(本网站正在更新资源当中!!)祝所有程序员的世界不再有BUG!    本站所有资源均是由站长以及”资深程序员朋友“组成的团队专门筛选整理的,所以,本站的各个系列教程,分类明确,课程优质,学习路径清晰,这肯定让您少走弯路!学习不再迷惘!    1、失效链接2天内处理完成!     2、任何信息看到第一时间回复!
需要软考复习资料吗?点我!资源链接失效反馈帖!

[python+人工智能系列] 陆家嘴学堂Python金融数据分析应用第二期

[复制链接]

微信扫一扫 分享朋友圈

admin 发表于 2020-7-9 20:25:45 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
【课程目录】:
│  第01节:Python程序设计基础1-操作.mp4
│  第01节:Python程序设计基础1.mp4
│  第02节:Python程序设计基础2-理论.mp4
│  第02节:Python程序设计基础2-练习.mp4
│  第03节:function and class.mp4
│  第03节:numpy.mp4
│  第03节:理论.mp4
│  第04节:案例课-1-series.mp4
│  第04节:案例课-2-dataframe.mp4
│  第04节:案例课-3-missingdata.mp4
│  第04节:案例课-4-groupby.mp4
│  第04节:案例课-5-concat merge.mp4
│  第04节:案例课-6-operation.mp4
│  第05节:金融数据爬取与管理-Quandl.mp4
│  第05节:金融数据爬取与管理-三种案例.mp4
│  第05节:金融数据爬取与管理-理论.mp4
│  第06节:金融数据可视化-理论.mp4
│  第06节:金融数据可视化代码案例1-FF(数据获取方式).mp4
│  第06节:金融数据可视化代码案例2 - matplotlib.mp4
│  第06节:金融数据可视化代码案例3 -other.mp4
│  第07节:金融时间序列数据分析(一).mp4
│  第08节:金融时间序列数据分析(二)- 案例 adftest + decompositio.mp4
│  第08节:金融时间序列数据分析(二)- 案例 demo introduction.mp4
│  第08节:金融时间序列数据分析(二)- 理论.mp4
│  第09节:金融时间序列数据分析(三).mp4
│  第10节:案例 - gev.mp4
│  第10节:案例 - kalman filter.mp4
│  第10节:金融基础与常用工具.mp4
│  第11节:金融基础与常用工具(2)-投资组合管理中的最优化问题初步.mp4
│  第11节:金融基础与常用工具(2).mp4
│  第12节:案例课- 作业答案.mp4
│  第12节:案例课-案例1-resampling.mp4
│  第12节:案例课-案例2-rollingexpandingbollinger.mp4
│  第12节:案例课-案例3-performance metrics.mp4
│  第12节:案例课-案例4 - timeseries.mp4
│  第13节:机器学习与金融风控建模(1)-- 习题讲解.mp4
│  第13节:机器学习与金融风控建模(1)-- 常用金融风险管理工具.mp4
│  第14节:机器学习与金融风控建模(2).mp4
│  第15节:案例2 - logistic svm (1).mp4
│  第15节:案例2 - logistic svm.mp4
│  第15节:案例3 - kmeans.mp4
│  第15节:案例课-案例1- demo classification (1).mp4
│  第16节:深度学习在金融分析中的应用.mp4
│  第17节:习题demo3 股票算法交易.mp4
│  第17节:回归问题和分类问题.mp4
│  第17节:金融数据分析与应用-深度学习demo.mp4
│  第18节:衍生品分析 - 案例代码.mp4
│  第18节:衍生品分析 - 理论.mp4
│  
└─陆家嘴学堂Python金融数据分析应用第二期
    ├─第一节
    │      第一课课件.pdf
    │      
    ├─第七节
    │      lesson 7.pdf
    │      参考资料1 .ipynb
    │      参考资料2.ipynb
    │      
    ├─第三节
    │      demo class and fun.ipynb
    │      Numpy Exercise - Solutions.ipynb
    │      Numpy Exercises.ipynb
    │      numpy.ipynb
    │      基础库——numpy和pandas库的使用.pdf
    │      
    ├─第九节
    │      ARMAdemo.ipynb
    │      第九课.pdf
    │      
    ├─第二节
    │      第二课demo.ipynb
    │      第二课练习.ipynb
    │      第二课解答.ipynb
    │      
    ├─第五节
    │      第五课.pdf
    │      
    ├─第八节
    │      Intro.ipynb
    │      lesson8.ipynb
    │      第八课.pdf
    │      
    ├─第六节
    │      04_Visualization.ipynb
    │      FF_factors.ipynb
    │      Material visulisation.ipynb
    │      第六课.pdf
    │      
    ├─第十一节
    │      第十一课 金融基础与常用工具 (2).pdf
    │      阅读材料(误差函数).ipynb
    │      
    ├─第十七节
    │      demo1 回归问题.ipynb
    │      demo2 分类问题.ipynb
    │      习题demo3 股票算法交易.ipynb
    │      第十七课 demo深度学习在金融数据分析中的应用_20200326.pdf
    │      
    ├─第十三节
    │      Solution of Var.ipynb
    │      第十三课 机器学习与风控建模 .pdf
    │      
    ├─第十二节案例课
    │      ads.csv
    │      bollinger.ipynb
    │      currency.csv
    │      Ford_Stock.csv
    │      GM_Stock.csv
    │      maxdd&sp.ipynb
    │      question.ipynb
    │      SOLUTIONS.ipynb
    │      Tesla_Stock.csv
    │      Time Resampling.ipynb
    │      time_series_python.ipynb
    │      walmart_stock.csv
    │      顺序.txt
    │      
    ├─第十五节
    │      Corporate_pd.ipynb
    │      Corporate_PD.xlsx
    │      Kmeans.ipynb
    │      信贷预测分类问题.ipynb
    │      
    ├─第十八节
    │      BSM_call.ipynb
    │      MC_eurocall.ipynb
    │      第十八课 Python在衍生品定价中的应用.pdf
    │      
    ├─第十六节
    │      tensorflow 1.x 与机器学习.ipynb
    │      第十六课 深度学习在金融数据分析中的应用.pdf
    │      
    ├─第十四节
    │      loans.csv
    │      第十四课 机器学习.pdf
    │      预习材料 分类问题 .ipynb
    │      
    ├─第十节
    │      fund.csv
    │      gev.ipynb
    │      kalman.ipynb
    │      第十课 金融基础与常用工具.pdf
    │      顺序1. gev  2. kalman 3. theory.txt
    │      
    └─第四节
            concat merge.ipynb
            dataframe.ipynb
            groupby.ipynb
            merging.ipynb
            MissingData.ipynb
            operation.ipynb
            Series.ipynb



【课程下载】:
游客,如果您要查看本帖隐藏内容请回复




IT充电站 - 免责声明

1、站内所有资源来源于网络用户分享,版权归原作者及其网站所有,本站不拥有此类资源的版权,不对任何资源负法律责任。
2、本站仅为资源分享的平台,站内资源仅供会员参考和学习之用,不得用于其他非法用途,请下载后24小时内从您的电脑中彻底删除。否则,一切后果请用户自负。
3、本站会员均可发帖,转载及发布的内容纯属会员个人意见,与本论坛立场无关。严禁在本站发布反动、色情、广告等不良信息及违法内容。
4、IT充电站论坛作为网络服务提供者,由于网站信息量巨大,对非法转载、盗版行为的发生不具备充分的监控能力。但是当版权拥有者提出侵权指控并出示充分的版权证明材料时,IT充电站论坛负有移除非法转载和盗版内容以及停止继续传播的义务。
5、IT充电站论坛在满足前款条件下采取移除等相应措施后不为此向原发布人承担违约责任或其他法律责任,包括不承担因侵权指控不成立而给原发布人带来损害的赔偿责任。
6、IT充电站论坛为用户免费分享产生,如本文内容侵犯到任何版权问题侵犯了您的权益,请联系QQ网站客服 提供侵权链接与权益证明,我们将尽快处理。
7、凡登陆本网站或直接、间接使用本站资料者,应仔细阅读声明,一旦使用本站任何资源,即被视为您已接受本站的免责声明。
8、一经注册为本站会员,一律视为同意网站规定,本站管理有权禁止违规用户
9、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和IT充电站的同意
10、若发现链接失效了请点此进行链接失效反馈,我们会第一时间修复链接


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

加入我们:共同分享全网最新IT教程资源

官方微信

官方微店

联系QQ:

1022602116

声明:内容均来自于网络,如有侵权行为请发送QQ邮件或者直接Q我

我们将在第一时间删除!因我们给你带来了困扰,我们非常的抱歉!

微信号:xxwm2048 Email:1022602116@qq.com

Powered by Discuz! X3.4© 2016-2019 Comsenz Inc.