Các biên tập viên của chúng tôi đã biên soạn danh mục sách Python hay nhất này dựa trên đánh giá, xếp hạng và khả năng gia tăng giá trị kinh doanh của người dùng Amazon
Có rất nhiều tài nguyên miễn phí có sẵn trực tuyến [chẳng hạn như Hướng dẫn dành cho người mua phần mềm phân tích dữ liệu của Đánh giá giải pháp, ma trận so sánh trực quan và phần các phương pháp hay nhất] và những tài nguyên này rất tuyệt, nhưng đôi khi tốt nhất là làm mọi thứ theo cách lỗi thời. Có rất ít tài nguyên có thể phù hợp với chi tiết chuyên sâu, toàn diện của một trong những cuốn sách Power BI hay nhất
Các biên tập viên tại Solutions Review đã thực hiện nhiều công việc cho bạn, tuyển chọn thư mục toàn diện này gồm các sách Python hay nhất trên Amazon. Các tiêu đề đã được chọn dựa trên tổng số lượng và chất lượng đánh giá của người dùng độc giả và khả năng gia tăng giá trị kinh doanh. Mỗi cuốn sách được liệt kê trong phần đầu tiên của bộ sưu tập này đã đáp ứng tiêu chí tối thiểu là 15 đánh giá và xếp hạng 4 sao trở lên
Dưới đây, bạn sẽ tìm thấy một thư viện tiêu đề từ các nhà phân tích ngành được công nhận, các học viên có kinh nghiệm và các chuyên gia về chủ đề bao quát chiều sâu của mã Python cho người mới bắt đầu cho đến các phương pháp hay nhất về khoa học dữ liệu nâng cao cho người dùng Python. Phần tổng hợp này bao gồm các ấn phẩm dành cho các học viên ở mọi cấp độ kỹ năng
Nhận toàn quyền truy cập vào Python for Finance, Phiên bản thứ 2 và hơn 60 nghìn đầu sách khác, với bản dùng thử miễn phí 10 ngày của O'Reilly
Ngoài ra còn có các sự kiện trực tuyến trực tiếp, nội dung tương tác, tài liệu chuẩn bị chứng nhận, v.v.
Bài đăng này là một phần của loạt danh sách đọc dành cho các nhà phân tích định lượng mới bắt đầu. Các bài đăng khác trong sê-ri tập trung vào Định giá phái sinh, Lập trình C++ và Phương pháp số
- Danh sách đọc định lượng - Định giá phái sinh
- Quant Reading List - Lập trình C++
- Danh sách đọc định lượng - Phương pháp số
- Quant Reading List - Lập trình Python
Python hiện đã có chỗ đứng vững chắc trong thế giới tài chính định lượng. Nó được sử dụng rộng rãi trong các ngân hàng đầu tư và quỹ phòng hộ định lượng, vừa là công cụ nghiên cứu vừa là ngôn ngữ triển khai sản xuất. Mặc dù C ++ vẫn đóng một vai trò quan trọng trong các thư viện định giá các công cụ phái sinh quan trọng nhưng giờ đây người ta thường thấy những thư viện này được 'gói' trong Python để cho phép lập mô hình đơn giản cho nhà phân tích hoặc nhà nghiên cứu định lượng.
Bài viết này được viết cho cả các nhà phân tích định lượng tiềm năng cũng như những người mới bắt đầu sự nghiệp nhưng chưa từng tiếp xúc với Python trước đó. Nó trình bày một danh sách sách giáo khoa phù hợp để học Python từ đầu cho đến trình độ trung cấp
Trong thế giới tài chính, Python thường được giới thiệu trong lịch sử như một ngôn ngữ 'kịch bản' hoặc 'keo', phù hợp để liên kết các cơ sở mã lớn khác lại với nhau, bản thân chúng thường được viết bằng C ++ hoặc Java. Khi ngôn ngữ này trưởng thành, cùng với sự phát triển của một hệ sinh thái phong phú gồm các thư viện số và khoa học, việc áp dụng Python đã tăng lên. Nó bắt đầu hình thành nhiều thành phần sản xuất hơn được tìm thấy trong định giá phái sinh thể chế điển hình hoặc 'ngăn xếp' giao dịch có hệ thống. Ngày nay, một số công ty lượng tử sử dụng Python làm ngôn ngữ triển khai và nghiên cứu duy nhất của họ
Nhiều định lượng đã được thêm vào C++, R, MatLab hoặc Java. Lợi tức đầu tư thu được khi học Python là gì?
- Ít dòng mã hơn - Mã Python thường dài khoảng một phần tư độ dài mã do C++ hoặc Java tạo ra. Điều này có nghĩa là ít gõ hơn, ít gỡ lỗi hơn và ít bảo trì hơn
- Thông dịch - Python không cần biên dịch hoặc liên kết, điều này cho phép phong cách lập trình tương tác, lặp lại có thể phù hợp với cả nhà nghiên cứu và nhà phát triển
- Thư viện - Python đi kèm với một bộ thư viện tiêu chuẩn phong phú và hệ sinh thái phong phú gồm các dự án bên thứ ba hoàn thiện. Khoa học dữ liệu, phát triển web, tính toán khoa học, truy cập hệ điều hành, kịch bản mạng và tài chính định lượng đều được hỗ trợ
- Đa nền tảng - Python cực kỳ di động. Có thể dễ dàng trao đổi mã giữa Windows, macOS và Linux mà không cần sửa đổi gì nhiều
- Khả năng tương tác - Python có thể nói chuyện với nhiều ngôn ngữ khác một cách dễ dàng. Nó có hỗ trợ gọi mã C, C++, Fortran, Java và R và bản thân nó có thể được gọi từ các thư viện được viết bằng các ngôn ngữ này
- Triển vọng nghề nghiệp - Python hiện là một trong những ngôn ngữ lập trình được sử dụng rộng rãi nhất trong cả nghiên cứu và phát triển phần mềm. Trở thành một chuyên gia về Python sẽ là một lợi ích nghề nghiệp quan trọng trong nhiều năm tới
Python trình bày một danh sách đầy đủ các lợi ích, nhưng làm thế nào để bắt đầu học ngôn ngữ này?
Như với bài viết trước về C++, điều cần cân nhắc ban đầu là sử dụng khung phần mềm nào khi viết mã Python. Có nhiều Môi trường phát triển tích hợp [IDE] hỗ trợ Python. Các ứng cử viên chính là PyCharm của JetBrains, VSCode của Microsoft để phát triển phần mềm hoặc JupyterLab để nghiên cứu kiểu máy tính xách tay tương tác
Sách giáo khoa cho người mới bắt đầu Python
Một trong những cuốn sách hay nhất để học cú pháp và cách sử dụng cơ bản của ngôn ngữ là Eric Matthes's Python Crash Course, 2nd Ed. Cuốn sách được chia thành hai phần. Phần đầu tiên phác thảo cú pháp cơ bản của ngôn ngữ, cùng với các cấu trúc chính của nó như danh sách, từ điển và luồng điều khiển [câu lệnh if và vòng lặp]. Sau đó, nó thảo luận về việc gói các câu lệnh thành các hàm và khái niệm hướng đối tượng của các lớp. Phần thứ hai của cuốn sách lấy những ý tưởng này và thực hiện ba dự án rất khác nhau. Cuốn sách này sẽ cung cấp cho bạn phần giới thiệu tuyệt vời về cách sử dụng mã Python hiệu quả. Nó đặc biệt có giá trị đối với những người có thể chưa bao giờ viết mã trước đây. Tuy nhiên, nếu bạn đã dày dặn kinh nghiệm về C++ quant, bạn có thể muốn lướt qua các chương cú pháp và chuyển thẳng đến các dự án
Một cuốn sách bổ sung khác từ cùng một nhà xuất bản là Al Sweigart's Automate the Boring Stuff with Python, 2nd Ed. Nó bao gồm nền tảng tương tự như Python Crash Course nhưng các chương dự án phù hợp hơn với những người làm việc trong ngành tài chính. Đặc biệt, nó có một chương hữu ích về giao tiếp Python với Excel, một hoạt động phổ biến trong ngân hàng đầu tư. Ngoài ra, nó có các chương về cách làm việc với JSON, CSV và các loại dữ liệu khác mà bạn thường gặp phải khi làm việc với tư cách là một định lượng.
Sách giáo khoa Python cho Quant dày dạn kinh nghiệm
Các nhà định lượng thực hành thường sẽ quan tâm đến 'khoa học dữ liệu' hơn là khía cạnh 'công nghệ phần mềm' khi sử dụng Python. Tuy nhiên, cả hai không nhất thiết phải loại trừ lẫn nhau. Hiện nay, việc các nhà nghiên cứu định lượng viết mã kiểu 'sản xuất' chất lượng cao thay vì chỉ gửi sổ ghi chép Jupyter nguyên mẫu của họ cho các nhà phát triển định lượng là điều tương đối phổ biến.
Một trong những thư viện khoa học dữ liệu phổ biến nhất được các lượng tử sử dụng là Pandas. Tác giả của thư viện Pandas, Wes McKinney, đã viết Python cho Data Analysis, 2nd Ed. , bao gồm nhiều thư viện khác nhau trong Python, nhưng chủ yếu là cách sử dụng trung gian của Pandas. Rất đáng để chọn để có được nền tảng vững chắc về cách thức hoạt động của Pandas. Phần lớn thời gian trong ngày của một nhà định lượng sẽ được dành để làm việc với dữ liệu chuỗi thời gian tài chính và Pandas rất phù hợp để thực hiện các hoạt động dựa trên chuỗi thời gian như nội suy, lấy mẫu lại và tính toán số liệu thống kê cuộn
Cuốn sách gần đây của Yves Hilpisch Python for Finance, 2nd Ed. bao gồm nhiều chủ đề dành cho các đại lượng tham gia vào cả giao dịch thuật toán và định giá phái sinh. Mặc dù phần thứ nhất và thứ hai của cuốn sách nói chung về Python, nhưng với một số thư viện hữu ích, thì phần thứ ba, thứ tư và thứ năm của cuốn sách sẽ thu hút các nhà định lượng. Đối với các nhà phân tích lượng tử nói riêng, phần thứ năm chỉ tập trung vào định giá phái sinh và cách triển khai các công cụ định giá trong Python
Đối với những người đang thực hành định lượng nhưng cần bắt kịp tốc độ với Python như áp dụng cho định giá phái sinh Phân tích phái sinh với Python, Yves Hilpisch cũng giúp thu hẹp khoảng cách. Nó cung cấp phạm vi bảo hiểm lý thuyết cho những người mới tham gia lĩnh vực này, nhưng cũng có đủ các tập lệnh để thực hiện lý thuyết
Cuối cùng, nếu bạn thực sự muốn học Python ở cấp độ nâng cao thì Fluent Python của Luciano Ramalho sẽ giúp bạn đạt được điều đó. Cuốn sách chủ yếu nhắm đến các nhà phát triển phần mềm, chứ không phải các nhà định lượng, nhưng nhiều chủ đề vẫn rất phù hợp với những nhà định lượng dành một lượng thời gian không tương xứng để viết mã. Cuốn sách được viết vào năm 2015, nhưng vẫn còn rất phù hợp. Tuy nhiên, nếu bạn muốn một cái gì đó cập nhật hơn một chút bao gồm các tính năng mới nhất của ngôn ngữ, tác giả sẽ phát hành một [rất được mong đợi. ] tái bản lần thứ hai vào tháng 1 năm 2022
Tài nguyên khác
Python tạo cơ sở cho một số thư viện định giá phái sinh mã nguồn mở hữu ích. Đặc biệt, mã nguồn mở FinancePy cung cấp nhiều ví dụ về các sản phẩm phái sinh nâng cao và cách định giá chúng bằng Python. Đối với những người đang học Python cùng với việc định giá các công cụ phái sinh, cấu trúc của thư viện sẽ cung cấp một số nguồn cảm hứng hữu ích về cách viết các công cụ định giá các công cụ phái sinh của riêng bạn