本书介绍了数值分析在金融领域的应用,涉及金融问题建模、模型求解的数值方法以及Python程序实现,涵盖了Python编程和经典数值分析的主要内容。其中,Python编程包括Python程序设计、Python数据分析、Python画图;经典数值分析包括非线性方程数值求解、最小二乘线性拟合、线性方程组数值求解、插值、幂法求特征值与特征向量、数值积分、常微分方程数值解。
本书的特色是以实际金融计算问题为背景,介绍经典数值分析内容,对所涉及金融计算问题的数值分析方法都给出了对应的Python程序,并提供了丰富的金融计算习题。
本书可作为金融专业本科生的数值分析课程教材或参考书,也可供对金融计算感兴趣的研究人员和技术人员参考。
- 前辅文
- 第一章 Python编程基础
- 1.1 Python简介
- 1.2 Python变量和运算
- 1.3 列表
- 1.4 元组
- 1.5 字典
- 1.6 集合
- 1.7 变量保存
- 1.8 分支语句
- 1.9 循环语句
- 1.10 函数
- 1.11 习题
- 第二章 NumPy数组
- 2.1 数组的基本操作
- 2.2 数组的运算
- 2.3 习题
- 第三章 Pandas
- 3.1 Pandas数据结构
- 3.2 Pandas数据操作
- 3.3 数据统计
- 3.4 分组和聚合
- 3.5 时间变量
- 3.6 习题
- 第四章 Matplotlib
- 4.1 画布、子图和坐标系
- 4.2 绘图和修图
- 4.3 图形保存与展示
- 4.4 其他图形绘制
- 4.5 习题
- 第五章 非线性方程数值求解
- 5.1 金融问题
- 5.2 二分法
- 5.3 牛顿法
- 5.4 割线法
- 5.5 不动点迭代
- 5.6 数值求根常见问题
- 5.7 网络消费贷分期利率计算
- 5.8 股票交易时间间隔的概率分布拟合
- 5.9 习题
- 第六章 最小二乘线性拟合
- 6.1 金融问题
- 6.2 最小二乘线性拟合
- 6.3 CAPM实证检验
- 6.4 幂律尾指数估计
- 6.5 习题
- 第七章 线性方程组数值求解
- 7.1 金融问题
- 7.2 高斯消元法
- 7.3 LU分解
- 7.4 误差估计和扰动分析
- 7.5 迭代法
- 7.6 Fama-French三因子模型在中国股市的实证检验
- 7.7 LPPLS泡沫预警模型的参数估计
- 7.8 习题
- 第八章 插值
- 8.1 金融问题
- 8.2 拉格朗日插值
- 8.3 牛顿插值
- 8.4 误差形态
- 8.5 中国国债收益率曲线拟合
- 8.6 基于插值的数值求根
- 8.7 习题
- 第九章 幂法求特征值与特征向量
- 9.1 金融问题
- 9.2 特征值和特征向量
- 9.3 幂法
- 9.4 基于特征向量中心性的重要金融机构识别
- 9.5 习题
- 第十章 数值积分
- 10.1 金融问题
- 10.2 梯形法
- 10.3 辛普森法
- 10.4 高斯积分
- 10.5 上证指数尾部风险概率计算
- 10.6 习题
- 第十一章 常微分方程数值解
- 11.1 传染模型
- 11.2 数值微分
- 11.3 常微分方程可解性理论
- 11.4 数值方法
- 11.5 收敛性和稳定性
- 11.6 泰勒法和龙格–库塔法
- 11.7 等额本金与等额本息还款方式比较
- 11.8 期权定价
- 11.9 习题
- 参考文献