План на курса
Въведение
Разбиране на основите на Python
Преглед на използването на технологии и Python в Finance
Преглед на инструментите и инфраструктурата
- Python Внедряване чрез Anaconda
- Използване на Python Quant Platform
- Използване на IPython
- Използване на Spyder
Първи стъпки с прости финансови примери с Python
- Изчисляване на подразбиращата се волатилност
- Прилагане на симулацията Монте Карло
- Използване на Pure Python
- Използване на векторизация с Numpy
- Използване на пълна векторизация със схема на Log Euler
- Използване на графичен анализ
- Използване на технически анализ
Разбиране на типовете данни и структурите в Python
- Изучаване на основните типове данни
- Изучаване на основните структури от данни
- Използване на структури от данни NumPy
- Внедряване на кодова векторизация
Внедряване на Data Visualization в Python
- Внедряване на двумерни графики
- Използване на други стилове на графика
- Внедряване на Finance сюжети
- Генериране на 3D графика
Използване на финансови времеви редове на данни в Python
- Изследване на основите на пандите
- Внедряване на първа и втора стъпка с клас DataFrame
- Получаване на финансови данни от мрежата
- Използване на финансови данни от CSV файлове
- Прилагане на регресионен анализ
- Справяне с високочестотни данни
Внедряване на входно/изходни операции
- Разбиране на основите на I/O с Python
- Използване на I/O с pandas
- Внедряване на бърз I/O с PyTables
Внедряване на критични за производителността приложения с Python
- Преглед на библиотеките за производителност в Python
- Разбиране на Python парадигми
- Разбиране на оформлението на паметта
- Внедряване на паралелни изчисления
- Използване на мултипроцесорния модул
- Използване на Numba за динамично компилиране
- Използване на Cython за статично компилиране
- Използване на GPU за генериране на произволни числа
Използване на Mathematical инструменти и техники за Finance с Python
- Техники за приближаване на обучението
- Регресия
- Интерполация
- Внедряване на изпъкнала оптимизация
- Внедряване на техники за интегриране
- Прилагане на символно изчисление
Стохастика с Python
- Генериране на произволни числа
- Симулация на случайни променливи и стохастични процеси
- Внедряване на изчисления за оценка
- Изчисляване на рисковите мерки
Statistics с Python
- Прилагане на тестове за нормалност
- Внедряване на оптимизация на портфолио
- Извършване на анализ на главните компоненти (PCA)
- Прилагане на байесова регресия с помощта на PyMC3
Интегриране на Python с Excel
- Внедряване на основно взаимодействие с електронни таблици
- Използване на DataNitro за пълно интегриране на Python и Excel
Object-Oriented Programming с Python
Изграждане на графични потребителски интерфейси с Python
Интегриране Python с уеб технологии и протоколи за Finance
- Уеб протоколи
- Уеб приложения
- Web Services
Разбиране и прилагане на рамката за оценка с Python
Симулиране на финансови модели с Python
- Генериране на случайни числа
- Общ симулационен клас
- Геометрично брауново движение
- Симулационният клас
- Внедряване на Use Case за GBM
- Дифузия на скокове
- Дифузия на квадратен корен
Внедряване на оценка на деривати с Python
Внедряване на оценка на портфолио с Python
Използване на опции за променливост в Python
- Внедряване на събиране на данни
- Внедряване на калибриране на модела
- Внедряване на оценка на портфолио
Най-добри практики в Python Programming за Finance
Отстраняване на неизправности
Обобщение и заключение
Заключителни бележки
Изисквания
- Основен опит в програмирането
- Солидни познания по математика за финанси