Εξέλιξη Κομματιού

Εισαγωγή

Κατανόηση των βασικών αρχών του Python

Περιγραφή της χρήσης της τεχνολογίας και του Python στη χρηματοπιστωτική

Περιγραφή των εργαλείων και των πλαίσιων

  • Εφαρμογή Python μέσω Anaconda
  • Χρήση του Πλατφόρμας Κβαντιτατιβής Python
  • Χρήση IPython
  • Χρήση Spyder

Αρχική απόδοση με απλά χρηματοπιστωτικά παραδείγματα στο Python

  • Υπολογισμός Ενδεικτικής Ισχύος
  • Εφαρμογή της Στοχαστικής Προσομοίωσης Monte Carlo
    • Χρήση Καθαρού Python
    • Χρήση Βεκτορικοποίησης με Numpy
    • Χρήση Πλήρους Βεκτορικοποίησης με Log Euler Scheme
    • Χρήση Γραφικής Ανάλυσης
  • Χρήση Τεχνικής Ανάλυσης

Κατανόηση των είδους δεδομένων και των δομών στο Python

  • Μάθηση των βασικών ειδών δεδομένων
  • Μάθηση των βασικών δομών δεδομένων
  • Χρήση Δομών Δεδομένων NumPy
  • Εφαρμογή Βεκτορικοποίησης Κώδικα

Εφαρμογή Δεικτικής Αναπαράστασης στο Python

  • Εφαρμογή δύοδιάστατων πλαγίων και γραφείων
  • Χρήση άλλων συμβατικών πλαγίων και γραφείων
  • Εφαρμογή χρηματοπιστωτικών διαγραμμάτων
  • Δημιουργία 3D πλαγίου και γραφείου

Χρήση Χρονικών Σειρών Δεδομένων στο Python

  • Εξερεύνηση των βασικών pandas
  • Εφαρμογή πρώτου και δευτέρου βήματος με DataFrame Class
  • Λήψη Χρηματοπιστωτικών Δεδομένων από το Διαδίκτυο
  • Χρήση Χρηματοπιστωτικών Δεδομένων από τα CSV Αρχεία
  • Εφαρμογή Πολυπλοκής Ανάλυσης
  • Χειρισμός υψηλής συχνότητας δεδομένων

Εφαρμογή Επιχειρήσεων Διαμόρφωσης και Έξοδου

  • Κατανόηση των βασικών αρχών I/O με Python
  • Χρήση I/O με pandas
  • Εφαρμογή Ταχείας I/O με PyTables

Εφαρμογή Εφαρμογών Κρίσιμης Απόδοσης στο Python

  • Περιγραφή των Βιβλιοθηκών Απόδοσης στο Python
  • Κατανόηση παραδειγμάτων Python
  • Κατανόηση του ΛAYOUT μνήμης
  • Εφαρμογή Συζύγης Υπολογισμών
  • Χρήση του multiprocessing Module
  • Χρήση Numba για Δυναμικό Σύνταξη
  • Χρήση Cython για Στατική Σύνταξη
  • Χρήση GPUs για Δυναμική Γενέση Τυχαίων Αριθμών

Χρήση Μαθηματικών Εργαλείων και Τεχνικών για τη χρηματοπιστωτική με Python

  • Μάθηση Τεχνικών Απευθύνσεως
    • Πολυτελής
    • Αρμονική
  • Εφαρμογή Ανάπτυξης Ανελκυστή Γεωμετρίας
  • Εφαρμογή Τεχνικών Συσχέτισης
  • Εφαρμογή Συμβολικής Υπολογισμός

Στοχαστικά με Python

  • Γενέση τυχαίων αριθμών
  • Προσομοίωση τυχαίων μεταβλητών και στοχαστικών διαδικασιών
  • Εφαρμογή Υπολογισμού τιμών
  • Υπολογισμός μέτρων κινδύνου

Στατιστικά με Python

  • Εφαρμογή Κυρτών Δοκιμών Νορμαλότητας
  • Εφαρμογή Βελτιστοποίησης Πορτφολίου
  • Διεξαγωγή Ανάλυσης Κύριων Συστατικών (PCA)
  • Εφαρμογή Βελτιστοποίησης Πολυτελείας με PyMC3

Συνέχεια και ολοκλήρωση Python σε Excel

  • Εφαρμογή Βασικής Αλληλεπίδρασης με Ευρετήριο
  • Χρήση DataNitro για πλήρη ενσωμάτωση Python και Excel

Ορισμένη Προγραμματισμός με Αντικείμενα στο Python

Δημιουργία Γραφικών Συμβατικών χρήσης Python

Συνέχεια και ολοκλήρωση Python με Τεχνολογίες Διαδίκτυου και Πρωτόκολλα για τη χρηματοπιστωτική

  • Πρωτόκολλα Διαδίκτυου
  • Εφαρμογές Διαδίκτυου
  • Υπηρεσίες Διαδίκτυου

Κατανόηση και Εφαρμογή του Πλαισίου Αξιολόγησης με Python

Προσομοίωση χρηματοπιστωτικών μοντέλων με Python

  • Γενέση τυχαίων αριθμών
  • Γενική Κλάση προσομοίωσης
  • Τυχαία Γεωμετρική Κίνηση
    • Η Κλάση προσομοίωσης
    • Εφαρμογή Περιπτώσεων Χρήσης για Γεωμετρική Κίνηση
  • Αλλαγή Διάδοχης
  • Τετραγωνική Αλλαγή Διάδοχης

Εφαρμογή Αξιολόγησης Παραγώγων με Python

Εφαρμογή Αξιολόγησης Πορτφολίου με Python

Χρήση Επιλογών Ισχύος σε Python

  • Εφαρμογή Συλλογής Δεδομένων
  • Εφαρμογή Προσαρμόσεων Μοντέλου
  • Εφαρμογή Αξιολόγησης Πορτφολίου

Καλύτερες πρακτικές προγραμματισμού Python για τη χρηματοπιστωτική

Ενοχλητική ανασκόπηση

Περίληψη και Συμπέρασμα

Τελικά σχόλια

Απαιτήσεις

  • Βασική εμπειρία σε προγραμματισμό
  • Σταθερή κατανόηση των μαθηματικών για χρηματοοικονομικά
 35 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (5)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες