Plan Szkolenia
Wprowadzenie
Zrozumienie podstaw Python
Przegląd korzystania z technologii i Python w Finance
Przegląd narzędzi i infrastruktury
- Wdrażanie przy użyciu Python Anaconda
- Korzystanie z platformy Python Quant
- Korzystanie z IPython
- Korzystanie z aplikacji Spyder
Pierwsze kroki z prostymi przykładami finansowymi z Python
- Obliczanie zmienności implikowanej
- Wdrażanie symulacji Monte Carlo
- Korzystanie z Pure Python
- Używanie wektoryzacji z Numpy
- Korzystanie z pełnej wektoryzacji z logicznym schematem Eulera
- Korzystanie z analizy graficznej
- Korzystanie z analizy technicznej
Zrozumienie typów i struktur danych w Python
- Nauka podstawowych typów danych
- Nauka podstawowych struktur danych
- Korzystanie ze struktur danych NumPy
- Implementowanie wektoryzacji kodu
Implementacja Data Visualization w Python
- Implementowanie wykresów dwuwymiarowych
- Korzystanie z innych stylów wykresów
- Implementowanie Finance wykresów
- Generowanie wykresu 3D
Korzystanie z danych finansowych szeregów czasowych w Python
- Odkrywanie podstaw pand
- Implementacja pierwszego i drugiego kroku z klasą DataFrame
- Pobieranie danych finansowych z sieci
- Korzystanie z danych finansowych z plików CSV
- Wdrażanie analizy regresji
- Radzenie sobie z danymi o wysokiej częstotliwości
Implementowanie operacji wejścia/wyjścia
- Zrozumienie podstaw operacji wejścia/wyjścia z Python
- Używanie I/O z pandas
- Implementowanie szybkich operacji wejścia/wyjścia za pomocą PyTables
Wdrażanie aplikacji o krytycznym znaczeniu dla wydajności z Python
- Przegląd bibliotek wydajności w Python
- Zrozumienie paradygmatów Python
- Zrozumienie układu pamięci
- Wdrażanie obliczeń równoległych
- Korzystanie z modułu wieloprocesowego
- Używanie Numba do kompilacji dynamicznej
- Używanie Cythona do kompilacji statycznej
- Używanie GPUs do generowania liczb losowych
Korzystanie z Mathematical narzędzi i technik dla Finance z Python
- Uczenie się technik aproksymacji
- Regresja
- Interpolacja
- Wdrażanie optymalizacji wypukłej
- Wdrażanie technik integracji
- Zastosowanie obliczeń symbolicznych
Stochastyka z Python
- Generowanie liczb losowych
- Symulacja zmiennych losowych i procesów stochastycznych
- Wdrażanie obliczeń wyceny
- Obliczanie miar ryzyka
Statistics z Python
- Wdrażanie testów normalności
- Wdrażanie optymalizacji portfela
- Przeprowadzanie analizy głównych składowych (PCA)
- Wdrażanie regresji bayesowskiej przy użyciu PyMC3
Integracja Python z Excel
- Wdrażanie podstawowej interakcji arkusza kalkulacyjnego
- Wykorzystanie DataNitro do pełnej integracji Python i Excel
Object-Oriented Programming z Python
Tworzenie graficznych interfejsów użytkownika z Python
Integracja Python z technologiami i protokołami sieciowymi dla Finance
- Protokoły internetowe
- Aplikacje internetowe
- Web Services
Zrozumienie i wdrażanie ram wyceny z Python
Symulowanie modeli finansowych za pomocą Python
- Generowanie liczb losowych
- Klasa symulacji ogólnej
- Geometryczny ruch Browna
- Klasa symulacji
- Wdrażanie Use Case dla GBM
- Dyfuzja skokowa
- Dyfuzja o kwadratowych korzeniach
Wdrażanie wyceny instrumentów pochodnych za pomocą Python
Wdrażanie wyceny portfela za pomocą Python
Korzystanie z opcji zmienności w Python
- Wdrażanie gromadzenia danych
- Wdrażanie kalibracji modelu
- Wdrażanie wyceny portfela
Najlepsze praktyki w Python Programming dla Finance
Rozwiązywanie problemów
Podsumowanie i wnioski
Uwagi końcowe
Wymagania
- Podstawowe doświadczenie w programowaniu
- Dobra znajomość matematyki finansowej