阿门,赛义德 使用Python分析金融市场。 (英语) Zbl 1420.91538号 Ehrhardt,Matthias(编辑)等人,《计算金融中的新方法》。查姆:斯普林格。数学。印第安纳州,25443-559(2017)。 摘要:在本章中,我们讨论了使用Python分析金融市场的好处。我们讨论了解决一般数据科学问题所涉及的阶段与制定交易策略的具体案例之间的相似性。我们概述了制定交易策略的一般阶段。我们简要描述了开源Python库金融市场化,findatapy(查找数据副本)和图表式的旨在解决每个特定阶段。特别是,我们讨论了如何使用抽象来帮助生成用于开发交易策略的干净代码,而不需要数据收集和数据可视化的底层细节。稍后,我们将给出Python代码示例,以展示如何下载市场数据、分析数据,以及如何使用可视化显示结果。我们还提供了一个示例,说明如何在Python中使用金融市场化.关于整个系列,请参见[Zbl 1390.91011号]. MSC公司: 91克99 精算科学和数学金融 91-04 与博弈论、经济学和金融相关问题的软件、源代码等 关键词:Python库;金融市场分析;交易策略 软件:马特普洛特利布;科学Py;SymPy公司;数字Py;Scikit公司;TensorFlow公司;瓶;蟒蛇;findatapy(查找数据副本);IPython公司;阴谋地;github;x翼;金融市场;赛马拉松;北极的;图表式的;博凯;PyMC公司;熊猫 PDF格式BibTeX公司 XML格式引用 \textit{S.Amen},数学。Ind.25,543--559(2017年;Zbl 1420.91538) 全文: 内政部 参考文献: [1] arctic:用于时间序列和tick数据的高性能数据存储。http://github.com/manahl/articc [2] BLPAPI:彭博市场数据库。https://www.bloomberglabs.com/api/libraries网站/ [3] bokeh:Python交互式可视化库。http://bokeh.pydata.org/en/latest/ [4] chartpy:Python数据可视化库。http://www.github.com/cuemacro/chartpy [5] Cython C:python的扩展。网址:http://www.cython.org [6] findatapy:Python金融数据库。http://www.github.com/cuemacro/findatapy [7] finmarketpy:Python金融交易库。http://www.github.com/cuemacro/finmarketpy [8] 烧瓶:微型网络框架。http://flask.pocoo.org [9] IPython:增强的交互式控制台。http://www.ipython.org [10] matplotlib:Python绘图库。http://www.matplotlib.org [11] NumPy:使用Python进行科学计算的包。网址:http://www.numpy.org [12] 熊猫:Python数据分析库。http://pandas.pydata.org [13] ploty:现代数据科学的协作平台。网址:http://plot.ly [14] PyMC3:python中的概率编程。http://github.com/pymc-devs/pymc3 [15] Quandl:市场数据API。网址:http://www.quandl.com/ [16] scikit-learn:用python进行机器学习。http://scikit-learn.org/stable/ ·Zbl 1280.68189号 [17] SciPy图书馆:科学计算的基础图书馆。https://www.scipy网站 [18] 交响乐:象征数学。http://www.sympy.org/en/index.html [19] TensorFlow:用于机器智能的开源库。https://www.tensorflow.org [20] xlwings:Python for excel。http://www.xlvings.org 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。