这份免费的Python免费软件指南具有可免费下载的数据集，将计量经济学的技术带到了生活中，向读者展示了如何使用这个非常流行的软件包来实施《金融计量经济学入门》中介绍的方法。 该指南旨在与主要教科书一起使用，它将使读者有信心和技巧来估计和解释自己的模型，同时该教科书将确保他们对概念基础有透彻的理解。 该指南借鉴了剑桥大学出版社克里斯·布鲁克斯（Chris Brooks）于2019年出版的《金融计量经济学概论》中的资料。 该指南旨在与该书一起使用，并且该书的页码在每个小节和小节标题后给出。

柳树 willowtree是Michael Curran的同名衍生产品定价模型的开源Python实现。 Curran，M.（2001年）： 什么是柳树？ 柳树是一种高效的重组格子，旨在快速，准确地对衍生合约进行定价。 它通过离散时间马尔可夫链直接对标准布朗运动进行建模，所得的估计值可作为更复杂过程（例如几何布朗运动）的基础。 晶格具有两个鲜明的特征： 它根据布朗运动作为时间的平方根扩展，并且与二项式模型不同，后者随着时间线性增长。 它在一开始就非常快地打开，覆盖了被标准树忽略的高概率区域，后来又慢慢地被限制在正态分布的置信度范围内。 这方面既避免浪费时间和计算资源浪费在分布的尾部，又对几乎不影响当前证券价格的定义的区域，并且避免了修剪树的任意做法，即无视分支，以及他们的后代，位于低概率区域； 它在每个时间步中具有恒定数量的节点。 随着时间的推移，该数字线性增长，而不是二项式模型中

Carol Alexander Market Risk Analysis第2卷

Abdullah Karasan - Machine Learning for Financial Risk Management with Python_ Algorithms for Modeling Risk-O'Reilly Media (2022)

企业集团财务管理(Enterprise Group Financial Management)

An Introduction to Analysis of Financial Data with R

英文的，配得上——用monte carlo模拟方法对金融衍生品定价的经典著作称号。

尤其是在 2008-2009 年全球金融危机之后，对银行破产预测的兴趣Swift增加。 破产案件的相关后果确实凸显了管理者和监管者制定和采用适当的预警系统的必要性。 因此，本文的目的是通过分析三个基本方面：违约和财务困境的定义、统计和智能技术的应用、变量选择，对最近关于银行违约预测的实证贡献进行文献回顾。 审查还提出了一些可能的升级，以促进对该主题的未来研究，即指出非财务信息作为良好的违约预测指标的潜在作用。

金融交易的强化学习？ 如何使用 MATLAB 使用模拟股票数据将强化学习用于金融交易。 设置跑步： 打开 RL_trading_demo.prj 打开工作流.mlx 运行工作流.mlx 环境和奖励可以在：myStepFunction.m 中找到 概述： 强化学习代理的目标很简单。 了解如何在不损失资金的情况下进行金融市场交易。 请注意，这与学习如何交易市场并尽可能多地赚钱不同。 这个例子的目的是展示： 1.什么是强化学习2. 如何将其应用于金融市场交易3. 为金融专业人士留下一个起点，让他们利用自己的领域专业知识来使用和增强。 该示例使用的环境由 3 只股票、20000 美元现金和 15 年的历史数据组成。 股票是： 通过几何布朗运动或历史市场数据（来源：AlphaVantage： www.alphavantage.co ） 版权所有2020 The MathWorks，

财务报表-pdf提取器 Pythong脚本可从年度/季度报告中提取尽可能多的结构化信息。 pdfgrep用于在每个PDF FILE中搜索PATTERN并打印匹配的页面。 Camelot库用于从PDF文件提取表。