書名: Python 投資停看聽:運用 Open data 打造自動化燈號,學會金融分析精準投資法 (1版)
作者: 吳東霖
版次: 1
ISBN: 9786263330863
出版社: 博碩
#資訊
#編程與軟體開發
#Python
定價: 600
售價: 510
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

【簡介】 本書內容改編自第12屆iT邦幫忙鐵人賽 Microsoft Azure 組佳作網站系列文章 Python X 金融分析 X Azure 本書從 Python 入門出發,學習撰寫 Python 程式,說明如何運用 Python 知名工具-pandas、TA-Lib和Matplotlib 進行交易數據的整理,實作各式金融分析。並可學習如何從政府的開放資料平臺取得各種股票、期貨數據,運用其提供的資源,讓我們可以更容易取得金融市場資訊,打造出屬於自己的交易策略和交易工具。 學會如何建立工具後,將可更進一步的學習 Azure,藉由微軟的 Azure 雲端平臺,讓自己的工具得以在雲端上運行,增加穩定性也減少管理成本。 從本書學習到這些金融知識後,不僅可以運用在個人投資上,也可以跨入資料分析、資料科學等等領域,甚至可跨入時下最夯的 FinTech 中。 書籍特色 Python 程式簡單上手 從入門到實作,快速瞭解 Python 並且學會使用開源工具-Visual Studio Code 進行程式開發。 自己的交易,自己分析 結合股票、期貨、選擇權等金融商品,加上 pandas、Matplotlib 模組,製作自己的分析工具以及交易訊號。 資料與程式雲端化 使用微軟的 Azure 讓自己的程式與資料雲端化,打造全自動收集資料的程式工具。 專業推薦 「金融科技的浪潮來襲」相信大家對這句話並不陌生。金融領域廣大遼闊, 常使人不知道要如何進入。本書可以作為金融科技的其中一個入口, 從科技的角度窺探金融與科技結合的可能性, 提供給沒有太多程式經驗的人一個跨入金融領域的入門工具。 沈育德 /美好證券 科技長 目標讀者 1.身為程式小白,想要用程式取得金融資料並達到自動化的讀者。 2.身為程式入門者,但不瞭解 Python 與金融知識的讀者。 3.學過 Python 但是沒有做過數據分析,或是想要瞭解金融分析的人。 4.想要使用 Azure 幫助減少管理伺服器的負擔,卻不知道如何開始的人。 【目錄】 |CHAPTER| 01 Python 與 VS Code 入門 1.1 本章學習到什麼? 1.2 Python 1.2.1 簡介 1.2.2 安裝 1.3 Visual Studio Code 1.3.1 簡介 1.3.2 安裝 |CHAPTER|02 Python 基本操作 2.1 本章學習到什麼? 2.2 Python 語法 2.2.1 使用 VS code 執行程式 2.2.2 變數命名 2.2.3 註解(Comments) 2.2.4 縮排 2.3 資料型態 2.3.1 什麼是資料型態? 2.3.2 字串(string ) 2.3.3 數值型態 2.3.4 邏輯計算 2.3.5 資料集合型態 2.4 流程控制 2.4.1 if 陳述式 2.4.2 for 陳述式 2.4.3 while 陳述式 2.4.4 break & continue & else 2.5 例外處理 2.5.1 語法錯誤(syntax error ) 2.5.2 例外(Exception ) 2.6 函式(Function ) 2.6.1 架構 2.6.2 函式參數 2.6.3 回傳資料 2.7 模組(module) 2.7.1 架構 2.7.2 使用範例 2.7.3 引入模組的運用 2.8 類別(class ) 2.8.1 架構 2.8.2 使用範例 |CHAPTER|03 取得網路上金融資料 3.1 本章學習到什麼? 3.2 Python 虛擬環境 3.2.1 virtual environment 3.2.2 pipenv 3.2.3 VS Code 3.3 Pandas 3.3.1 簡介 3.3.2 實作 Pandas 3.4 來源資料 3.4.1 Yahoo! Finance 3.4.2 Open data 3.5 MySQL 介紹與安裝 3.5.1 介紹 3.5.2 安裝 3.5.3 MySQL Workbench 3.5.4 建立資料庫 3.5.5 PyMySQL 與 SQL 語法 |CHAPTER|04 策略分析介紹及實作 4.1 本章學習到什麼? 4.2 Jupyter Notebook 4.2.1 介紹 4.2.2 安裝 4.2.3 執行Jupyter 4.2.4 呈現股票資料圖表 4.3 分析策略 4.3.1 簡單移動平均線(SMA) 4.3.2 MACD 4.3.3 RSI 4.3.4 KD 線 4.3.5 K 線 |CHAPTER|05 製作交易訊號燈 5.1 本章學習到什麼? 5.2 訊號燈 5.2.1 加權指數訊號燈 5.2.2 三大法人期選訊號燈 5.2.3 取得三大法人期貨歷史資料 5.2.4 三大法人臺指期留倉訊號燈 5.2.5 散戶指標訊號燈 5.2.6 股票 SMA 穿越訊號燈 5.3 模組化訊號燈 5.4 訊號燈解讀實例 |CHAPTER|06 把服務掛在雲端 6.1 本章學習到什麼? 6.2 雲端服務簡介 6.3 Azure 6.3.1 Azure 簡介 6.3.2 Azure Database for MySQL 6.3.3 Serverless - Azure Functions 6.3.4 Azure 付費

為您推薦

別說你不懂理財 ! 善用Python幫助你投資獲利,改善財務

別說你不懂理財 ! 善用Python幫助你投資獲利,改善財務

類似書籍推薦給您

原價: 350 售價: 298 現省: 52元
立即查看
看圖學Python:資料分析與資料視覺化 (1版)

看圖學Python:資料分析與資料視覺化 (1版)

類似書籍推薦給您

【簡介】 本書特色 1. 由淺入深,循序漸進 從基礎Python語言開始講解,適合初學者入門。完整說明Python程式設計的基本能力,包括變數、資料型態、控制流程、函式、物件導向等。 2. 圖文並茂,易學易懂 使用大量圖例和流程圖來詳細說明程式設計的觀念和語法,讓讀者更容易理解。 3. 結合ChatGPT,提升學習效率 介紹ChatGPT生成式AI,並提供了各種程式設計實例,幫助讀者更有效地學習Python。 4. 完整涵蓋Pandas資料分析 詳細說明Pandas套件的Python資料分析,包括資料匯入、匯出、篩選、編輯、彙整、清理、排序、合併、運算、群組分析、樞紐分析表、資料視覺化等。 5. 實戰導向,學以致用 本書提供大量實作範例,幫助讀者將所學知識應用於實際情況中。 內容簡介 本書是一本學習Python程式設計和資料分析的入門教材,適合初學者輕鬆上手。以Excel使用者的角度,詳細說明Pandas套件的Python資料分析,並透過ChatGPT生成式AI的幫助,讓讀者能夠更快、更輕鬆地學習Python程式設計和資料分析。 首先,本書從介紹Python程式語言的基礎開始,徹底解說讀者需要具備的程式設計能力,並介紹OpenAI推出的ChatGPT生成式AI,探討其在程式設計中的應用,以及如何利用ChatGPT來協助學習Python程式設計等相關技術。 其次,本書重點闡述Pandas套件在Python資料分析中的應用。從建立Series和DataFrame物件開始,逐步介紹了如何匯入和匯出不同格式的資料,以及如何進行資料篩選、操作和彙整。特別是在第14章至第16章中,通過具體的範例,讀者將學會如何進行資料清理、排序、合併,以及執行各種資料運算和視覺化。 本書的獨特之處在於將ChatGPT生成式AI融入到學習過程中,通過ChatGPT的幫助,讀者不僅可以寫出Python程式碼,還能夠自動產生商業模擬數據的學習範例,使得學習過程更加生動有趣,並且實際應用到商業資料分析中。 最後,本書使用豐富的圖例和流程圖詳細解說程式設計的觀念和語法,並利用fChart流程圖直譯器呈現動畫流程圖,幫助讀者更好地理解程式邏輯,從而提升解決問題的能力和思維邏輯。 《看圖學Python:資料分析與資料視覺化》不僅適用於計算機概論、程式設計和Python資料分析課程的教學,也是自學Python和資料分析的理想選擇。無論是對於初學者還是有一定程式基礎的讀者,本書都將成為你的良師益友,引領你踏入Python程式設計和資料分析的世界。 【目錄】 CH01 Python語言與運算思維基礎 1-1 程式與程式邏輯 1-2 認識Python、運算思維和Thonny 1-3 下載與安裝Thonny 1-4 使用Thonny建立第一個Python程式 1-5 Thonny基本使用與程式除錯 CH02 寫出和認識Python程式 2-1 開發Python程式的基本步驟 2-2 編輯現存的Python程式 2-3 建立第二個Python程式的加法運算 2-4 看看Python程式的內容 2-5 Python文字值 2-6 Python寫作風格 CH03 變數、運算式與運算子 3-1 程式語言的變數 3-2 在程式使用變數 3-3 變數的資料型態和型態轉換函數 3-4 讓使用者輸入變數值 3-5 認識運算式和運算子 3-6 在程式使用運算子 CH04 條件判斷 4-1 你的程式可以走不同的路 4-2 關係運算子與條件運算式 4-3 if單選條件敘述 4-4 if/else二選一條件敘述 4-5 if/elif/else多選一條件敘述 4-6 在條件敘述使用邏輯運算子 CH05 重複執行程式碼 5-1 認識迴圈敘述 5-2 for計數迴圈 5-3 while條件迴圈 5-4 改變迴圈的執行流程 5-5 巢狀迴圈與無窮迴圈 5-6 在迴圈中使用條件敘述 CH06 函數 6-1 認識函數 6-2 使用者自訂函數 6-3 函數的參數 6-4 函數的回傳值 6-5 函數的實際應用 6-6 變數範圍和內建函數 CH07 字串與容器型態 7-1 字串型態 7-2 串列型態 7-3 元組型態 7-4 字典型態 7-5 字串與容器型態的運算子 CH08 檔案、類別與例外處理 8-1 檔案處理 8-2 二進位檔案讀寫 8-3 類別與物件 8-4 建立例外處理 CH09 Python模組與套件 9-1 Python模組與套件 9-2 os模組:檔案操作與路徑處理 9-3 math模組:數學函數 9-4 turtle模組:海龜繪圖 9-5 pywin32套件:Office軟體自動化 CH10 使用ChatGPT學習Python程式設計 10-1 認識ChatGPT 10-2 註冊與使用ChatGPT 10-3 ChatGPT是你最佳的Python程式助手 10-4 ChatGPT應用:找出Python視窗程式的學習方向 10-5 ChatGPT應用:幫助你學習Python視窗程式設計 CH11 Pandas套件:匯入與匯出DataFrame 11-1 Pandas套件的基礎 11-2 建立Series和DataFrame物件 11-3 匯入外部資料 11-4 匯出DataFrame物件 11-5 實作案例:使用Pandas爬取HTML表格資料 CH12 檢視、選取與篩選DataFrame資料 12-1 檢視與了解DataFrame資料 12-2 檢視DataFrame的整體資訊 12-3 選取和走訪DataFrame整列與整欄資料 12-4 檢視DataFrame指定欄位的資訊 12-5 篩選DataFrame資料 12-6 實作案例:使用SQL語言篩選DataFrame資料 CH13 DataFrame索引、編輯與資料彙整 13-1 DataFrame索引設定 13-2 使用索引器選取DataFrame子集 13-3 編輯DataFrame資料 13-4 串聯多個DataFrame資料 13-5 實作案例:多個Excel工作表的資料彙整 CH14 DataFrame資料清理、排序與資料合併 14-1 字串與日期/時間的資料處理 14-2 DataFrame資料清理 14-3 DataFrame資料排序 14-4 DataFrame資料合併 14-5 實作案例:DataFrame商業資料清理 CH15 DataFrame資料運算、群組分析與樞紐分析表 15-1 DataFrame資料運算 15-2 DataFrame資料分組的群組分析 15-3 使用DataFrame建立樞紐分析表 15-4 實作案例:使用樞紐分析表進行資料分析 CH16 Pandas+Plotly Express資料視覺化 16-1 認識資料視覺化 16-2 Pandas資料視覺化 16-3 Plotly互動資料視覺化 16-4 實作案例:Tutsplus教學文件的資料視覺化 16-5 實作案例:台積電股價的互動資料視覺化 CHA Google Colab雲端服務基本使用(電子書)

原價: 420 售價: 370 現省: 50元
立即查看
Python資料科學學習手冊 (2版)

Python資料科學學習手冊 (2版)

類似書籍推薦給您

簡介 處理大量資料的基本工具 「這本書提供了清晰且易於遵循的範例,幫助您設置與使用最重要的資料科學和機器學習工具。」 —Anne Bonner Content Simplicity創辦人和CEO Python是許多研究人員的首選工具,它擁有豐富的儲存、操作及洞察資料的程式庫。這些資源散布在資料科學的領域中,藉由本書,您可以一次獲得這些資源,包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn和其它相關的工具。 對於熟悉Python,需要處理大量資料的資料科學家和資料處理人員來說,這是一本非常有價值的案頭書。可以有效率地處理每天面對的問題,像是操作、轉換及清理資料,視覺化不同形式的資料,建立統計學或機器學習模型等。 藉由本書,你將可以學習到: ‧IPython和Jupyter:提供資料科學家使用的Python計算環境 ‧NumPy:在Python中進行高效儲存及操作密集資料陣列的ndarrys ‧Pandas:在Python中進行對於標籤式/欄位式的資料高效率儲存與操作 ‧Matplotlib:在Python中進行彈性範圍的資料視覺化功能 ‧Scikit-Learn:提供機器學習演算法以及簡潔的Python實作 作者介紹 Jake VanderPlas 是Google Research的軟體工程師,致力於開發支援資料密集型研究的工具。 他創建並開發了用於資料密集型科學的Python工具,包括Scikit-Learn、SciPy、AstroPy、Altair、JAX等。 目錄 第一章 IPython:更好用的Python Shell還是Notebook IPython 的求助與說明文件 在IPython Shell中的快捷鍵 IPython的Magic命令 輸入和輸出的歷程 IPython和Shell命令 和Shell相關的Magic命令 錯誤以及除錯 剖析和測定程式碼的時間 第二章 NumPy介紹 瞭解Python的資料型態 NumPy陣列基礎 NumPy 陣列屬性 陣列索引:存取單一個陣列元素 在NumPy陣列中的計算:Universal Functions 聚合操作:Min、Max、以及兩者間的所有事 在陣列上的計算:Broadcasting 比較、遮罩以及布林邏輯 Fancy索引 排序陣列 結構化的資料:NumPy的結構化陣列 更多進階的複合型態 第三章 使用Pandas操作資料 安裝並使用Pandas Pandas 物件的介紹 資料的索引和選擇 在Pandas中操作資料 處理缺失資料 階層式索引 資料集的合併:Concat 和Append 合併資料集:Merge 以及Join 聚合計算與分組 樞紐分析表 向量化字串操作 使用時間系列 高效率Pandas:eval() 以及query() 第四章 使用Matplotlib進行視覺化 通用的Matplotlib技巧 買一送一的介面 簡單的線條圖形 簡單的散佈圖 視覺化誤差 密度圖和等高線圖 直方圖、分箱法及密度 自訂圖表的圖例 自訂色彩條 多重子圖表 文字和註解 自訂刻度 客製化Matplotlib:系統配置和樣式表 在Matplotlib中的三維繪圖法 Basemap的地理資料 使用Seaborn進行視覺化 第五章 機器學習 什麼是機器學習? Scikit-Learn簡介 超參數以及模型驗證 特徵工程 深究:Naive Bayes Classification 深究:線性迴歸(Linear Regression) 深究:Support Vector Machines 深究:決策樹(Decision Tree)和隨機森林(Random Forest) 深究:主成份分析(Principal Component Analysis) 深究:流形學習(Manifold Learning) 深究:k- 均集群法 深究:高斯混合模型(Gaussian Mixture Models) 深究:核密度估計(Kernel Density Estimation) 應用:臉部辨識的管線

原價: 980 售價: 833 現省: 147元
立即查看
Python資料分析 第三版 Python for Data Analysis, 3rd Edition (1版)

Python資料分析 第三版 Python for Data Analysis, 3rd Edition (1版)

類似書籍推薦給您

第一章 開場白 第二章 Python 語言基本知識、IPython 與 Jupyter Notebooks 第三章 內建的資料結構、函式與檔案 第四章 NumPy 基本知識:陣列與向量化計算 第五章 pandas 入門 第六章 資料的載入與儲存,及檔案格式 第七章 資料清理與準備 第八章 資料整頓:連接、結合與重塑 第九章 繪圖與視覺化 第十章 彙總與群組操作 第十一章 時間序列 第十二章 Python 建模程式庫簡介 第十三章 資料分析範例 附錄A NumPy 進階功能 附錄B IPython 系統的進階功能

原價: 980 售價: 833 現省: 147元
立即查看
Python資料視覺化從2D到3D使用matplotlib實作: 王者歸來(全彩) (1版)

Python資料視覺化從2D到3D使用matplotlib實作: 王者歸來(全彩) (1版)

類似書籍推薦給您

原價: 790 售價: 711 現省: 79元
立即查看