本书的主要内容有：运用数学知识，学习金融理论和Python编程的基础。学习在计算金融中使用金融理论、金融数据建模，以及Python。利用简单的经济学模型，更好地理解金融的基本概念和Python编程概念。利用静态和动态金融建模来解决金融中的基本问题，如定价、决策、均衡和资产分配等。学习对金融建模有用的Python软件包的基础知识，如NumPy、SciPy、Matplotlib和SymPy。

一句话推荐
本书以一种综合的方式解释了金融、数学和Python编程概念，从而使跨学科概念产生相互促进的作用。
编辑推荐

在当今时代，金融、数学和编程是有着内在联系的。本书提供了针对这些学科的相关基础内容，并介绍了在计算金融世界中入门所需的主要工具。
作为一本实用指南，本书所采用的方法是：使用数学概念作为学习金融思想和编程技术的共同背景，向读者传授金融经济学的基本知识。本书由畅销书《Python for Finance》作者Yves Hilpish所撰写，以一种综合的方式解释了金融、数学和Python编程概念，从而使跨学科概念产生相互促进的作用。
专家推荐
“Yves将金融理论与数学以及编程联系起来的方式非常出色。”
——Tomer Regev博士

前言Python 正迅速成为数据科学、机器学习和自然语言处理的事实语言；它将打开创新的新源泉。Python 使我们能够加入规模庞大的Python 开源社区，迅速引入最先进的技术，以及进行个性化定制。 注1—— Kindman and Taylor (2021)为何选择本书？在线交易平台、开源软件和开源金融数据等技术趋势已经大大降低甚至完全消除了进入全球金融市场的门槛。例如，流动资金有限的个人可以在几个小时内开始进行算法交易。金融学科的学生和学者，只要有一点编程方面的背景知识，就可以轻松地将机器学习和深度学习方面的尖端创新应用于金融数据，他们只需在金融课上带的笔记本电脑上操作即可。在硬件方面，云供应商可以提供专业的计算和数据处理能力，每月只需花费5 美元起，按小时来计费，在可扩展性方面几乎没有限制。截止到今天，学术金融教育和专业金融教育领域对这些技术趋势只做出了很有限的反应。本书从基础开始教授金融和Python（http://python.org）编程语言。如今，金融和编程是紧密相连的学科，Python 是金融业中使用最广泛的编程语言之一。本书以一种综合但又不失技术性的方式对相关的基础知识进行介绍，包括数学、金融和编程。传统上，理论金融和计算金融或多或少都算是相对独立的学科。而现在，编程课程（例如，Python 和C ）已经成为金融工程硕士和类似学科的组成部分，该事实表明编程技能在金融领域已经变得非常重要。然而，数学基础、理论金融和基本的编程技术在通常情况下仍然是相互独立的，只是后来才与计算金融结合起来教授。本书采取了一种不同的方法，即使用数学概念（如线性代数和概率论的概念）来提供共同背景，在此背景下引入金融思想和编程技术。因此，抽象的数学概念从两个不同的角度被激发出来：金融和编程。此外，这种方法还带来了一种新的学习经验，即将数学和金融概念直接转化为可执行的代码，让两者之间可以互动地进行探索。我的另一本书《Python for Finance》（第2 版，2018 年，O’Reilly）的几位读者指出，那本书既没有从头开始介绍金融知识，也没有讲解Python。事实上，那本书的读者至少要在金融和Python 编程方面有一些经验。本书填补了这一空白，因为它侧重于金融和Python 编程的更多基本概念。因此，读完本书的读者可以自然而然地进入《Python for Finance》的学习，以进一步建立和提高他们在金融领域应用Python 的技能。本书最后一章将提供更多的指导。读者对象我已经写了很多关于Python 应用于金融的书。我的公司Python Quants 提供了许多Python 在金融方面的线下和线上培训课程。对于我以前所有的书和培训课程，它们所面向的读者和培训参与者都应该已经有一些金融和PYTHON编程或类似语言的背景知识。本书则完全从零开始，只希望读者有一些数学的基础知识，特别是微积分、线性代数和概率论的知识。尽管本书材料在所介绍的数学概念方面几乎是自成一体的，但如果需要的话，建议读者阅读像PEMBERTON 和RAU(2016) 注2这样的数学入门书籍以了解更多细节。鉴于这种方法，本书的目标读者是那些想要学习金融理论、金融数据建模和使用Python 计算金融的学生、学者和专业人士。本书是关于该领域的系统性介绍，在此之上可以去学习更高级的书籍或培训项目。有正式金融背景的读者会发现本书的数学和金融元素相当简单明了。另外，具有较强编程背景的读者会发现Python 元素相当简单，容易理解。即使读者不打算继续学习计算金融、算法交易或资产管理方面更高级的课题，通过本书获得的Python 和金融技能也可以有益地应用于金融方面的标准问题，如根据现代投资组合理论（MPT）构成投资组合。例如，本书还讲授了如何通过标准方法对期权和其他衍生品进行估值，如复制组合或风险中性定价。本书还适用金融业的高管，他们想了解Python 编程语言在金融业的应用。另外，已经精通Python 或其他编程语言的人也可以阅读本书，他们想要了解Python在金融中的应用。本书概述本书由以下各章组成。第1 章第1 章为本书的其他部分做了铺垫。它提供了一个简明的金融历史知识，解释了本书将Python 用于金融的方法，并展示了如何建立一个基本的Python 基础设施，以便与本书提供的代码和Jupyter Notebooks 一起工作。第2 章本章涵盖了最简单的模型经济，在此模型经济中，不确定性下的金融分析是可能的：只涉及两个相关日期和两个不确定的未来状态。人们有时会说是静态的双状态经济。尽管它很简单，但这个框架允许引入金融的基本概念，如净现值、预期收益、波动率、未定权益、期权复制、套利定价、鞅测度、市场完备性、风险中性定价和均值- 方差投资组合。第3 章本章在模型中引入了第三个不确定的未来状态，分析了一个静态的三态经济。这使我们能够分析诸如市场不完全性、鞅测度的不确定性、未定权益的超复制和未定权益的近似复制等概念。它还引入了资本资产定价模型作为金融资产的均衡定价方法。第4 章在这一章中，将介绍主体及其个体决策问题。本章的分析主要基于金融学中不确定条件下决策的主导范式：预期效用最大化。在所谓的代表主体的基础上，介绍了均衡的概念，并说明了最优性和均衡之间的联系，以及鞅测度和风险中性定价的关系。代表性主体也是克服不完全市场经济中出现的困难的一种方法。第5 章本章概括了前面的概念和结果，在一个具有有限的、但可能是大量的不确定未来状态的环境中，我们需要更多的数学形式来分析这种一般的静态经济。第6 章在分析一般静态经济的基础上，本章引入了动态的金融建模方法，以分析离散时间内动态经济的两个特殊情况。基本的见解是，一般来说，经济的未来状态的不确定性会随着时间的推移逐渐解决。这可以通过使用随机过程来建模，其中的一个例子是二项式过程，可以用二项式树来直观地表示。第7 章本章提供了在数学、金融理论和Python 编程领域探索的大量额外资源，还对读者在读完本书后如何继续学习提供了指导。使用代码示例补充材料（代码实例、练习等）可在https://finpy.pqp.io 上获取。如果你有技术问题或在使用代码示例时遇到问题，请发电子邮件到 errata@oreilly.com.cn。本书是为了帮助你完成你的工作。一般来说，如果本书提供了示例代码，你可以在你的程序和文档中使用它。你不需要联系我们以获得许可，除非你要复制代码的很大一部分。例如，使用本书中的多个代码片段编写程序就无需获得许可。但销售或者分发O’Reilly 书中的示例代码则需要获得许可。回答问题时援引本书内容以及书中示例代码，无需获得许可。在你自己的项目文档中使用本书大量的示例代码时，则需要获得许可。我们很希望但并不强制要求你在引用本书内容时加上引用说明。引用说明一般包括书名、作者、出版社和ISBN，例如：“Financial Theory with Python by Yves Hilpisch (O’Reilly). Copyright 2022 Yves Hilpisch, 978-1-098-10435-1”。如果你觉得自己对示例代码的使用超出了上述许可范围， 请通过permissions@oreilly.com 与我们联系。O’Reilly 在线学习平台（O’Reilly Online Learning）近40 年来，O’Reilly Media 致力于提供技术和商业培训、知识和卓越见解，来帮助众多公司取得成功。公司独有的专家和改革创新者网络通过O’Reilly 书籍、文章以及在线学习平台，分享他们的专业知识和实践经验。O’Reilly 在线学习平台按照您的需要提供实时培训课程、深入学习渠道、交互式编程环境以及来自O’Reilly 和其他200 多家出版商的大量书籍与视频资料。更多信息，请访问网站：https://www.oreilly.com/。联系我们任何有关本书的意见或疑问，请按照以下地址联系出版社。美国：O’Reilly Media, Inc.1005 Gravenstein Highway NorthSebastopol, CA 95472中国：北京市西城区西直门南大街2 号成铭大厦C 座807 室（100035）奥莱利技术咨询（北京）有限公司关于这本书有一个网页，我们在该网页列出了勘误表、示例以及所有其他信息。您可以通过该链接访问此页面：https://oreil.ly/fin-theory-with-python。有关本书的评论或技术问题，请发送电子邮件至：errata@oreilly.com.cn。欲了解本社图书和课程的新闻和信息，请访问我们的网站http://oreilly.com。我们的Facebook：http://facebook.com/oreilly。我们的Twitter：http://twitter.com/oreillymedia。我们的YouTube：http://www.youtube.com/oreillymedia。致谢本书得益于我们的Python 金融证书课程的学员们的宝贵反馈。长期以来，他们给出了许多改进建议。我很感谢技术评审员给我提出的一些有用的意见。我也很感谢整个O'Reilly 团队对我的帮助和支持。我把这本书献给我的妻子Sandra，你是我生命中的挚爱。

Yves J. Hilpisch博士是The Python Quants的创始人和首席执行官，该组织致力于将开源技术用于金融数据科学、人工智能、算法交易和计算金融。他也是The AI Machine的创始人和首席执行官，该公司专注于通过一个专有的战略执行平台进行人工智能驱动的算法交易。

目录
前言 1
目录
第1 章 金融与Python 9
1.1 金融简史10
1.2 金融的主要趋势 11
1.3 四种语言的世界 13
1.4 本书的方法 13
1.5 Python 入门 .17
1.6 小结 .25
1.7 参考文献26
第2 章 双态经济 27
2.1 经济 .28
2.1.1 实物资产 .29
2.1.2 主体 29
2.1.3 时间 29
2.1.4 货币 30
2.2 现金流 31
2.2.1 回报 33
2.2.2 利息 34
2.2.3 现值 35
2.2.4 净现值 36
2.3 不确定性37
2.4 金融资产40
2.5 风险 .41
2.5.1 概率测度 .41
2.5.2 期望 43
2.5.3 预期回报 .44
2.5.4 波动率 45
2.6 未定权益47
2.6.1 复制 50
2.6.2 套利定价 .53
2.6.3 市场完备性 55
2.7 阿罗- 德布鲁证券 60
2.8 鞅定价 62
2.8.1 资产定价第一基本定理 63
2.8.2 按期望定价 64
2.8.3 资产定价第二基本定理 65
2.9 均值- 方差投资组合 65
2.10 小结 71
2.11 更多资源 .71
第3 章 三态经济 73
3.1 不确定性74
3.2 金融资产74
3.3 可达未定权益 .75
3.4 鞅定价 79
3.4.1 鞅测度 79
3.4.2 风险中立定价 81
3.5 超复制 82
3.6 近似复制86
3.7 资本市场线 88
3.8 资本资产定价模型 91
3.9 小结 .96
3.10 更多资源 .97
第4 章 优化和均衡 99
4.1 效用最大化 100
4.1.1 无差异曲线 . 103
4.1.2 适当的效用函数 104
4.1.3 对数效用 105
4.1.4 时间累积效用 . 107
4.2 预期效用. 110
4.2.1 最佳投资组合 . 113
4.2.2 时间累积期望效用 115
4.3 完全市场中的定价 . 117
4.3.1 套利定价 119
4.3.2 鞅定价 120
4.4 无风险利率 120
4.5 数值实例（I） . 121
4.6 不完全市场中的定价 125
4.6.1 鞅测度 127
4.6.2 均衡定价 128
4.7 数值实例（II） 130
4.8 小结 135
4.9 更多资源. 135
第5 章 静态经济 . 137
5.1 不确定性. 138
5.1.1 随机变量 139
5.1.2 数值案例 140
5.2 金融资产. 142
5.3 未定权益. 145
5.4 市场完备性 146
5.5 资产定价的基本定理 150
5.6 Black-Scholes-Merton 期权定价 155
5.7 Black-Scholes-Merton 的完整性 . 159
5.8 Merton 跳扩散模型期权定价 161
5.9 代表主体定价 165
5.10 小结 167
5.11 更多资源 167
第6 章 动态经济 . 169
6.1 二项式期权定价 . 170
6.1.1 基于Python 循环的模拟和评估 173
6.1.2 基于向量代码的模拟和估值 177
6.1.3 速度比较 181
6.2 Black-Scholes-Merton 期权定价 . 183
6.2.1 股票价格路径的蒙特卡洛模拟 184
6.2.2 欧式看跌期权的蒙特卡洛估价 188
6.2.3 美式看跌期权的蒙特卡洛估价 189
6.3 小结 190
6.4 更多资源. 191
第7 章 进一步探索 193
7.1 数学 193
7.2 金融理论. 194
7.3 Python 编程 198
7.4 Python 金融分析 . 198
7.4.1 金融数据科学 . 199
7.4.2 算法交易 200
7.4.3 计算金融 200
7.4.4 人工智能 201
7.4.5 其他资源 202
7.5 最后的话. 203