本书详细阐述了与Python金融数据分析相关的基本解决方案，主要包括获取金融数据、数据预处理、可视化金融时间序列、探索金融时间序列数据、技术分析和构建交互式仪表板、时间序列分析与预测、基于机器学习的时间序列预测、多因素模型、使用GARCH类模型对波动率进行建模、金融领域中的蒙特卡罗模拟、资产配置、回测交易策略、识别信用违约、机器学习项目的高级概念、金融领域的深度学习等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

艾瑞克·里文森在荷兰鹿特丹伊拉斯姆斯大学（Erasmus University Rotterdam，EUR）获得量化金融（Quantitative Finance）硕士学位。他拥有在两家公司的风险管理和数据科学部门工作的经历，其间积累了数据科学方法的实际应用经验。这两家公司的其中一家是荷兰新经纪商，另一家则是荷兰最大的在线零售商。
工作之余，他撰写了一百多篇与数据科学相关的文章，阅读量超过300万次。在空闲时间，他喜欢玩电子游戏、看书以及和女友一起旅行。

第1章 获取金融数据
1.1 从雅虎财经获取数据
1.1.1 实战操作
1.1.2 原理解释
1.1.3 扩展知识
1.1.4 参考资料
1.2 从Nasdaq Data Link获取数据
1.2.1 准备工作
1.2.2 实战操作
1.2.3 原理解释
1.2.4 扩展知识
1.2.5 参考资料
1.3 从Intrinio获取数据
1.3.1 准备工作
1.3.2 实战操作
1.3.3 原理解释
1.3.4 扩展知识
1.3.5 参考资料
1.4 从Alpha Vantage获取数据
1.4.1 准备工作
1.4.2 实战操作
1.4.3 原理解释
1.4.4 扩展知识
1.4.5 参考资料
1.5 从CoinGecko获取数据
1.5.1 实战操作
1.5.2 原理解释
1.5.3 扩展知识
1.5.4 参考资料
1.6 小结
第2章 数据预处理
2.1 将价格转化为收益
2.1.1 实战操作
2.1.2 原理解释
2.2 为通货膨胀调整收益
2.2.1 实战操作
2.2.2 原理解释
2.2.3 扩展知识
2.2.4 参考资料
2.3 改变时间序列数据的频率
2.3.1 做好准备
2.3.2 实战操作
2.3.3 原理解释
2.4 估算缺失数据的不同方法
2.4.1 实战操作
2.4.2 原理解释
2.4.3 扩展知识
2.4.4 参考资料
2.5 转换货币单位
2.5.1 实战操作
2.5.2 原理解释
2.5.3 扩展知识
2.5.4 参考资料
2.6 聚合交易数据的不同方式
2.6.1 实战操作
2.6.2 原理解释
2.6.3 扩展知识
2.6.4 参考资料
2.7 小结
第3章 可视化金融时间序列
3.1 时间序列数据的基本可视化
3.1.1 实战操作
3.1.2 原理解释
3.1.3 扩展知识
3.1.4 参考资料
3.2 可视化季节性模式
3.2.1 实战操作
3.2.2 原理解释
3.2.3 扩展知识
3.3 创建交互式可视化
3.3.1 实战操作
3.3.2 原理解释
3.3.3 扩展知识
3.3.4 参考资料
3.4 创建K线图
3.4.1 准备工作
3.4.2 实战操作
3.4.3 原理解释
3.4.4 扩展知识
3.4.5 参考资料
3.5 小结
第4章 探索金融时间序列数据
4.1 使用滚动统计进行异常值检测
4.1.1 实战操作
4.1.2 原理解释
4.1.3 扩展知识
4.2 使用Hampel过滤器进行异常值检测
4.2.1 实战操作
4.2.2 原理解释
4.2.3 扩展知识
4.2.4 参考资料
4.3 检测时间序列中的变点
4.3.1 实战操作
4.3.2 原理解释
4.3.3 扩展知识
4.3.4 参考资料
4.4 检测时间序列中的趋势
4.4.1 实战操作
4.4.2 原理解释
4.4.3 参考资料
4.5 使用Hurst指数检测时间序列中的模式
4.5.1 实战操作
4.5.2 原理解释
4.5.3 扩展知识
4.5.4 参考资料
4.6 研究资产收益的典型化事实
4.6.1 准备工作
4.6.2 实战操作
4.6.3 原理解释
4.6.4 扩展知识
4.6.5 参考资料
4.7 小结
第5章 技术分析和构建交互式仪表板
5.1 计算最流行的技术指标
5.1.1 实战操作
5.1.2 原理解释
5.1.3 扩展知识
5.1.4 参考资料
5.2 下载技术指标
5.2.1 实战操作
5.2.2 原理解释
5.2.3 扩展知识
5.3 识别K线图的形态
5.3.1 实战操作
5.3.2 原理解释
5.3.3 扩展知识
5.3.4 参考资料
5.4 使用Streamlit构建用于技术分析的交互式Web应用程序
5.4.1 准备工作
5.4.2 实战操作
5.4.3 原理解释
5.4.4 扩展知识
5.4.5 参考资料
5.5 部署技术分析应用程序
5.5.1 准备工作
5.5.2 实战操作
5.5.3 原理解释
5.5.4 扩展知识
5.5.5 参考资料
5.6 小结
第6章 时间序列分析与预测
6.1 时间序列分解
6.1.1 实战操作
6.1.2 原理解释
6.1.3 扩展知识
6.1.4 参考资料
6.2 测试时间序列的平稳性
6.2.1 准备工作
6.2.2 实战操作
6.2.3 原理解释
6.2.4 扩展知识
6.2.5 参考资料
6.3 校正时间序列的平稳性
6.3.1 实战操作
6.3.2 原理解释
6.3.3 扩展知识
6.4 使用指数平滑方法对时间序列建模
6.4.1 准备工作
6.4.2 实战操作
6.4.3 原理解释
6.4.4 扩展知识
6.4.5 参考资料
6.5 使用ARIMA类模型对时间序列建模
6.5.1 准备工作
6.5.2 实战操作
6.5.3 原理解释
6.5.4 扩展知识
6.5.5 参考资料
6.6 使用auto-ARIMA寻找最佳拟合的ARIMA模型
6.6.1 准备工作
6.6.2 实战操作
6.6.3 原理解释
6.6.4 扩展知识
6.6.5 参考资料
6.7 小结
第7章 基于机器学习的时间序