Course Outline

Εισαγωγή

Κατανόηση των Βασικών Αρχών του Python

Επισκόπηση της χρήσης τεχνολογίας και Python στα οικονομικά

Επισκόπηση εργαλείων και υποδομών

    Python Ανάπτυξη με χρήση Anaconda με χρήση της Python πλατφόρμας Quant με χρήση IPython Χρησιμοποιώντας το Spyder

Ξεκινώντας με απλά οικονομικά παραδείγματα με το Python

    Υπολογισμός τεκμαρτών μεταβλητοτήτων Εφαρμογή της προσομοίωσης Monte Carlo με χρήση καθαρού Python Χρήση διανυσματοποίησης με Numpy Χρήση πλήρους διανυσματοποίησης με σχήμα καταγραφής Euler με 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 με χρήση δομών δεδομένων NumPy Εφαρμογή διανυσματοποίησης κώδικα

      Εφαρμογή οπτικοποίησης δεδομένων στο Python

    Υλοποίηση δισδιάστατων γραφικών με χρήση άλλων μορφών γραφικής παράστασης Υλοποίηση Finance γραφημάτων Δημιουργία τρισδιάστατου σχεδίου

      Χρήση δεδομένων Financial Time Series στο Python

    Εξερευνώντας τα βασικά των panda Εφαρμογή πρώτου και δεύτερου βημάτων με την κλάση DataFrame Λήψη οικονομικών δεδομένων από τον Ιστό χρησιμοποιώντας οικονομικά δεδομένα από αρχεία CSV Εφαρμογή ανάλυσης παλινδρόμησης Αντιμετώπιση δεδομένων υψηλής συχνότητας

      Υλοποίηση Λειτουργιών Εισόδου/Εξόδου

    Κατανόηση των Βασικών Εισόδου/Εξόδου με Python Χρήση I/O με πάντα Πάντα Εφαρμογή Γρήγορης Εισόδου/Εξόδου με PyTables

      Εφαρμογή κρίσιμων εφαρμογών απόδοσης με Python

    Επισκόπηση των βιβλιοθηκών απόδοσης σε Python Κατανόηση Python Παραδείγματα Κατανόηση διάταξης μνήμης Υλοποίηση παράλληλων υπολογιστών με χρήση της μονάδας πολλαπλής επεξεργασίας χρησιμοποιώντας Numba για δυναμική μεταγλώττιση Χρησιμοποιώντας Cython για στατική μεταγλώττιση Χρήση GPU για δημιουργία τυχαίων αριθμών

      Χρήση μαθηματικών εργαλείων και τεχνικών για τα οικονομικά με Python

    Τεχνικές Προσέγγισης Μάθησης Παρεμβολή παλινδρόμησης

      Εφαρμογή Convex Optimization
    Εφαρμογή Τεχνικών Ολοκλήρωσης
  • Εφαρμογή Συμβολικού Υπολογισμού
  • Στοχαστική με Python
  • Δημιουργία τυχαίων αριθμών Προσομοίωση τυχαίων μεταβλητών και στοχαστικών διεργασιών Υλοποίηση υπολογισμών αποτίμησης Υπολογισμός μετρήσεων κινδύνου
  • Statistics με Python

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

    Ενσωμάτωση Python με το Excel

      Υλοποίηση βασικής αλληλεπίδρασης υπολογιστικών φύλλων με χρήση του DataNitro για πλήρη ενσωμάτωση του Python και του Excel

    Αντικειμενοστραφής προγραμματισμός με Python

      Δημιουργία γραφικών διεπαφών χρήστη με Python

    Ενσωμάτωση Python με Τεχνολογίες Ιστού και Πρωτόκολλα για Οικονομικά

    Πρωτόκολλα Ιστού Εφαρμογές Ιστού Web Services

    Κατανόηση και εφαρμογή του Πλαισίου Αποτίμησης με Python

      Προσομοίωση χρηματοοικονομικών μοντέλων με Python

    Τυχαίοι Αριθμοί Δημιουργία Γενικής Κατηγορίας Προσομοίωσης Γεωμετρική Κίνηση Brownian Η κλάση 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 Εφαρμογή αποτίμησης χαρτοφυλακίου

    Βέλτιστες πρακτικές στον Python Προγραμματισμός για τα οικονομικά

    Αντιμετώπιση προβλημάτων

      Περίληψη και Συμπέρασμα

    Τελευταία σχόλια

    Requirements

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

    Number of participants


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Testimonials (4)

    Related Courses

    Scaling Data Analysis with Python and Dask

      14 Hours

    Developing APIs with Python and FastAPI

      14 Hours

    Kivy: Building Android Apps with Python

      7 Hours

    GUI Programming with Python and PyQt

      21 Hours

    Related Categories