課程簡介

介紹

瞭解的基本原理 Python

Finance 中的“使用技術”和Python概述

工具和基礎設施概述

  • Python 使用 Anaconda 進行部署
  • 使用 Python Quant 平臺
  • 使用 IPython
  • 使用Spyder

簡單金融示例入門 Python

  • 計算隱含波動率
  • 實現 Monte Carlo 類比
    • 使用 Pure Python
    • 使用 Numpy 的矢量化
    • 將完全矢量化與Log Euler Scheme結合使用
    • 使用圖形分析
  • 使用技術分析

瞭解 Python 中的數據類型和結構

  • 瞭解基本數據類型
  • 學習基本數據結構
  • 使用 NumPy 數據結構
  • 實現代碼矢量化

在 Python 中實現 Data Visualization

  • 實現二維繪圖
  • 使用其他列印樣式
  • 實現 Finance 繪圖
  • 生成 3D 圖

在 Python 中使用財務時間序列數據

  • 探索 panda 的基礎知識
  • 使用 DataFrame 類實現第一步和第二步
  • 從 Web 獲取財務數據
  • 使用 CSV 檔中的財務數據
  • 實施回歸分析
  • 處理高頻數據

實現 Input/Output 操作

  • 使用 Python 瞭解 I/O 的基礎知識
  • 將 I/O 與 pandas 結合使用
  • 使用 PyTable 實現快速 I/O

使用 Python 實現性能關鍵型應用程式

  • Python 中的性能庫概述
  • 理解 Python 範式
  • 瞭解記憶體佈局
  • 實現並行計算
  • 使用 multiprocessing 模組
  • 使用 Numba 進行動態編譯
  • 使用 Cython 進行靜態編譯
  • 使用 GPUs 生成隨機數

使用 Mathematical 工具和技術 Finance 和 Python

  • 學習近似技術
    • 回歸
    • 插值
  • 實現凸優化
  • 實現集成技術
  • 應用符號計算

與 Python 的隨機指標

  • 隨機數的生成
  • 隨機變數和隨機過程的類比
  • 實施評估計算
  • 風險措施的計算

Statistics 與 Python

  • 實現正態性檢驗
  • 實施投資組合優化
  • 執行主成分分析 (PCA)
  • 使用 PyMC3 實現貝葉斯回歸

將 Python 與 Excel 集成

  • 實現基本的電子錶格交互
  • 使用 DataNitro 實現 Python 和 Excel 的完全集成

Object-Oriented Programming 與 Python

使用 Python 構建圖形用戶介面

將 Python 與 Finance 的 Web 技術和協定集成

  • Web 協定
  • Web 應用程式
  • Web Services

理解和實施估值框架 Python

使用 Python 模擬財務模型

  • 隨機數生成
  • 通用類比類
  • 幾何布朗運動
    • 類比類
    • 為 GBM 實施 Use Case
  • 跳躍擴散
  • 平方根擴散

實施衍生品估值 Python

使用 Python 實施投資組合估值

在 Python 中使用波動率期權

  • 實施數據收集
  • 實施模型校準
  • 實施投資組合估值

Python Programming 中針對 Finance 的最佳實踐

故障排除

總結和結論

結束語

最低要求

  • 基本程式設計經驗
  • 紮實掌握金融數學
 35 時間:

人數


每位參與者的報價

客戶評論 (5)

Upcoming Courses

課程分類