Python for Finance（第二版）

序言

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

如今，Python 无疑是金融行业的主要战略技术平台之一。 当我在2013年开始撰写本书第一版时，我仍在许多对话和演讲中不遗余力地论证Python在金融领域相对于其他语言和平台的竞争优势。临近 2018 年底，这已经不是一个问题了：现在，世界各地的金融机构只是试图充分利用 Python 及其强大的数据分析、可视化和机器学习软件包生态系统。

在金融领域之外，Python 也常常是计算机科学课程等编程入门课程的首选语言。除了其可读性语法和多范式方法外，一个主要原因是 Python 也已成为人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 领域的一等公民。这些领域中许多最流行的软件包和库都是直接用 Python 编写的（如用于 ML 的scikit-learn ），或者有 Python 封装器可用（如用于 DL 的TensorFlow ）。

金融本身正在进入一个新时代，而推动这一演变的主要有两股力量。首先是以程序化方式获取基本所有可用的金融数据--一般来说，这些数据都是实时获取的，这也是数据驱动型金融的起因。几十年前，大多数交易或投资决策都是由交易员和投资组合经理在报纸上读到的信息或通过个人谈话了解到的信息驱动的。后来出现了终端，通过计算机和电子通信将金融数据实时传送到交易员和投资组合经理的办公桌上。如今，个人（或团队）已无法跟上一分钟内产生的大量金融数据。只有处理速度和计算能力不断提高的机器才能跟上金融数据的数量和速度。这意味着，除其他外，当今全球股票交易量的大部分是由算法和计算机驱动的，而不是由人类交易员驱动的。

第二股主要力量是人工智能在金融领域的重要性与日俱增。越来越多的金融机构试图利用 ML 和 DL 算法来改善运营及其交易和投资业绩。2018 年初，第一本关于 "金融机器学习 "的专著出版，凸显了这一趋势。毫无疑问，未来还会有更多。这可能会导致所谓的 "AI-first finance"，即灵活、可参数化的 ML 和 DL 算法取代传统的金融理论--这些理论可能很优雅，但在数据驱动、AI-first finance 的新时代不再非常有用。

Python 是应对这个金融时代挑战的正确编程语言和生态系统。虽然本书涵盖了无监督和有监督学习的基本 ML 算法（以及深度神经网络等），但重点在于 Python 的数据处理和分析能力。为了充分说明人工智能在金融领域的重要性--无论是现在还是将来--有必要再编写一本长篇巨著。不过，大多数人工智能、ML 和 DL 技术都需要大量的数据，因此无论如何，掌握数据驱动的金融学应该是第一位的。

Python for Finance》第二版与其说是更新，不如说是升级。例如，它增加了一个关于算法交易的完整部分（第四部分）。这一主题近来在金融业变得相当重要，在散户交易者中也相当流行。它还增加了一个更入门的部分（第二部分），在书的后面部分应用之前，先介绍基本的 Python 编程和数据分析主题。另一方面，第一版中的一些章节被完全删除。例如，删除了关于网络技术和软件包（如Flask ）的章节，因为现在有更多关于此类主题的专门书籍。

在第二版中，我试图涵盖更多与金融相关的主题，并将重点放在对金融数据科学、算法交易和计算金融特别有用的 Python 技术上。与第一版一样，第二版采用了实用的方法，即先介绍实现和说明，再介绍理论细节，而且我通常关注的是全局，而不是某个类、方法或函数最神秘的参数化选项。