読書 269
第 9 章 Python を使用した先物ヘッジの分析
保存価値 270
9.1 先物市場の概要 271
9.1.1 先物取引所と契約の種類 271
9.1.2 株価指数先物契約の概要 275
9.1.3 国債先物契約の概要 277
9.1.4 先物取引に参加する動機 279
9.2 株価指数先物によるヘッジ 280
9.2.1 ヘッジの種類 280
9.2.2 マージンコールのリスク 282
9.2.3 ベーシスリスク 285
9.2.4 クロスヘッジ 289
9.3 国債先物契約によるヘッジ 297
9.3.1 利息発生日数に関するルール 298
9.3.2 国債 300 のクオート
9.3.3 国債先物 301 の最終価格
9.3.4 国債先物 304 の最安受渡し
9.3.5 期間ベースのヘッジ戦略 307
9.4 まとめ 310
9.5 拡張読書 310
第 10 章 Python を使用したオプションの分析
価格設定とリスク 311
10.1 A株ストックオプション市場の概要 312
10.1.1 ワラント市場 312
10.1.2 株価指数オプション契約 313
10.2 オプションの種類と満了時の損益 315
10.2.1 オプションの種類と要素 315
10.2.2 コールオプション満了時の損益 316
10.2.3 プットオプション満了時の損益 318
１０．２．４ プットコールのパリティ関係３２０
10.3 ブラック・ショールズ・マートン モデル 323
10.4 オプション価格と関連変数の関係 325
10.4.1 オプション価格と原資産価格の関係
関係 325
10.4.2 オプション価格と行使価格の関係 326
10.4.3 オプション価格とボラティリティの関係 327
10.4.4 オプション価格とリスクフリー収益率の関係
関係 328
10.4.5 オプション価格とオプション期間の関係 330
10.5 オプションのリスクの測定—ギリシャ文字 331
10.5.1 オプションの Delta331
10.5.2 オプションの Gamma335
10.5.3 Theta339のオプション
10.5.4 Vega343 オプションあり
10.5.5 Rho347 オプション
10.6 オプションのインプライド・ボラティリティ 351
10.6.1 ニュートンの反復法を使用して陰的な計算を行う
ボラティリティ 351
10.6.2 二分探索法を使用して暗黙的に計算する
ボラティリティ 353
10.7 ボラティリティのスマイルと歪度 355
10.7.1 ボラティリティ スマイル 355
10.7.2 ボラティリティの歪み 358
10.8 まとめ 362
10.9 多読 362
第 11 章 Python を使用したオプション取引の分析
戦略 363
11.1 元本保証手形 364
11.1.1 仮想ケース 364
11.1.2 実際の市場の事例 366
11.2 単一オプションおよび単一原資産戦略 368
11.2.1 補償対象通話の購入 369
11.2.2 カバードコールの販売 371
11.2.3 プロテクションプットの購入 373
11.2.4 保護されたプットの売り 375
11.2.5 ストラテジーの期間リターン 377
11.3 スプレッド取引戦略 381
11.3.1 ブルスプレッド戦略 381
11.3.2 ベアスプレッド戦略 385
11.3.3 ボックススプレッド戦略 389
11.3.4 バタフライスプレッド戦略 392
11.4 組み合わせ戦略 397
11.4.1 ストラドル戦略 397
11.4.2 シーケンス組み合わせ戦略とバンド組み合わせ
戦略 401
11.4.3 ワイドストラドルポートフォリオ戦略 404
11.5 概要 412
11.6 拡張読書 412
第 12 章 Python を使用してリスクのある価値を測定する 413
12.1 バリュー・アット・リスクの概要 414
12.1.1 バリュー・アット・リスクの定義 414
12.1.2 Python を使用したリスクのある価値の分析
ビジュアライゼーション 415
12.1.3 バリュー・アット・リスクの利点と制限 417
12.2 バリューアットリスクの分散共分散法 418
12.2.1 分散共分散法の概要 418
12.2.2 ケース 420
12.3 バリュー・アット・リスクの履歴シミュレーション方法 423
12.3.1 ヒストリカルシミュレーション手法の概要 423
12.3.2 事例 425
12.4 モンテカルロシミュレーション 428
12.4.1 モンテカルロ シミュレーションの概要 428
12.4.2 ケース 430
12.5 バックテスト、ストレステスト、ストレスリスク
値434
12.5.1 バックテスト 434
12.5.2 ストレステスト 437
12.5.3 リスクのあるストレス値 439
12.5.4 異なる方法を使用して計算されたリスクの比較
値443
12.6 概要 443
12.7 多読 443
追記445