这是 Python 进阶课的第五节 - SciPy 上,进阶课的目录如下:
NumPy 上
NumPy 下
Pandas 上
Pandas 下
之前基础版的 11 节的目录如下:
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
学习任何东西 (这回以 SciPy 举例) 先来谈谈我的学习思路,主干线是 WHY-WHAT-HOW,看这种思路是不是符合你的胃口:
WHY
NumPy 是数据结构,而 SciPy 是基于该数据结构的科学工具包,能够处理插值、积分、优化、常 (偏) 微分方程数值求解、信号处理、图像处理等问题。
此外,原来 SciPy 底下的子工具包 scipy.stats.models 也独立成为 statsmodels 包,它提供了一套完整回归体系,具体操作包括数据访问方式,拟合,绘图和报告诊断。
WHAT / HOW
既然 SciPy 偏向功能,我就从金融方向用到最多的几个功能来介绍 SciPy:
插值:scipy.interpolate
积分:scipy.integrate
优化:scipy.optimize
PDE:scipy.sparse
回归:statsmodels.api
对于以上每种功能,我的想法是先用一个简单例子来介绍如何去用子工具包,再用一个金融例子来巩固学到的东西。
插值:计算远期利率
积分:计算期权价值
优化:最大化效用
PDE:有限差分 - 完全显式、完全隐式和克莱克尼克尔森
回归:CAPM, FF 3 因子, FF 5 因子
总体内容用思维导图来表示。
付费用户(付 1 赠 1)可以获得: