【课程列表】
Python课程1.2-Python基础知识（一）.pdf
Python课程1.3-Python基础知识（二）.pdf
Python课程1.4-Python基础金融分析应用.pdf
Python课程1.5-成为编程能手：Python知识进阶.pdf
Python课程2.1-使用numpy和pandas实现金融数据的高效计算.pdf
Python课程2.2-Matplotlib可视化：绘制2D和3D图.pdf
Python课程3.1-爬虫环境配置与简单爬取程序实现.pdf
Python课程3.2-典型爬虫程序的实现(1).pdf
Python课程3.2-典型爬虫程序的实现(2).pdf
Python课程3.2-典型爬虫程序的实现(3).pdf
python课程4.1-Python金融函数与金融建模.pdf
python课程4.2-信用评分卡.pdf
python课程4.3-可转债定价.pdf
Python系列课程讲义文档教程 2019年第02期.pdf
量化金融基础课 -股票量化基本面投资.pdf
量化金融基础课 -量化因子.pdf
Python在金融领域的应用广泛，特别是在数据获取和分析方面。本课程着重讲解了Python在金融实务中的运用，包括爬虫技术和数据分析。以下将详细介绍其中的几个关键知识点。
Python爬虫是获取网络数据的重要工具。在课程中提到了分页处理的概念，这是爬取大型网站数据时必须面对的问题。通常，网站为了优化加载速度，不会一次性显示所有数据，而是分页显示。例如，在豆瓣网站上，电影评论是分页显示的，每页20条。通过观察URL，我们可以发现`start`参数代表当前页的起始位置，每次增加20表示进入下一页。因此，爬取100条评论，只需循环更改`start`的值即可。例如，从`start=0`开始，每次加20，直到`start=80`，就能获得5页，总计100条评论。
在实际爬虫过程中，使用Python的`requests`库发送HTTP请求，获取HTML页面，然后利用`lxml`这样的解析库提取所需数据。例如，对于豆瓣评论，我们可以找到评论内容所在的`<p class>`标签，以及评分对应的`<span class="allstar">`标签，通过正则表达式或XPath表达式进行匹配和提取。
接下来，课程还介绍了爬虫的两种主要搜索策略：深度优先搜索（DFS）和广度优先搜索（BFS）。DFS适用于抓取深度较深但分支较少的网站，它沿着一个链接一直深入，直到无法再深入为止，然后再回溯到上一层继续探索。这种方法在Python中通常用递归实现。而BFS则更适合覆盖更多页面，它先遍历完当前层级的所有链接，再进入下一层。BFS在Python中通常使用队列数据结构来实现。在实际网络爬虫开发中，根据目标网站的结构和需求，选择合适的搜索策略至关重要。
此外，课程还涵盖了数据分析的基础，如使用`numpy`和`pandas`进行高效计算，以及`Matplotlib`进行可视化。在金融领域，这些技能用于处理和展示大量金融数据，例如股票价格、交易量等，有助于发现市场趋势和潜在机会。
课程提到了金融函数和金融建模，如信用评分卡和可转债定价，这些都是金融分析的重要部分。Python提供了诸如`scikit-learn`等库，用于构建和评估信用评分模型，而对可转债的定价则需要理解金融衍生品的理论，并可能涉及到复杂的数学计算，Python的强大计算能力在这里得到体现。
Python在金融商贸中的应用主要体现在数据获取（爬虫技术）、数据分析（numpy, pandas, Matplotlib）以及金融建模等方面，通过学习这些技能，可以有效提升金融从业人员的数据处理能力和决策支持。
