Course Outline

Εισαγωγή

Κατανόηση των Βασικών Αρχών του Python

Επισκόπηση της χρήσης τεχνολογίας και Python στο Finance

Επισκόπηση εργαλείων και υποδομών

  • Python Ανάπτυξη με χρήση Anaconda
  • Χρησιμοποιώντας την πλατφόρμα Quant Python
  • Χρησιμοποιώντας το IPython
  • Χρησιμοποιώντας το Spyder

Ξεκινώντας με απλά οικονομικά παραδείγματα με το Python

  • Υπολογισμός τεκμαρτών μεταβλητοτήτων
  • Υλοποίηση της προσομοίωσης Monte Carlo
    • Χρησιμοποιώντας το Pure Python
    • Χρήση Vectorization με Numpy
    • Χρήση πλήρους διανυσματοποίησης με το σχήμα καταγραφής Euler
    • Χρήση γραφικής ανάλυσης
  • Χρήση Τεχνικής Ανάλυσης

Κατανόηση των τύπων και των δομών δεδομένων στο Python

  • Εκμάθηση των Βασικών τύπων δεδομένων
  • Εκμάθηση των Βασικών Δομών Δεδομένων
  • Χρήση δομών δεδομένων NumPy
  • Εφαρμογή διανυσματοποίησης κώδικα

Εφαρμογή Data Visualization στο Python

  • Υλοποίηση Δισδιάστατων Οικόπεδων
  • Χρήση άλλων στυλ πλοκής
  • Υλοποίηση Finance Οικόπεδα
  • Δημιουργία τρισδιάστατου σχεδίου

Χρήση δεδομένων οικονομικών χρονοσειρών στο Python

  • Εξερευνώντας τα βασικά των πάντα
  • Υλοποίηση του πρώτου και του δεύτερου βήματος με την κλάση DataFrame
  • Λήψη οικονομικών δεδομένων από τον Ιστό
  • Χρήση οικονομικών δεδομένων από αρχεία CSV
  • Εφαρμογή Ανάλυσης Παλινδρόμησης
  • Αντιμετώπιση δεδομένων υψηλής συχνότητας

Υλοποίηση Λειτουργιών Εισόδου/Εξόδου

  • Κατανόηση των Βασικών του I/O με το Python
  • Χρήση I/O με πάντα
  • Υλοποίηση γρήγορης εισόδου/εξόδου με PyTables

Εφαρμογή κρίσιμων εφαρμογών απόδοσης με Python

  • Επισκόπηση των βιβλιοθηκών απόδοσης στο Python
  • Κατανόηση Python Παραδείγματα
  • Κατανόηση της διάταξης μνήμης
  • Εφαρμογή Παράλληλων Υπολογιστών
  • Χρήση της μονάδας πολλαπλής επεξεργασίας
  • Χρήση Numba για δυναμική μεταγλώττιση
  • Χρήση Cython για στατική μεταγλώττιση
  • Χρήση GPUs για τη δημιουργία τυχαίων αριθμών

Χρήση Mathematical Εργαλείων και Τεχνικών για Finance με Python

  • Τεχνικές Προσέγγισης Μάθησης
    • Οπισθοδρόμηση
    • Παρεμβολή
  • Εφαρμογή Convex Optimization
  • Εφαρμογή Τεχνικών Ολοκλήρωσης
  • Εφαρμογή Συμβολικού Υπολογισμού

Στοχαστική με Python

  • Δημιουργία τυχαίων αριθμών
  • Προσομοίωση Τυχαίων Μεταβλητών και Στοχαστικών Διαδικασιών
  • Υλοποίηση Υπολογισμών Αποτίμησης
  • Υπολογισμός Μέτρων Κινδύνου

Statistics με Python

  • Εφαρμογή δοκιμών κανονικότητας
  • Εφαρμογή βελτιστοποίησης χαρτοφυλακίου
  • Διεξαγωγή ανάλυσης κύριου στοιχείου (PCA)
  • Εφαρμογή Bayesian Regression χρησιμοποιώντας PyMC3

Ενσωμάτωση Python με Excel

  • Εφαρμογή βασικής αλληλεπίδρασης υπολογιστικών φύλλων
  • Χρήση του DataNitro για πλήρη ενσωμάτωση των Python και Excel

Object-Oriented Programming με Python

Δημιουργία γραφικών διεπαφών χρήστη με Python

Ενσωμάτωση του Python με Τεχνολογίες Ιστού και Πρωτόκολλα για Finance

  • Πρωτόκολλα Ιστού
  • Εφαρμογές Ιστού
  • Web Services

Κατανόηση και εφαρμογή του πλαισίου αποτίμησης με το Python

Προσομοίωση χρηματοοικονομικών μοντέλων με Python

  • Δημιουργία τυχαίων αριθμών
  • Γενική τάξη προσομοίωσης
  • Γεωμετρική κίνηση Brown
    • Η τάξη προσομοίωσης
    • Εφαρμογή ενός Use Case για GBM
  • Jump Diffusion
  • Διάχυση Τετραγωνικής Ρίζας

Εφαρμογή αποτίμησης παραγώγων με Python

Εφαρμογή αποτίμησης χαρτοφυλακίου με Python

Χρήση επιλογών μεταβλητότητας στο Python

  • Εφαρμογή συλλογής δεδομένων
  • Εφαρμογή βαθμονόμησης μοντέλου
  • Υλοποίηση αποτίμησης χαρτοφυλακίου

Βέλτιστες πρακτικές σε Python Programming για Finance

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Τελικές παρατηρήσεις

Requirements

  • Βασική εμπειρία προγραμματισμού
  • Στέρεη αντίληψη των μαθηματικών για τα οικονομικά
 35 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories