金融從業(yè)者每天都要與海量的數據打交道，如何從這些數據中挖掘出需要的信息，并進行相應的分析，是很多金融從業(yè)者非常關心的內容。本書以功能強大且較易上手的Python語言為編程環(huán)境，全面講解了金融數據的獲取、處理、分析及結果呈現。
全書共16章，內容涉及Python基礎知識、網絡數據爬蟲技術、數據庫存取、數據清洗、數據可視化、數據相關性分析、IP代理、瀏覽器模擬操控、郵件發(fā)送、定時任務、文件讀寫、云端部署、機器學習等，可以實現輿情監(jiān)控、智能投顧、量化金融、大數據風控、金融反欺詐模型等多種金融應用。無論是編程知識還是金融相關知識，本書都力求從易到難、循序漸進地講解，并輔以商業(yè)實戰(zhàn)案例來加深印象。
本書定位為一本金融科技入門讀物，但書中的數據挖掘與分析思想對其他行業(yè)來說也具備較高的參考價值。本書又是一個金融科技工具箱，里面的代碼可以方便地速查速用，解決實際工作中的問題。
本書適合金融行業(yè)的從業(yè)人員學習。對于大中專院校金融、財會等專業(yè)的師生，以及具備一定計算機編程基礎，又希望投身金融行業(yè)的讀者，本書也是不錯的參考讀物。
信息時代，數據為王。
時代的發(fā)展日新月異，與此相伴的則是數據的急速增長。面對浩如煙海的數據，人工處理往往會感覺到力有不逮，而通過科技的力量則能彌補這一缺陷。如何在這些數據中挖掘出有價值的信息，也成為新時代每一位拼搏者要思考的問題。
金融從業(yè)者每天都要與海量的數據打交道，如新聞輿情數據、股價數據、宏觀經濟數據、個人信用數據等。如何從這些數據中挖掘出需要的信息，并進行相應的分析，是很多金融從業(yè)者非常關心的內容。例如，我們利用網絡新聞數據可以搭建輿情監(jiān)控系統(tǒng)，實現企業(yè)風險預警；利用股價數據進行相關量化金融分析，可以尋找合適的交易機會；利用個人信用數據，可以進行大數據風控和金融反欺詐等。
數據分析的工具層出不窮，從Excel軟件、R語言，到現在非�；鸬腜ython語言，可以說科技的發(fā)展給我們配備了很多數據分析的利器。Python語言功能強大且較易上手，本書就采用Python語言來進行數據的挖掘與分析。
全書共16章，全面講解了金融數據的獲取、處理、分析及結果呈現，內容十分豐富，涉及Python基礎知識、網絡數據爬蟲技術、數據庫存取、數據清洗、數據可視化、數據相關性分析、IP代理、瀏覽器模擬操控、郵件發(fā)送、定時任務、文件讀寫、云端部署、機器學習等，可以實現輿情監(jiān)控、智能投顧、量化金融、大數據風控、金融反欺詐模型等多種金融應用。
我們將本書定位為一本金融科技入門讀物，無論是編程知識還是金融相關知識，都力求從易到難、循序漸進地講解，并輔以商業(yè)實戰(zhàn)案例來加深印象。此外，我們還希望本書能成為一個金融科技工具箱，里面的代碼不需要死記硬背，而是當您有相應需求時可以方便地速查速用。
本書中的數據挖掘與分析思想不僅適用于金融行業(yè)，對其他行業(yè)來說也具備較高的參考價值。無論您從事的工作是否與金融相關，我們都希望您通過閱讀本書，能夠初步了解金融科技，并結合書中的案例鍛煉自己的實戰(zhàn)能力，成長為一名優(yōu)秀的數據挖掘與分析人才。
第1章 Python基礎
1.1 Python安裝與第一個Python程序
1.1.1 安裝Python
1.1.2 編寫第一個Python程序
1.1.3 PyCharm的安裝與使用
1.2 Python基礎知識
1.2.1 變量、行、縮進與注釋
1.2.2 數據類型：數字與字符串
1.2.3 數據類型：列表與字典、元組與集合
1.2.4 運算符
1.3 Python語句
1.3.1 if條件語句
1.3.2 for循環(huán)語句
1.3.3 while循環(huán)語句
1.3.4 try/except異常處理語句
1.4 函數與庫
1.4.1 函數的定義與調用
1.4.2 函數的返回值與作用域
1.4.3 常用基本函數介紹
1.4.4 庫
第2章 金融數據挖掘之爬蟲技術基礎
2.1 爬蟲技術基礎1網頁結構基礎
2.1.1 查看網頁源代碼F12鍵
2.1.2 查看網頁源代碼右鍵菜單
2.1.3 網址構成及http與https協(xié)議
2.1.4 網頁結構初步了解
2.2 爬蟲技術基礎2網頁結構進階
2.2.1 HTML基礎知識1我的第一個網頁
2.2.2 HTML基礎知識2基礎結構
2.2.3 HTML基礎知識3標題、段落、鏈接
2.2.4 HTML基礎知識4區(qū)塊
2.2.5 HTML基礎知識5類與id
2.3 初步實戰(zhàn)百度新聞源代碼獲取
2.3.1 獲取網頁源代碼
2.3.2 分析網頁源代碼信息
2.4 爬蟲技術基礎3正則表達式
2.4.1 正則表達式基礎1findall()函數
2.4.2 正則表達式基礎2非貪婪匹配之(.*?)
2.4.3 正則表達式基礎3非貪婪匹配之.*?
2.4.4 正則表達式基礎4自動考慮換行的修飾符re.S
2.4.5 正則表達式基礎5知識點補充
第3章 第3章 金融數據挖掘案例實戰(zhàn)1
3.1 提取百度新聞標題、網址、日期及來源
3.1.1 獲取網頁源代碼
3.1.2 編寫正則表達式提取新聞信息
3.1.3 數據清洗并打印輸出
3.2 批量獲取多家公司的百度新聞并生成數據報告
3.2.1 批量爬取多家公司的百度新聞
3.2.2 自動生成輿情數據報告文本文件
3.3 異常處理及24小時實時數據挖掘實戰(zhàn)
3.3.1 異常處理實戰(zhàn)
3.3.2 24小時實時爬取實戰(zhàn)
3.4 按時間順序爬取及批量爬取多頁內容
3.4.1 按時間順序爬取百度新聞
3.4.2 一次性批量爬取多頁內容
3.5 搜狗新聞與新浪財經數據挖掘實戰(zhàn)
3.5.1 搜狗新聞數據挖掘實戰(zhàn)
3.5.2 新浪財經數據挖掘實戰(zhàn)
第4章 數據庫詳解及實戰(zhàn)
4.1 MySQL數據庫簡介及安裝
4.2 MySQL數據庫基礎
4.2.1 MySQL數據庫管理平臺phpMyAdmin介紹
4.2.2 創(chuàng)建數據庫及數據表
4.2.3 數據表基本操作
4.3 Python與MySQL數據庫的交互
4.3.1 安裝PyMySQL庫
4.3.2 用Python連接數據庫
4.3.3 用Python存儲數據到數據庫
4.3.4 用Python在數據庫中查找并提取數據
4.3.5 用Python從數據庫中刪除數據
4.4 案例實戰(zhàn)：把金融數據存入數據庫
第5章
數據清洗優(yōu)化及數據評分系統(tǒng)搭建
5.1 深度分析數據去重及清洗優(yōu)化
5.1.1 數據去重
5.1.2 常見的數據清洗手段及日期格式統(tǒng)一
5.1.3 文本內容深度過濾剔除噪聲數據
5.2 數據亂碼的處理
5.2.1 編碼分析
5.2.2 重新編碼及解碼
5.2.3 解決亂碼問題的經驗方法
5.3 輿情數據評分系統(tǒng)搭建
5.3.1 輿情數據評分系統(tǒng)版本1根據標題評分
5.3.2 輿情數據評分系統(tǒng)版本2根據正文內容評分
5.3.3 輿情數據評分系統(tǒng)版本3解決亂碼問題
5.3.4 輿情數據評分系統(tǒng)版本4處理非相關信息
5.4 完整的百度新聞數據挖掘系統(tǒng)搭建
5.4.1 將輿情數據評分存入數據庫
5.4.2 百度新聞數據挖掘系統(tǒng)代碼整合
5.4.3 從數據庫匯總每日評分
第6章
數據分析利器：NumPy與pandas庫
6.1 NumPy庫基礎
6.1.1 NumPy庫與數組
6.1.2 創(chuàng)建數組的幾種方式
6.2 pandas庫基礎
6.2.1 二維數據表格DataFrame的創(chuàng)建與索引的修改
6.2.2 Excel工作簿等文件的讀取和寫入
6.2.3 數據的讀取與編輯
6.2.4 數據表的拼接
6.3 利用pandas庫導出輿情數據評分
6.3.1 匯總輿情數據評分
6.3.2 導出輿情數據評分表格
第7章
數據可視化與數據相關性分析
7.1 用Tushare庫調取股價數據
7.1.1 Tushare庫的基本用法
7.1.2 匹配輿情數據評分與股價數據
7.2 輿情數據評分與股價數據的可視化
7.2.1 數據可視化基礎
7.2.2 數據可視化實戰(zhàn)
7.3 輿情數據評分與股價數據相關性分析
7.3.1 皮爾遜相關系數
7.3.2 相關性分析實戰(zhàn)
第8章
金融數據挖掘之爬蟲技術進階
8.1 爬蟲技術進階1IP代理簡介
8.1.1 IP代理的工作原理
8.1.2 IP代理的使用方法
8.2 爬蟲技術進階2Selenium庫詳解
8.2.1 網絡數據挖掘的難點
8.2.2 模擬瀏覽器ChromeDriver的下載與安裝
8.2.3 Selenium庫的安裝
8.2.4 Selenium庫的使用
第9章
金融數據挖掘案例實戰(zhàn)2
9.1 新浪財經股票實時數據挖掘實戰(zhàn)
9.1.1 獲取網頁源代碼
9.1.2 數據提取
9.2 東方財富網數據挖掘實戰(zhàn)
9.2.1 獲取網頁源代碼
9.2.2 編寫正則表達式提取數據
9.2.3 數據清洗及打印輸出
9.2.4 函數定義及調用
9.3 裁判文書網數據挖掘實戰(zhàn)
9.4 巨潮資訊網數據挖掘實戰(zhàn)
9.4.1 獲取網頁源代碼
9.4.2 編寫正則表達式提取數據
9.4.3 數據清洗及打印輸出
9.4.4 函數定義及調用
第10章
通過PDF文本解析上市公司理財公告
10.1 PDF文件批量下載實戰(zhàn)
10.1.1 爬取多頁內容
10.1.2 自動篩選所需內容
10.1.3 理財公告PDF文件的自動批量下載
10.2 PDF文本解析基礎
10.2.1 用pdfplumber庫提取文本內容
10.2.2 用pdfplumber庫提取表格內容
10.3 PDF文本解析實戰(zhàn)尋找合適的理財公告
10.3.1 遍歷文件夾里所有的PDF文件
10.3.2 批量解析每一個PDF文件
10.3.3 將合格的PDF文件自動歸檔
第11章 郵件提醒系統(tǒng)搭建
11.1 用Python自動發(fā)送郵件
11.1.1 通過騰訊QQ郵箱發(fā)送郵件
11.1.2 通過網易163郵箱發(fā)送郵件
11.1.3 發(fā)送HTML格式的郵件
11.1.4 發(fā)送郵件附件
11.2 案例實戰(zhàn)：定時發(fā)送數據分析報告
11.2.1 用Python提取數據并發(fā)送數據分析報告郵件
11.2.2 用Python實現每天定時發(fā)送郵件
第12章 基于評級報告的投資決策分析
12.1 獲取券商研報網站的表格數據
12.1.1 表格數據的常規(guī)獲取方法
12.1.2 用Selenium庫爬取和訊研報網表格數據
12.2 pandas庫的高階用法
12.2.1 重復值和缺失值處理
12.2.2 用groupby()函數分組匯總數據
12.2.3 用pandas庫進行批量處理
12.3 評估券商分析師預測準確度
12.3.1 讀取分析師評級報告數據進行數據預處理
12.3.2 用Tushare庫計算股票收益率
12.3.3 計算平均收益率并進行分析師預測準確度排名
12.4 策略延伸
12.4.1 漲停板的考慮
12.4.2 按分析師查看每只股票的收益率
12.4.3 計算多階段股票收益率
第13章 用Python生成Word文檔
13.1 用Python創(chuàng)建Word文檔的基礎知識
13.1.1 初識python-docx庫
13.1.2 python-docx庫的基本操作
13.2 用Python創(chuàng)建Word文檔的進階知識
13.2.1 設置中文字體
13.2.2 在段落中新增文字
13.2.3 設置字體大小及顏色
13.2.4 設置段落格式
13.2.5 設置表格樣式
13.2.6 設置圖片樣式
13.3 案例實戰(zhàn)：自動生成數據分析報告Word文檔
第14章 基于股票信息及其衍生變量的數據分析
14.1 策略基本思路
14.2 獲取股票基本信息及衍生變量數據
14.2.1 獲取股票基本信息數據
14.2.2 獲取股票衍生變量數據
14.2.3 通過相關性分析選取合適的衍生變量
14.2.4 數據表優(yōu)化及代碼匯總
14.3 數據可視化呈現
14.4 用xlwings庫生成Excel工作簿
14.4.1 xlwings庫的基本用法
14.4.2 案例實戰(zhàn)：自動生成Excel工作簿報告
14.5 策略深化思路
第15章 云服務器部署實戰(zhàn)
15.1 云服務器的購買與配置
15.2 程序的云端部署
15.2.1 安裝運行程序所需的軟件
15.2.2 實現程序24小時不間斷運行
第16章 機器學習之客戶違約預測模型搭建
16.1 機器學習在金融領域的應用
16.2 決策樹模型的基本原理
16.2.1 決策樹模型簡介
16.2.2 決策樹模型的建樹依據
16.3 案例實戰(zhàn)：客戶違約預測模型搭建
16.3.1 模型搭建
16.3.2 模型預測及評估
16.3.3 模型可視化呈現
書單推薦
