大数据财务分析——基于Python（智能财会丛书）
定 价：55 元
丛书名：智能财会丛书
- 作者：张敏 王宇韬
- 出版时间：2022/6/1
- ISBN：9787300303864
- 出 版 社：中国人民大学出版社
- 中图法分类：F275.2
- 页码：404
- 纸张：
- 版次：1
- 开本：16
本教材最大的特点是将Python基础知识与财务分析知识进行了融合，在财务分析场景中学习Python，在Python学习中实现财务分析的自动化与智能化，从而避免财务专业背景的读者在学习Python时由于目标不明确导致学习动力不足、学习效率低等问题。通过本书的学习，读者可以掌握Python基础知识，初步具备利用Python进行高质量财务分析的能力。
本书共分为3篇13章。第1篇“Pyhon技术基础与财务数据获取”包括2章，介绍Python基础知识与通过Tushare数据接口快速获取财务数据；第2篇“Python数据分析技术与财务分析实战”包括8章，首先介绍Pandas库财务数据分析基础、Matplotlib库财务可视化基础，其次介绍如何利用Python进行财务静态分析、财务趋势分析、财务同业比较分析、现金流量表进阶分析、杜邦分析、批量筛选优质上市公司等；第3篇“机器学习技术与财务分析实战”包括3章，介绍线性回归模型与财务分析、决策树模型与集成学习模型在财务舞弊预测中的应用。
本书可作为高校财务管理学、会计学、审计学、管理学等专业本科生与研究生的Python基础、大数据财务分析等课程的教材，也可作为对财务数智化转型感兴趣的其他读者的参考书。
教辅资源：PPT、完整的源代码文件等。
张 敏 中国人民大学商学院教授、博士生导师、会计系主任，中国人民大学“杰出青年学者”，中国审计学会审计教育分会理事，入选财政部全国会计领军（后备）人才（学术类）”。
目前主要研究智能财务与大数据审计。在国内外核心期刊发表论文70余篇，出版著作6部。担任10余本国内外核心期刊匿名审稿人。主持国家自然科学基金项目2项；主持教育部人文社会科学研究项目1项。曾获中国人民大学商学院最佳研究生教师奖、中国人民大学教学优秀奖、全国优秀博士学位论文提名奖、中国人民大学优秀博士学位论文奖、北京大学优秀博士后等奖励。担任比亚迪、国投资本等公司独立董事。
王宇韬 CFA，FRM，AQF，华能信托金融科技实验室发起人，中国人民大学商学院“Python金融”课程授课导师。
出版《Python金融大数据挖掘与分析全流程详解》《Python大数据分析与机器学习商业案例实战》等图书。主讲的“Python金融”课程同时被学习强国、中国人民银行在线学习平台收录，累计为公司申请6项金融科技相关知识产权。
第1篇 Python技术基础与财务数据获取
第1章 Python基础快速入门
1.1 Python安装与第一个 Python程序
1.2 Python基础知识
1.3 Python语句
1.4 函数与模块
第2章 通过Tushare数据接口快速获取财务数据
2.1 Tushare基本介绍
2.2 通过 Tushare数据接口获取财务数据
2.3 通过 Tushare数据接口获取股票行情等其他数据
第2篇 Python数据分析技术与财务分析实战
第3章 财务数据分析利器——Pandas库
3.1 DataFrame的创建
3.2 文件的读取和写入
3.3 数据读取与筛选
3.4 数据表拼接
3.5 案例实战:财务数据处理
3.6 案例实战:财务数据获取进阶
第4章 财务可视化基础——Matplotlib库
4.1 Matplotlib基本图形绘制
4.2 Matplotlib可视化小技巧
4.3 案例实战:Matplotlib财务可视化
第5章 财务静态分析
5.1 盈利能力指标
5.2 营运能力指标
5.3 偿债能力指标
5.4 成长能力指标
5.5 综合案例
第6章 财务趋势分析
6.1 盈利能力分析
6.2 营运能力分析
6.3 偿债能力分析
6.4 成长能力分析
6.5 趋势分析综合评分
第7章 财务同业比较分析
7.1 盈利能力比较
7.2 营运能力比较
7.3 偿债能力比较
7.4 成长能力比较
7.5 同业分析综合评分
第8章 现金流量表进阶分析
8.1 指标1:经营活动产生的现金流量净额/净利润
8.2 指标2:销售商品、提供劳务收到的现金/营业收入
8.3 指标3:期末现金及现金等价物余额>有息负债 (应付债券+短期
借款+长期借款)
8.4 指标4:自由现金流
8.5 指标5:现金流画像
8.6 行业横向对比
第9章 杜邦分析
9.1 杜邦分析法介绍
9.2 利用杜邦分析法进行公司基本面分析
9.3 杜邦分析法反映的三种业绩驱动模式
第10章 批量筛选优质上市公司
10.1 指标体系
10.2 标准维度
10.3 案例实战
第3篇 机器学习技术与财务分析实战
第11章 线性回归模型+财务会计案例实战
11.1 一元线性回归模型
11.2 线性回归模型评估
11.3 多元线性回归模型
第12章 决策树模型+财务舞弊模型构建
12.1 决策树模型的基本原理
12.2 案例实战:财务舞弊预测模型
12.3 模型的参数调优
第13章 集成学习模型+财务舞弊预测
13.1 随机森林模型的基本原理和代码实现
13.2 GBDT 算法原理
13.3 XGBoost算法原理
13.4 案例实战:基于集成学习模型的财务舞弊模型
当前图书最新荐购
