Analyzing Financial Data with Python

• 基本编程经验
• 扎实掌握金融数学

Python是一种高级编程语言，以其清晰的语法和代码可读性而闻名。

在这个以讲师为主导的现场培训中，参与者将学习如何使用Python进行定量融资。

在培训结束时，参与者将能够：

• 理解Python编程的基础知识
• 将Python用于财务应用程序，包括实现数学技术，随机指标和统计数据
• 使用性能Python实现财务算法

听众

• 开发商
• 定量分析师

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

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