金融科技时代已经到来，善于将金融理论与IT技术进行深度融合的人，将成为新时代独具竞争力的金融科技类人才。无论是打算在金融领域求职的新人，还是希望进一步提升个人能力的“职场老手”，这个书单您一定要看一看。
１、基于Python的金融分析与风险管理
- Python金融分析和风险管理的实用指南
- 金融大数据分析和金融风控的参考书
- NumPy、Pandas、Matplotlib等重要模块的使用技巧尽在掌握
本书聚焦于Python在金融分析与风险管理的应用，全书分为入门篇、基础篇和提高篇，共12章。入门篇对Python做了介绍并结合金融场景演示了Python的基本操作；基础篇结合金融场景，讲解NumPy、Pandas、Matplotlib、SciPy等Python模块的具体运用；提高篇详细讨论运用Python分析利率、债券、股票、期货、期权以及风险价值等内容。
本书是专注于Python在金融领域运用的普及性读物，作者斯文博士在金融与风险管理方面有着深厚的积累，同时也有着丰富的编程经验，一直致力于倡导和推广Python在金融领域的运用。
本书适合想要掌握Python应用的金融学习者、金融从业者阅读，也适合想要转行到金融领域的程序员以及对Python在金融领域的实践应用感兴趣的人士阅读，并且不要求读者有Python编程基础。
２、Python金融实战
- Python金融实战类指南，指导金融大数据分析过程
- 通过编写高效的Python程序，解决实际金融问题
本书通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法，再到一系列简单的编程示例，本书循序渐进地引导读者学习Python。同时，本书还结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型、期权定价等内容，深度揭示了Python在金融行业中的应用技巧。
本书适合金融、会计等相关专业的高校师生阅读，也适合金融领域的研究人员和从业人员参考学习。对于有一定计算机编程基础，但想要从事金融行业的读者，本书也是不错的参考用书。
３、量化金融R语言初级教程
《量化金融R语言初级教程》通过9章的内容向读者详细介绍使用R语言实现量化金融的一些基础知识和方法，内容包括时间序列分析、投资组合优化、资产定价模型、固定收益证券、估计利率期限结构、衍生品定价、信用风险管理、极值理论和金融网络等。
目标读者是那些希望通过R语言来解决量化金融问题的读者，如果读者具备一定的金融知识，读者将学习到有关R语言的诸多核心内容，并了解R语言在量化金融方面的各类应用。
４、量化金融R语言高级教程
- 学习量化金融R语言高级教程
- 掌握R语言金融建模的核心技术
- 构建定制化的量化交易平台。
《量化金融R语言高级教程》通过13章的内容向读者详细介绍了使用R语言实现量化金融的方方面面。本书包括实证金融（第1～4章）、金融工程（第5～7章）、交易策略优化（第8～10章）和银行管理（第10～13章）等主题。
目标读者是那些既熟悉基本金融概念又具有一定编程能力的人。通过阅读本书，读者可以了解R语言与量化金融相关的各类知识和编程技巧。
５、量化交易学习指南 基于R语言
本书基于R语言进行讲解，循序渐进地教读者如何构建量化金融模型，如何通过R编程高效地解决金融难题，同时还将机器学习算法、时间序列分析、预测建模、风险分析等重要技术点纳入其中。书中展示了诸多易于理解的示例和应用级案例，这些内容有助于读者更好地理解相关的主题以及如何在R中通过编程实现。
６、计算金融基础教程 基于MATLAB
- 量化交易之路，学习MATLAB编程
- 掌握新兴的计算金融技术
- 解决金融计算问题入门书
在金融行业，掌握电子表格和计算器已经成为非常基本的技能，如果你想成为更出色的金融专业人士，那么本书将是一个非常好的选择。MATLAB是计算金融领域灵活、强大的平台之一，本书旨在介绍其应用方法。
无论你是打算在金融公司或投资行业谋求工作的新人，还是希望在金融领域有所发展的“职场老手”，本书都能助你一臂之力。通过阅读本书，你将了解MATLAB的方方面面，学会如何从数据集中获得更多的信息（包括非传统信息），以及如何使用新的计算工具。
７、Python金融大数据分析
- 详解使用Python分析处理金融大数据
- 金融应用开发领域从业人员参考书
- 学习Python编程入门基础教程，成为数据分析高手
金融行业已经以惊人的速度采用Python，一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助开发人员和量化分析人员入门Python，并指导他们掌握Python在计量金融学上的重要应用。
本书通过大量的实用示例并以一个大型的真实案例研究为基础，讲解如何为基于蒙特卡洛模拟的衍生品和风险分析开发一个成熟的框架。本书大部分内容使用了交互式的IPython Notebooks，并包含了如下主题。 基础知识：Python数据结构，NumPy数组处理、用pandas进行时间序列分析，用matplotlib可视化，用PyTables进行高性能I/O操作，日期/时间信息处理和精选的实践。 金融主题：使用了NumPy、SciPy和SymPy的数学技术，例如回归和优化；用于蒙特卡洛模拟、风险价值、风险信用价值计算的推断统计学；用于正态性检验、均方差投资组合优化、主成分分析（PCA）和贝叶斯回归的统计学。 特殊主题：用于金融算法的高性能Python，如向量化和并行化；Python与Excel的集成；以及构建基于Web技术的金融应用程序。
８、自动化交易R语言实战指南
- 学习自动化交易算法，掌握R编程技巧
- 构建强大的自动化交易平台
- 基于严谨的数学公式及丰富的代码示例进行编写，带你揭秘量化交易背后的奥秘
本书讨论了有关自动化交易的多个主题，涉及基础的数学知识、金融理论、高性能计算、数值优化以及相关的运算和执行。通过阅读本书，读者将对回测系统的构建、策略优化以及平台的运行等内容有深刻的理解。本书提供的自动化交易平台只需接入经纪商的API接口即可运行，从数据管理、策略优化到指令执行全部基于免费和公开的数据。
本书所搭建的平台几乎可以完全替代经纪商提供的平台。软件的各组件之间耦合度较低，并且易于扩展，允许用户替换数据源、交易算法或者经纪商。