摆脱AI代码屎山系列1️⃣~手打Python金融量化名书之《Python金融大数据分析-第二版》
本书是2020年出版，共五部分，共21章（Python for Finance, 2nd Edition, by Yves Hilpisch (O’Reilly). Copyright 2019 Yves Hilpisch, 978-1-492-02433-0.以下正式开始，致敬CQF-Lecture 3的老师Yves Hilpisch ( btw，会有我的魔改和引申 )：金融本身正在进入一个新时代，这一发展有两个主要推动力。首先，基本上所有金融数据都可以编程访问-一般来说，这种访问是实时的，也是催生“数据驱动金融”的原因。几十年前，大部分交易或者投资决策是由交易员（电影华尔街之狼里那些）和投资组合管理人推动的。此后，出现了一些终端，可通过计算机和通信，将金融数据实时传递至交易员和投资组合管理人的桌面（比如彭博、万德）。今天，即使是一分钟产生的海量金融数据，个人（或者团队）都无法应付。只有处理速度和计算能力与日俱增的机器，才能应对金融数据的容量和速度。这意味着，全球大部分股票交易量是由算法和计算机驱动的，而不是交易员。（所以量化交易员可不是自动化下单）。第二个主要推动力是在金融中日趋重要的AI。2018年初，第一本关于“金融机器学习”的专著出版，强调了这种趋势。毫无疑问，还会有更多的图书涌现（已经有金融大语言模型了，老师写这本书时根本难以想象2022年11月30日chat gpt的横空出世）导致了AI优先金融学的现象，用可参数化的machine learning 及DL方法代替传统的金融理论。传统的金融理论可能非常优雅，但在数据驱动、人工智能优先的金融学实践中不再有太大的用处了。
10个月宝宝每天需要喝多少奶粉？
