朱顺泉编著的《量化金融投资及其Python应用/金融科技创新与量化金融投资系列丛书》全面介绍Python在量化金融投资中的应用。全书共分20章，主要内容包括：量化金融投资平台与Python工作环境，Python基础知识与编程基础，量化金融投资程序包Python-NumPy和Python-SciPy的应用，量化金融投资程序包Python-Pandas的基本数据结构及其在金融数据处理中的应用，金融时间序列分析、中国股市分析、机器学习神经网络算法、机器学习支持向量机SVM、欧式期权定价、函数插值、期权定价二叉树算法、偏微分方程显式差分法和隐式差分法、Black-Scholes偏微分方程隐含差分法、优矿平台的量化金融投资、Alpha对冲模型、Signal框架下的Alpha量化金融投资策略、量化金融投资组合优化等问题的Python应用。
本书内容新颖、全面，实用性强，融理论、方法、应用于一体，可以供金融学、投资学、金融工程、保险学、经济学、财政学、财务管理、统计学、数量经济学、管理科学与工程、金融数学等专业的高年级本科生、研究生和金融专业硕士使用。

第1章 量化金融投资平台与Python工作环境
1.1 国内外量化金融投资平台概述
1.2 优矿平台界面
1.3 优矿平台提供的服务
1.4 优矿平台的Notebook功能
1.5 优矿平台支持的Python程序包
1.6 Python的下载
1.7 Python的安装
1.8 Python的启动和退出
练习题
第2章 Python的两个基本操作与编程基础
2.1 Python的两个基本操作
2.2 Python容器
2.3 Python函数
2.4 Python条件与循环
2.5 Python类与对象
练习题
第3章 NumPy在量化金融投资分析中的应用
3.1 NumPy概述
3.2 NumPy对象初步：数组
3.3 创建数组
3.4 数组和矩阵的运算
3.5 访问数组和矩阵元素
3.6 矩阵操作
3.7 缺失值
3.8 一元线性回归分析的NumPy应用
练习题
第4章 SciPy在量化金融投资分析中的应用
4.1 SciPy概述
4.2 统计知识
4.3 优化知识
4.3.1 无约束优化问题
4.3.2 有约束优化问题
4.3.3 利用CVXOPT求解二次规划问题
练习题
第5章 pandas的基本数据结构
5.1 pandas介绍
5.2 pandas数据结构：Series
5.2.1 创建Series
5.2.2 Series数据的访问
5.3 pandas数据结构：DataFrame
5.3.1 创建DataFrame
5.3.2 DataFrame数据的访问
练习题
第6章 pandas在金融数据处理中的应用
6.1 创建数据结构的方式
6.2 数据的查看
6.3 数据的访问和操作
6.3.1 再谈数据的访问
6.3.2 处理缺失数据
6.3.3 数据操作
6.4 数据可视化
练习题
第7章 金融时间序列分析及其Python应用
7.1 时间序列分析的基础知识
7.1.1 时间序列的概念及其特征
7.1.2 平稳性
7.1.3 相关系数和自相关函数
7.1.4 白噪声序列和线性时间序列
7.2 自回归模型
7.2.1 AR(p)模型的特征根及平稳性检验
7.2.2 AR(p)模型的定阶
7.2.3 模型的检验
7.2.4 拟合优度及预测
7.3 移动平均模型及预测
7.3.1 MA（q）模型的性质
7.3.2 MA(q)模型的阶次判定
7.3.3 建模和预测
7.4 自回归移动平均模型及预测
7.4.1 确定ARMA（p,q）模型的阶次
7.4.2 ARMA模型的建立及预测
7.5 ARIMA模型及预测
7.5.1 单位根检验
7.5.2 ARIMA(p,d,q)模型阶次确定
7.5.3 ARIMA模型的建立及预测
7.6 自回归条件异方差模型ARCH及预测
7.6.1 波动率的特征
7.6.2 ARCH模型的基本原理
7.6.3 ARCH模型的建立及预测
7.7 广义自回归条件异方差模型GARCH及波动率预测
7.7.1 GARCH模型的建立
7.7.2 波动率预测
练习题
第8章 中国股市分析及其Python应用
8.1 股票的基本信息
8.2 股票收益风险分析
8.3 基于风险价值的蒙特卡洛方法
练习题
第9章 机器学习神经网络算法及其Python应用
9.1 BP神经网络的拓扑结构
9.2 BP神经网络的学习算法
9.3 BP神经网络的学习程序
9.4 BP神经网络算法股票预测的Python应用
练习题
第10章 机器学习支持向量机及其Python应用
10.1 机器学习支持向量机原理
10.2 机器学习支持向量机的应用
练习题
第11章 欧式期权定价的Python应用
11.1 期权定价公式的Python函数
11.2 使用NumPy加速批量计算
11.2.1 使用循环的方式
11.2.2 使用NumPy向量计算
11.3 使用SciPy做仿真计算
11.4 计算隐含波动率
练习题
第12章 函数插值的Python应用
12.1 如何使用SciPy做函数插值
12.2 函数插值应用——期权波动率曲面构造
练习题
第13章 期权定价二叉树算法的Python应用
13.1 二叉树算法的Python描述
13.2 用面向对象的方法实现二叉树算法
13.2.1 二叉树框架
13.2.2 二叉树类型描述
13.2.3 偿付函数
13.2.4 组装
13.3 美式期权定价的二叉树算法
练习题
第14章 偏微分方程显式差分法的Python应用
14.1 热传导方程
14.2 显式差分格式
14.3 模块组装
14.4 显式格式的条件稳定性
练习题
第15章 偏微分方程隐式差分法的Python应用
15.1 隐式差分格式
15.1.1 矩阵求解
15.1.2 隐式格式求解
15.2 模块组装
15.3 使用SciPy加速
练习题
第16章 Black-Scholes-Merton偏微分方程隐式差分法的Python应用
16.1 Black-Scholes-Merton偏微分方差初边值问题的提出
16.2 偏微分方程隐式差分法
16.3 Python应用实现
16.4 收敛性测试
练习题
第17章 优矿平台的量化金融投资初步
17.1 量化金融投资基础
17.2 量化金融投资及其策略
17.3 设置初始数据
17.4 选取股票池
17.5 初始化回测账户
17.6 设置买卖条件
17.7 组合成完整的量化策略
练习题
第18章 Alpha对冲模型的Python应用
18.1 Alph