课程大纲

介绍

了解的基本原理 Python

Finance 中的“使用技术”和Python概述

工具和基础设施概述

  • Python 使用 Anaconda 进行部署
  • 使用 Python Quant 平台
  • 使用 IPython
  • 使用Spyder

简单金融示例入门 Python

  • 计算隐含波动率
  • 实现 Monte Carlo 类比
    • 使用 Pure Python
    • 使用 Numpy 的矢量化
    • 将完全矢量化与Log Euler Scheme结合使用
    • 使用图形分析
  • 使用技术分析

了解 Python 中的数据类型和结构

  • 了解基本数据类型
  • 学习基本数据结构
  • 使用 NumPy 数据结构
  • 实现代码矢量化

在 Python 中实现 Data Visualization

  • 实现二维绘图
  • 使用其他列印样式
  • 实现 Finance 绘图
  • 生成 3D 图

在 Python 中使用财务时间序列数据

  • 探索 panda 的基础知识
  • 使用 DataFrame 类实现第一步和第二步
  • 从 Web 获取财务数据
  • 使用 CSV 档中的财务数据
  • 实施回归分析
  • 处理高频数据

实现 Input/Output 操作

  • 使用 Python 了解 I/O 的基础知识
  • 将 I/O 与 pandas 结合使用
  • 使用 PyTable 实现快速 I/O

使用 Python 实现性能关键型应用程式

  • Python 中的性能库概述
  • 理解 Python 范式
  • 了解记忆体布局
  • 实现并行计算
  • 使用 multiprocessing 模组
  • 使用 Numba 进行动态编译
  • 使用 Cython 进行静态编译
  • 使用 GPUs 生成随机数

使用 Mathematical 工具和技术 Finance 和 Python

  • 学习近似技术
    • 回归
    • 插值
  • 实现凸优化
  • 实现集成技术
  • 应用符号计算

与 Python 的随机指标

  • 随机数的生成
  • 随机变数和随机过程的类比
  • 实施评估计算
  • 风险措施的计算

Statistics 与 Python

  • 实现正态性检验
  • 实施投资组合优化
  • 执行主成分分析 (PCA)
  • 使用 PyMC3 实现贝叶斯回归

将 Python 与 Excel 集成

  • 实现基本的电子表格交互
  • 使用 DataNitro 实现 Python 和 Excel 的完全集成

Object-Oriented Programming 与 Python

使用 Python 构建图形用户介面

将 Python 与 Finance 的 Web 技术和协定集成

  • Web 协定
  • Web 应用程式
  • Web Services

理解和实施估值框架 Python

使用 Python 模拟财务模型

  • 随机数生成
  • 通用类比类
  • 几何布朗运动
    • 类比类
    • 为 GBM 实施 Use Case
  • 跳跃扩散
  • 平方根扩散

实施衍生品估值 Python

使用 Python 实施投资组合估值

在 Python 中使用波动率期权

  • 实施数据收集
  • 实施模型校准
  • 实施投资组合估值

Python Programming 中针对 Finance 的最佳实践

故障排除

总结和结论

结束语

要求

  • 基本编程经验
  • 扎实掌握金融数学
 35 小时

客户评论 (5)

即将举行的公开课程

课程分类