excel vba 网页数据抓取( Jupyter是新的Excel，为什么交易员和财务专业人员需要学习Python)

　　excel vba 网页数据抓取(

Jupyter是新的Excel，为什么交易员和财务专业人员需要学习Python)

　　

　　在这个尖锐的论点文章中，作者引入了几个大胆而新颖的想法。

　　“Jupyter 是新的 Excel”

　　“为什么交易员和金融专业人士需要学习 Python”

　　

　　Jupyter 是新的 Excel

　　如果您是商人或在金融行业工作，Excel 是您的支柱；您可以分析价格和其他价格数据、评估您的交易组合、计算 VaR 并进行回测。

　　如果您是数据透视表、公式、图表甚至 VBA 和 PowerQuery 方面的专家。您可以快速处理解决方案，但在不知不觉中，您的电子表格可能会扩展到数十个选项卡、数千行 VBA——因此其可读性和可维护性确实令人头疼。而且性能慢，即使按F9刷新结果，也有足够的时间去泡杯茶，喝完还要等结果！

　　

　　如果您是数据透视表、公式、图表甚至 VBA 和 PowerQuery 方面的专家

　　你可能在真诚地点点头。上面的场景听起来很熟悉。

　　尽管 Excel 在许多情况下非常有用，但它无法为您提供真正的数据洞察力，Excel 也无法提供您寻求的所有答案。让我们看看是什么让 Excel 流行，以及它在哪些方面的缺点，但最重要的是，为什么您应该开始使用 Jupyter Notebook 作为强大的数据分析工具而不是 Excel。

　　Excel 的优点

　　某些因素使 Excel 如此有价值，最显着的是其简单而强大的反应计算模型和内置函数。电子表格就像一块空白的画布，“业余程序员”可以使用Excel的专有语言（即公式和VBA）编写代码。

　　银行已经部署了广泛的 IT 系统来运行关键业务流程，但电子表格形式的影子 IT 呈爆炸式增长。它补充了这些核心系统，并成为新业务计划的默认工具。由于企业IT系统无法灵活适应动态财务所需的快速上线时间，手工Excel可以填补这一空白，尽可能提供人肉和手工的便利！这是正确的解决方案吗？

　　Excel 在企业中的角色需要重新定义！

　　Excel 的缺陷

　　尝试使用 Excel 对大量数据进行高级响应式分析，但使用了错误的工具来完成工作。

　　以下是高级 Excel 用户面临的一些问题：

　　· 级联错误：Excel 因变成雪崩而臭名昭著，因为错误会传播到列，然后在整个电子表格中滚雪球。可怕的是，一开始并没有人注意到它，但是当它被发现时，已经晚了。一些相关案例已经广为人知，因为这些造成了巨大的成本弥补。

　　· 可扩展性：Excel 对它可以容纳的行数和列数有限制，但随着数据集呈指数级增长，Excel 很快就会耗尽内存或占用大部分 CPU。如果发生这种情况，数据损坏的风险就会增加。

　　· 性能：在复杂的工作簿中，更改一个数字会影响数百次重复计算，Excel 需要时间来处理每个数字。当它达到一定大小时，不仅会降低 Excel 本身的速度，还会影响任何其他需要内存空间的应用程序的性能。

　　·测试：几乎不可能测试Excel的正确性，然后证明后续的更改没有破坏其他任何东西。

　　· 可追溯性/调试：通常，即使是很小的更改也会严重破坏您的复杂公式，使其难以识别和修复。

　　· 结构凌乱：数据和计算都收录在一个Excel文件中，只能在本地计算机上运行。这意味着协作是有限的，版本控制变成了一场噩梦。此外，数据基于最新刷新的静态数据，而不是在条件变化时实时更新。

　　但相应地，几十年前的传统软件已经解决了所有这些问题。

　　所有问题还没有完全解决，还在继续：

　　· 操作风险：所有电子表格都从小型/快速修复计算开始，但有些将成为永久性的企业级解决方案。它们提供了许多业务流程，但由于缺乏整体可见性，许多财务、运营和监管流程的完整性受到威胁。

　　

　　用程序员的思维代替交易者的思维

　　传统上，银行将量化交易团队分为交易员和量化开发人员。前者提出交易想法，后者将这些想法转化为可执行代码。想象一下，当您是交易员时，您也是一名熟练的编码员，并且您拥有两者的优势。这也为您提供了竞争优势：不仅银行希望优化其成本，以便您可以在裁员中生存下来，而且您还可以建立自己的交易模型来采取行动并利用这一优势为您谋取利益。

　　能够自动执行日常任务为您提供了额外的自由。你会发现编码其实很有创意！

　　这也是世代相传的事情，因为更多的初级交易员已经具备编码技能，所以如果你想保持你的就业能力，你需要学习更多。

　　

　　如何使用 Python 和 Jupyter notebook 代替 Excel

　　如何使用 Python 和 Jupyter notebook 代替 Excel

　　- 看看我在那里做了什么？

　　那么对于发*敏*感*词*融专业人士来说，有哪些解决方案？

　　熟练使用Jupyter环境学习Python并练习编码！

　　蟒蛇

　　Python 相当容易学习，用途广泛，因此更多人涉足金融界。

　　它现在是许多定量脚本的书写语言。而且，它远没有 C++（或 Java）复杂，这意味着：❶学习曲线没有那么陡峭，并且

　　❷完成任务所需的代码量少了 5 倍或 10 倍。

　　许多用Python编写的程序库层出不穷。这说明作为交易者，只要学会Python，就可以获得几乎所有的交易库支持：

　　◽读数据、写数据、清理、切片/剪切数据

　　◽数学、统计学和时间序列

　　◽金融分析：交易与量化金融、市场数据分析、股票/衍生品市场分析、彭博数据访问、执行引擎、反向测试、风险分析等

　　◽机器学习管道（例如预测市场价格）

　　◽绘图和美观/交互式可视化

　　◽SQL 支持

　　◽发送电子邮件

　　◽网络爬取（如在线获取市场价格）

　　◽任务自动化/调度

　　◽Excel 集成（如果你真的很喜欢 Excel）

　　Jupyter

　　同样，Jupyter Notebook 是一种基于网络的计算环境，可让您创建文档，包括实时代码、图形、小部件、丰富的叙述文本（包括链接、方程等）、图片等。更具体地说，你可以：

　　· 在浏览器中编辑代码、自动语法高亮、缩进和制表符补全/自省。

　　· 运行浏览器中的代码并将计算结果附加到生成它们的代码中。

　　提供包罗万象的独立计算记录，可以替代Excel成为实时数据分析平台。

　　

　　毕竟，读者可能想知道：

　　你现在还坚持用Excel吗？当然...

　　在以下用例中，excel仍然是您的最佳选择：

　　◽️正确性和准确性不是首要考虑因素

　　◽数据不要太大（即不需要可扩展性）

　　◽无需实时更新

　　◽使用Excel作为便签，快速拼凑原型

　　◽无需长期维护。

　　您需要的是能够快速开发、验证正确性和可扩展性的东西，同时具有与 Excel 相同的响应模型。这正是 Jupyter Notebook 所提供的！

　　

　　说了这么多，总结一下“不，Excel不会过时，但Jupyter是更好的数据分析工具！”

　　我强调Jupter NoteBOOK至少有以下10个优点：

　　✔️强大的数据操作 -毕竟是数据科学家的工具箱！

　　✔️ 高级可视化功能——不再是无聊的图表！

　　✔️更好的用户体验

　　✔️ 大数据集处理-不再崩溃！

　　✔️ 绩效管理 -利用多处理功能

　　✔️ 测试驱动开发 -

　　✔️ 开源可访问性 -“它有一个库！”

　　✔️ 错误可追溯性

　　✔️更容易自动化

　　✔️ 生成自描述文档 - 不要低估这个价值！

　　如何开始

　　我意识到进入这个可能令人生畏，但编程不是学习语言的语法，而是使用正确的语言和工具来解决问题：

　　这里有两个很好的资源可以帮助您入门（非附属）：

　　最后的想法

　　很难想象没有电子表格的商业世界！

　　银行开始发现 Python 可以作为其关键工作负载的 Excel 替代品。巴克莱最近刚刚上了头条，他们正在努力教交易员编码。我觉得你也应该跟上这个趋势，它不会让你失望的！

　　让 Excel 做 Excel 擅长的事情，并将分析和自动化转移到 Python 和 Jupyter 笔记本上。

　　这样做之后，你会发现你进入了一个充满活力和互动分析的快乐世界！

　　感谢阅读！