План на курса

Въведение

Разбиране на основите на Python

Преглед на използването на технологии и Python във финансите

Преглед на инструментите и инфраструктурата

    Python Внедряване с помощта на Anaconda с помощта на Python платформата Quant с помощта на IPython с помощта на Spyder

Първи стъпки с прости финансови примери с Python

    Изчисляване на предполагаеми променливости Прилагане на симулацията Монте Карло с помощта 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 на данни Използване на структури от данни на NumPy Внедряване на кодова векторизация

      Внедряване на визуализация на данни в Python

    Внедряване на двуизмерни графики с помощта на други стилове на графика Внедряване на Finance графики Генериране на 3D графика

      Използване на финансови времеви редове на данни в Python

    Проучване на основите на pandas Внедряване на първа и втора стъпка с клас DataFrame Получаване на финансови данни от мрежата Използване на финансови данни от CSV файлове Внедряване 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 парадигмите Python 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 математически инструменти и техники за финанси с Python

    Техники за приближаване на обучение Регресионна интерполация

      Внедряване на изпъкнала оптимизация
    Внедряване на техники за интегриране
  • Прилагане на символно изчисление
  • Стохастика с Python
  • Генериране на случайни числа Симулация на случайни променливи и стохастични процеси Изпълнение на изчисления на стойност Изчисляване на мерки за риска
  • Statistics с Python

      Внедряване на тестове за нормалност Внедряване на оптимизация на портфолио Извършване на анализ на основните компоненти (PCA) Внедряване на байесова регресия с помощта на PyMC3

    Интегриране на Python с Excel

      Внедряване на основно взаимодействие с електронни таблици с помощта на DataNitro за пълна интеграция на Python и Excel

    Обектно-ориентирано програмиране с Python

      Изграждане на графични потребителски интерфейси с Python

    Интегриране Python с уеб технологии и протоколи за финанси

    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 скока

      Дифузия на квадратен корен
    Прилагане на оценка на деривати с Python
  • Внедряване на оценка на портфейл 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 Програмиране за финанси

    Отстраняване на неизправности

      Обобщение и заключение

    Заключителни бележки

    Изисквания

    • Основен опит в програмирането
    • Солидни познания по математика за финанси
      35 Hours
     

    Брой участници


    Започва

    Свършва


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Oтзиви от потребители (4)

    Свързани Kурсове

    Kivy: Building Android Apps with Python

      7 Hours

    Свързани Kатегории