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
 35 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie