Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie

Zrozumienie podstaw Pythona

Przegląd wykorzystania technologii i Pythona w finansach

Przegląd narzędzi i infrastruktury

  • Wdrożenie Pythona przy użyciu Anacondy
  • Korzystanie z platformy Python Quant
  • Korzystanie z IPython
  • Korzystanie z Spyder

Rozpoczęcie pracy z prostymi przykładami finansowymi w Pythonie

  • Obliczanie implikowanych zmienności
  • Implementacja symulacji Monte Carlo
    • Korzystanie z czystego Pythona
    • Wektoryzacja z użyciem Numpy
    • Pełna wektoryzacja z logarytmicznym schematem Eulera
    • Analiza graficzna
  • Korzystanie z analizy technicznej

Zrozumienie typów i struktur danych w Pythonie

  • Poznanie podstawowych typów danych
  • Poznanie podstawowych struktur danych
  • Korzystanie z struktur danych NumPy
  • Implementacja wektoryzacji kodu

Implementacja wizualizacji danych w Pythonie

  • Tworzenie wykresów dwuwymiarowych
  • Korzystanie z innych stylów wykresów
  • Tworzenie wykresów finansowych
  • Generowanie wykresów 3D

Korzystanie z danych szeregów czasowych w finansach w Pythonie

  • Poznanie podstaw biblioteki pandas
  • Pierwsze kroki z klasą DataFrame
  • Pobieranie danych finansowych z internetu
  • Korzystanie z danych finansowych z plików CSV
  • Implementacja analizy regresji
  • Radzenie sobie z danymi wysokiej częstotliwości

Implementacja operacji wejścia/wyjścia

  • Zrozumienie podstaw I/O w Pythonie
  • Korzystanie z I/O w pandas
  • Szybkie I/O z użyciem PyTables

Implementacja aplikacji krytycznych pod względem wydajności w Pythonie

  • Przegląd bibliotek wydajnościowych w Pythonie
  • Zrozumienie paradygmatów Pythona
  • Zrozumienie układu pamięci
  • Implementacja obliczeń równoległych
  • Korzystanie z modułu multiprocessing
  • Użycie Numba do kompilacji dynamicznej
  • Użycie Cython do kompilacji statycznej
  • Korzystanie z GPU do generowania liczb losowych

Korzystanie z narzędzi i technik matematycznych w finansach z Pythonem

  • Techniki aproksymacji
    • Regresja
    • Interpolacja
  • Implementacja optymalizacji wypukłej
  • Implementacja technik całkowania
  • Zastosowanie obliczeń symbolicznych

Stochastyka z Pythonem

  • Generowanie liczb losowych
  • Symulacja zmiennych losowych i procesów stochastycznych
  • Implementacja obliczeń wyceny
  • Obliczanie miar ryzyka

Statystyka z Pythonem

  • Implementacja testów normalności
  • Implementacja optymalizacji portfela
  • Przeprowadzenie analizy głównych składowych (PCA)
  • Implementacja regresji bayesowskiej z użyciem PyMC3

Integracja Pythona z Excelem

  • Implementacja podstawowej interakcji z arkuszami kalkulacyjnymi
  • Korzystanie z DataNitro do pełnej integracji Pythona z Excelem

Programowanie obiektowe w Pythonie

Tworzenie interfejsów użytkownika w Pythonie

Integracja Pythona z technologiami i protokołami internetowymi w finansach

  • Protokoły internetowe
  • Aplikacje internetowe
  • Usługi internetowe

Zrozumienie i implementacja ram wyceny z Pythonem

Symulacja modeli finansowych z Pythonem

  • Generowanie liczb losowych
  • Generyczna klasa symulacji
  • Geometryczny ruch Browna
    • Klasa symulacji
    • Implementacja przypadku użycia dla GBM
  • Dyfuzja ze skokami
  • Dyfuzja pierwiastkowa

Implementacja wyceny instrumentów pochodnych z Pythonem

Implementacja wyceny portfela z Pythonem

Korzystanie z opcji zmienności w Pythonie

  • Implementacja zbierania danych
  • Implementacja kalibracji modelu
  • Implementacja wyceny portfela

Najlepsze praktyki w programowaniu w Pythonie dla finansów

Rozwiązywanie problemów

Podsumowanie i zakończenie

Zakończenie

Wymagania

  • Podstawowe doświadczenie w programowaniu
  • Solidna znajomość matematyki stosowanej w finansach
 35 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie