Python金融数据分析入门到实战-视频课程

大家好！很荣幸能够在CSDN上和各位同学分享这门课程。

本课程的核心为Python金融数据的分析，首先课程提取了数据分析工具NumPy、Pandas及可视化工具Matplotlib的关键点进行详细讲解，帮助同学们掌握数据分析的关键技能。而后我们选取了股票量化交易作为应用场景，由股票数据的获取、技术指标的实现，逐步进阶到策略的设计和回测，由浅入深、由技术到思维地为同学们讲解Python金融数据分析在股票量化交易中的应用。

相信各位同学和我一样是一名Python爱好者。近几年来Python语言非常流行，广泛应用在不同的领域，比如无人驾驶、WEB开发、网络运维、数据分析、人工智能等等。早些年我还是使用R语言进行金融数据分析和量化交易的，大约3年前我接触到Python，发现它非常容易上手，而且有丰富的第三方库支持，可以帮助我快速解决实际问题。圈内有这么句耳熟能详的名言“life is short，we use python！”从这句名言中就可以感受到。随着Numpy、Pandas、Matplotlib等第三方库的出现用Python做金融数据分析已经成为一种趋势。目前华尔街的三大编程语言是：C、JAVA和Python，而在量化交易领域Python已经作为一种标准编程语言了。

本门课程由我来给大家讲讲《Python金融数据分析入门到实战》。不可否认的是Python数据分析中最为基础和重要的三个库是NumPy、Pandas和Matplotlib，但是每个库都涵盖了大量的功能和使用接口，如果我们毫无侧重点地去学习，何时才能学以致用呢？事实上，我们没必要把它们全部掌握，以我在数据分析方面的实际经验，最关键的知识点覆盖了平时80%的应用场景，我们的学习路线应该根据数据分析的整体流程而设定。我们先看下数据分析的常规步骤。

首先数据分析一定的带着某种业务上的目的开展的。在确定了数据分析的核心目的后，就要针对性地去收集样本数据。获取到数据之后，要规整化数据，包括清理、转换、合并、重塑等各个环节。这些环节中涉及到了很多Numpy和Pandas的关键点。完成了这些之后，我们就得到了比较标准的，可供下一步分析的表格型数据。数据分析是对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。Matplotlib可视化方法是最为直观地查看数据和分析数据背后含义的方法。在各个领域的数据分析过程中，都会通过可视化来观察数据的变化。最后我们展现数据分析的结果。

本课程提取Python数据分析工具NumPy、Pandas及可视化工具Matplotlib的关键点进行详细讲解，帮助同学们掌握数据分析的关键技能，提供大家的是满满的干货。而后我们选取了股票量化交易作为应用场景，将所学的知识点学以致用，更好地与Python金融数据分析的实际应用衔接。

结合数据分析的常规步骤，我们来了解下本课程的大纲。数据分析的目的即是从股票数据中分析出大概率下获利的数据特征。接下来由股票数据的获取、常用技术指标的实现，再逐步进阶到量化策略的设计，并且将这个策略基于一段历史股票数据进行回测，以此评估策略的可行性，通过这样一个由浅入深地方式讲解Python金融数据分析在实际的股票量化交易中的应用。

可以看到本课程的大纲是根据数据分析的整体流程，结合由浅入深的学习过程进行设计和制定。

所以学完这门课程，我们有以下这些收获：最大的收获是掌握了Python数据分析最为关键的NumPy、Pandas、Matplotlib关键知识点，然后下一步就可以学以致用地展开侧重于应用需求的数据分析，可以是金融量化交易方面的，也可以是公司财务数据分析、医疗数据分析等等，因为最本质的数据分析环节是相通的。

由于我们结合了股票量化交易场景进行讲解，所以我们能够掌握股票经典技术指标的原理及Python的实现方法，绘制出股票行情分析界面来捕捉个股动向；掌握股票数据的获取、分析、特征挖掘、策略制定及回测评估的过程和方法。

课程目录如下：

第一章：课程导学

开篇词。课程背景、整体大纲、学习目的和开发环境

深入理解金融数据分析。讲解数据分析、量化交易的本质和意义

第二章：NumPy关键点讲解

认识N维数组ndarray对象。讲解N维数组ndarray对象的创建及其特点。

数组的矢量化处理特性。讲解ndarray对象的矢量化处理方法及特性。

常用的元素级处理函数。讲解常用的一些元素级处理函数的使用方法。

随机变量分布数组的生成。讲解统计概率中伯努利分布、正态分布基础知识，以及对应的随机分布数组的生成方法。

第三章：Pandas关键点讲解

Series数据的生成和访问。讲解Pandas的Series数据生成的几种方法及访问的方法。

DataFrame数据生成的几种方法。讲解Pandas的DataFrame数据生成的几种方法。

时间序列的生成和处理。讲解Pandas下时间序列的生成及转换处理。

DataFrame数据的全方位访问。讲解全面覆盖Pandas的DataFrame数据的几种访问方法。

DataFrame数据的规整化处理。讲解如何对DataFrame数据进行清理、转换、合并、重塑。

DataFrame数据的分组与聚合。讲解Pandas下的groupby对DataFrame数据分组与聚合的方法。

DataFrame数据的高效遍历。讲解遍历DataFrame数据的常用方法，以及对比观察各个方法相应的执行效率。

DataFrame数据的导入和导出。讲解DataFrame存储为CSV文件的方法，以及CSV文件导入为DataFrame的方法。

第四章：Matplotlib关键点讲解

函数式绘图方式的方法和特点。讲解什么是函数式绘图，以及函数式绘制图形的方法。

如何绘制常用的数据分析图形。讲解如何绘制常用的数据分析图形。

对象式绘图方式的方法和特点。对比函数式绘图的方式，讲解对象式绘图方式的方法和特点。

如何自定义布局多子图页面。讲解如何使用对象式绘图自定义布局多子图的页面。

第五章：基于股票数据的量化分析

罗列获取股票数据的API。讲解目前获取股票数据常用API以及获取的数据形态。

从源生数据绘制常用技术指标。讲解从源生的股票数据计算并绘制常用的技术指标。

从均线指标分析股票价格的趋势。讲解基于均线指标构建量化策略，以及量化策略的回测过程。

原文：https://mp.weixin.qq.com/s?src=11&timestamp=1576288622&ver=2033&signature=FsDnRlvLnAi5U4SCIQnh1TxtCVcUsVIAoq42prvlDsFIpxzfLfcbek9mqZeFQZCEPVeeQ4pzJbt99-prQ0q-40lRKfRrid7*Xwes1GywiPoKqtdg13SjwKkG0vTqKt&new=1
作者：元宵大师
出处：微信公众号