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
 35 Часа

Брой участници


Цена за участник

Oтзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории