Tidy Finance with Python
Этот учебник демонстрирует, как применять теоретические концепции из финансов и эконометрики к реальным данным. Основное внимание уделяется программированию и анализу данных на Python, показывая, как проводить исследования в области эмпирических финансов с нуля. Книга начинается с введения в концепции tidy data и принципы программирования с использованием pandas, numpy и plotnine.
Предоставляется код для подготовки распространённых открытых и проприетарных источников финансовых данных (CRSP, Compustat, Mergent FISD, TRACE) и их организации в базу данных. Эти данные повторно используются во всех последующих главах, которые максимально самодостаточны. Эмпирические приложения охватывают ключевые концепции эмпирического ценообразования активов (оценка бета, портфельные сортировки, анализ производительности, факторы Фамы-Френча).
Книга также включает моделирование и приложения машинного обучения (оценка фиксированных эффектов, кластеризация стандартных ошибок, разностно-разностные оценки, гребневая регрессия, Lasso, Elastic net, случайные леса, нейронные сети) и методы оптимизации портфеля. Особое внимание уделяется полному введению в машинное обучение с использованием scikit-learn на основе принципов tidy data, демонстрируя, как выбор факторов и оценка опционов могут выиграть от методов машинного обучения.
Каждая глава содержит упражнения, основанные на устоявшихся лекциях и занятиях, которые помогают студентам углубить понимание материала. Упражнения можно использовать для самостоятельного изучения или как источник вдохновения для преподавателей.
