파이썬을 활용한 금융 분석¶
저자 및 역자 소개¶
저자 : 이브 힐피시¶
저자 이브 힐피시(YVES HILPISCH)는 독일 PYTHON QUANTS GMBH 사의 창업자이자 이사이며, 뉴욕 PYTHON QUANTS LLC 사의 공동 창업자이다. 이 회사들은 파이썬 기반의 금융 및 파생상품 분석 소프트웨어와 파이썬 및 금융과 관련된 컨설팅, 개발, 교육 서비스를 제공한다 ( http://pythonquants.com/ , http://quant-platform.com/ , http://dx-analytics.com/ 참조). 또한 이브는 『DERIVATIVES ANALYTICS WITH PYTHON』 (WILEY FINANCE, 2015)의 저자이다. 금융수학 전공으로, 경영학 박사 학위를 받았으며 자를란트 대학에서 계산금융에서의 수치적 방법론을 가르치고 있다.
- web site: http://www.hilpisch.com/
- twitter: @dyjh
역자 : 김도형¶
역자 김도형은 KAIST에서 자동 제어와 신호 처리를 전공, 박사 학위를 받았다. 박사 학위 과정 중에 처음 파이썬을 접했다. 이후 틈나는 대로 파이썬을 활용했으며 LG전자와 대우증권에서 파생상품 프라이싱 시스템, 금융 정보 모니터링 시스템, 알고리즘 매매 시스템 등을 파이썬으로 구현했다. 현재는 파이썬 기반의 금융 분석, 최적 집행용 소프트웨어와 서비스를 만들고 있으며, 금융 분석 분야에서 파이썬이 더 널리 퍼질 수 있게 도울 수 있는 징검다리가 되고자 강의를 하고 사이트를 꾸리고 있다.
- web site: http://datascienceschool.net/
- twitter: @drjoelkim
- facebook: dr.joelkim
책에 포함된 코드에 대하여¶
이 책에 포함된 파이썬 코드는 다음 github repository에서 zip 파일로 다운받거나 git clone 명령으로 복제할 수 있습니다.
git hub에는 책에서 사용하는 데이터 파일, 파이썬 모듈 뿐 아니라 ipython shell에서 실행하고 있는 코드를 주피터 노트북 파일 형태로 제공하고 있습니다. 각 노트북은 아래의 목차에도 링크를 제공하고 있습니다.
또한 이 책에 포함된 파이썬 코드는 각종 최신 파이썬 패키지에 의존하고 있습니다. 대부분의 패키지는 개발 역사가 길고 안정된 것들이지만 일부 최신 패키지의 경우에는 버전 업그레이드 등으로 책에 포함된 파이썬 코드가 그대로는 동작하지 않을 수도 있습니다.
그리고 이 책에서는 금융 현장의 실무를 소개하기 위해 여러가지 금융 데이터 피드 API도 소개하고 있습니다만, 데이터 피드 API 제공 업체의 사정으로 사용법이나 사용 범위가 달라질 수 있습니다. 출판된 책과 다른 부분은 이 웹사이트에서 지속적으로 참고 자료를 올리도록 노력하겠습니다.
목차¶
PART I 파이썬과 금융¶
CHAPTER 1 왜 금융 분석에 파이썬을 사용하는가¶
- 1-1 파이썬이란 무엇인가
- 1-2 금융에서 쓰이는 기술
- 1-3 금융공학을 위한 파이썬
- 1-4 결론
- 1-5 참고 서적 및 주석
CHAPTER 2 하부 구조와 툴¶
- 2-1. 파이썬 설치
- 2-2. 파이썬 툴
- 2-3. 결론
- 2-4. 참고 문헌
CHAPTER 2 관련 자료¶
CHAPTER 3 입문용 예제¶
- 3-1 내재 변동성 계산
- 3-2 몬테카를로 시뮬레이션
- 3-3 기술적 분석
- 3-4 결론
- 3-5 참고 문헌
CHAPTER 3 관련 자료¶
PART II 금융 분석과 개발¶
CHAPTER 4 자료형과 자료구조¶
- 4-1 기본 자료형
- 4-2 기본 자료구조
- 4-3 NumPy 자료구조
- 4-4 코드 벡터화
- 4-5 결론
- 4-6 참고 문헌
CHAPTER 4 관련 자료¶
CHAPTER 5 데이터 시각화¶
- 5-1 2차원 플롯
- 5-2 금융 관련 플롯
- 5-3 3차원 플롯
- 5-4 결론
- 5-5 참고 문헌
CHAPTER 5 관련 자료¶
CHAPTER 6 금융 시계열¶
- 6-1 pandas 기초
- 6-2 금융 자료
- 6-3 회귀분석
- 6-4 고빈도 자료
- 6-5 결론
- 6-6 참고 문헌
CHAPTER 6 관련 자료¶
CHAPTER 7 입출력 작업¶
- 7-1 기본 파이썬 입출력
- 7-2 pandas를 사용한 입출력
- 7-3 PyTables를 이용한 고속 입출력
- 7-4 결론
- 7-5 참고 문헌
CHAPTER 7 관련 자료¶
CHAPTER 8 파이썬 성능 개선¶
- 8-1 파이썬 패러다임과 성능
- 8-2 메모리 배치와 성능
- 8-3 병렬 컴퓨팅
- 8-4 멀티프로세싱
- 8-5 동적 컴파일
- 8-6 Cython을 이용한 정적 컴파일
- 8-7 GPU에서 난수 생성하기
- 8-8 결론
- 8-9 참고 문헌
CHAPTER 8 관련 자료¶
CHAPTER 9 수학용 도구¶
- 9-1 근사화
- 9-2 최적화
- 9-3 정적분
- 9-4 심볼릭 연산
- 9-5 결론
- 9-6 참고 문헌
CHAPTER 9 관련 자료¶
CHAPTER 10 확률 과정¶
- 10-1 난수 생성
- 10-2 시뮬레이션
- 10-3 가치 평가
- 10-4 위험 측도
- 10-5 결론
- 10-6 참고 문헌
CHAPTER 10 관련 자료¶
CHAPTER 11 통계 분석¶
- 11-1 정규성 검정
- 11-2 포트폴리오 최적화
- 11-3 주성분 분석
- 11-4 베이즈 회귀
- 11-5 결론
- 11-6 참고 문헌
CHAPTER 11 관련 자료¶
CHAPTER 12 마이크로소프트 엑셀 연동¶
- 12-1 기본적인 스프레드시트 연동
- 12-2 파이썬으로 엑셀 스크립트 작성
- 12-3 xlwings 소개
- 12-4 결론
- 12-5 참고 문헌
CHAPTER 7 관련 자료¶
CHAPTER 13 객체지향과 그래픽 유저 인터페이스¶
- 13-1 객체지향
- 13-2 그래픽 유저 인터페이스
- 13-3 결론
- 13-4 참고 문헌
CHAPTER 13 관련 자료¶
CHAPTER 14 웹 통합¶
- 14-1 웹 기초
- 14-2 웹 플롯팅
- 14-3 빠른 웹 애플리케이션 개발
- 14-4 웹 서비스
- 14-5 결론
- 14-6 참고 문헌
CHAPTER 14 관련 자료¶
PART III 파생상품 분석 라이브러리¶
CHAPTER 15 가치 평가 프레임워크¶
- 15-1 자산 가격결정 기본 정리
- 15-2 위험 중립 할인
- 15-3 시장 환경
- 15-4 결론
- 15-5 참고 문헌
CHAPTER 15 관련 자료¶
CHAPTER 16 금융 모형 시뮬레이션¶
- 16-1 난수 생성
- 16-2 일반적인 시뮬레이션 클래스
- 16-3 기하 브라운 운동 모형
- 16-4 점프 확산 모형
- 16-5 제곱근 확산 모형
- 16-6 결론
- 16-7 참고 문헌
CHAPTER 16 관련 자료¶
CHAPTER 17 파생상품 가치 평가¶
- 17-1 일반적인 가치 평가 클래스
- 17-2 유러피안 행사 방식
- 17-3 아메리칸 행사 방식
- 17-4 결론
- 17-5 참고 문헌
CHAPTER 18 포트폴리오 가치 평가¶
- 18-1 파생상품 포지션
- 18-2 파생상품 포트폴리오
- 18-3 결론
- 18-4 참고 문헌
CHAPTER 19 변동성 옵션¶
- 19-1 VSTOXX 데이터
- 19-2 모형 캘리브레이션
- 19-3 VSTOXX 아메리칸 옵션
- 19-4 결론
- 19-5 참고 문헌
CHAPTER 19 관련 자료¶
부록¶
APPENDIX A 파이썬 프로그래밍 관행¶
- A-1 파이썬 문법
- A-2 문서화
- A-3 유닛 테스팅
APPENDIX B 콜 옵션 클래스¶
APPENDIX C 날짜와 시간¶
- C-1 파이썬에서의 날짜와 시간
- C-2 NumPy에서의 날짜와 시간
- C-3 pandas에서의 날짜와 시간
APPENDIX C 관련 자료¶
Index¶
오탈자 목록¶
다음은 본서의 오자 혹은 탈자 목록입니다. 추가적인 오자를 발견하신 분은 admin@datascienceschool.net 또는 ask@hanbit.co.kr 로 연락을 주시면 감사하겠습니다.
65 페이지
잘못된 부분
$ IPython notegook --pylab inline수정
$ ipython notebook --pylab inline
질문/덧글
사용자에 의해 삭제되었습니다.
사용자에 의해 삭제되었습니다.
노트북 연결이 되지 않습니다 ㅠ
원저자의 github에 변화가 있었습니다. 수정된 링크를 반영하였습니다. 지적 감사합니다.
책 84페이지.
bsm_vega() 함수를 정의하는 부분에서 오타라고 생각되는 부분이 있습니다.
vega = S0 * stats.norm.cdf (d1, 0.0, 1.0) * sqrt(T)
에서 cdf ===> pdf로 변경되어야 할 것 같네요.
베가 공식을 보면 N()이 아니라 N의 도함수이니까요.
확인 부탁드립니다.