├── 5. 数据可视化
    └── 5. DataVision.ipynb
├── 6. 金融时间序列
    └── 6. FinanceTimeSequence.ipynb
└── README.md


/README.md:
--------------------------------------------------------------------------------
 1 | # Python金融大数据分析 #
 2 | 
 3 | **第一部分 Python与金融**
 4 | 
 5 | ## 1. 为什么将Python用于金融 ##
 6 | 
 7 | ### 1.1 Python是什么 ###
 8 | ### 1.2 金融中的科技 ###
 9 | ### 1.3 用于金融的Python ###
10 | ### 1.4 结语###
11 | ### 1.5 延伸阅读 ###
12 | 
13 | ## 2. 基础架构和工具 ##
14 | 
15 | ### 2.1 Python部署 ###
16 | ### 2.2 结语 ###
17 | ### 延伸阅读 ###
18 | 
19 | ## 3. 入门实例 ##
20 | 
21 | ### 3.1 隐含波动率 ###
22 | ### 3.2 蒙特卡洛模拟 ###
23 | ### 3.3 结语 ###
24 | ### 3.4 延伸阅读 ###
25 | 
26 | 
27 | **第二部分 金融分析和开发**
28 | 
29 | ## 4. 数据类型和结构 ##
30 | ## 5. 数据可视化 ##
31 | 
32 | ### 5.1 二维绘图 ###
33 | #### 5.1.1 一维数据集 ####
34 | #### 5.1.2 二维数据集 ####
35 | #### 5.1.3 其他绘图样式 ####
36 | ### 5.2 金融学图表 ###
37 | ### 5.3 3D绘图 ###
38 | ### 5.4 结语 ###
39 | 
40 | ## 6. 金融时间序列 ##
41 | 
42 | ### 6.1 pandas基础 ###
43 | #### 6.1.1 使用DataFrame类的第一步 ####
44 | #### 6.1.2 使用DataFrame类的第二步 ####
45 | #### 6.1.3 基本分析 ####
46 | #### 6.1.4 Series类 ####
47 | #### 6.1.5 GroupBy操作 ####
48 | 
49 | 
50 | ### 6.2 金融数据 ###
51 | ### 6.3 基本分析 ###
52 | ### 6.4 高频数据 ###
53 | ### 6.5 结语 ###
54 | ### 6.6 延伸阅读 ###
55 | 
56 | ## 7. 输入/输出操作 ##
57 | ## 8. 高性能的Python ##
58 | ## 9. 数学工具 ##
59 | ## 10. 推断统计学 ##
60 | ## 11. 统计学 ##
61 | ## 12. Excel集成 ##
62 | ## 13. 面向对象和图形用户界面 ##
63 | ## 14. Web集成 ##
64 | 
65 | **第三部分 衍生品分析库**
66 | 
67 | ## 15. 估值框架 ##
68 | ## 16. 金融模型的模拟 ##
69 | ## 17. 衍生品估值 ##
70 | ## 18. 投资组合估值 ##
71 | ## 19. 波动率期权 ##


--------------------------------------------------------------------------------