Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
A Python alapjainak megértése
A technológia használatának áttekintése és Python in Finance
Az eszközök és az infrastruktúra áttekintése
- Python Telepítés a Anaconda használatával
- A Python Quant Platform használata
- Az IPython használata
- Spyder használata
Kezdő lépések egyszerű pénzügyi példákkal a Python segítségével
- Implikált volatilitás kiszámítása
- A Monte Carlo szimuláció megvalósítása
- Pure használata Python
- Vektorizálás használata Numpy-val
- Teljes vektorizálás használata Log Euler sémával
- Grafikus elemzés használata
- Technikai elemzés használata
Adattípusok és -struktúrák megértése a Python-ben
- Az alapvető adattípusok elsajátítása
- Az alapvető adatszerkezetek elsajátítása
- NumPy adatstruktúrák használata
- Kódvektorizálás megvalósítása
Data Visualization megvalósítása Python-ben
- Kétdimenziós telkek megvalósítása
- Más cselekménystílusok használata
- Megvalósítás Finance Telkek
- 3D-s terv létrehozása
Pénzügyi idősor adatok használata a Python-ben
- A pandák alapjainak megismerése
- Az első és a második lépés megvalósítása DataFrame osztállyal
- Pénzügyi adatok beszerzése az internetről
- Pénzügyi adatok használata CSV-fájlokból
- Regressziós elemzés végrehajtása
- Megbirkózni a nagyfrekvenciás adatokkal
Bemeneti/kimeneti műveletek végrehajtása
- Az I/O alapjainak megértése a Python segítségével
- I/O használata pandákkal
- Gyors I/O megvalósítása PyTables segítségével
Teljesítménykritikus alkalmazások megvalósítása a Python segítségével
- A Performance Libraries áttekintése a Python-ben
- A paradigmák megértése Python
- A memória elrendezésének megértése
- Párhuzamos számítástechnika megvalósítása
- A többfeldolgozó modul használata
- A Numba használata dinamikus fordításhoz
- Cython használata statikus fordításhoz
- GPU-ek használata véletlenszám-generáláshoz
Mathematical eszközök és technikák használata Finance-hez Python
- Közelítési technikák tanulása
- Regresszió
- Interpoláció
- Konvex optimalizálás megvalósítása
- Integrációs technikák megvalósítása
- Szimbolikus számítás alkalmazása
Sztochasztika a Python segítségével
- Véletlen számok generálása
- Véletlen változók és sztochasztikus folyamatok szimulációja
- Értékelési számítások végrehajtása
- A kockázati intézkedések kiszámítása
Statistics és Python
- Normalitási tesztek végrehajtása
- Portfólióoptimalizálás megvalósítása
- Főkomponens-elemzés (PCA) elvégzése
- Bayes-regresszió megvalósítása PyMC3 segítségével
A Python és a Excel integrálása
- Alapvető táblázatkezelési interakció megvalósítása
- A DataNitro használata a Python és Excel teljes integrációjához
Object-Oriented Programming és Python
Grafikus felhasználói felületek létrehozása a Python segítségével
A Python integrációja a Finance webtechnológiáival és protokolljaival
- Web protokollok
- Webes alkalmazások
- Web Services
Az értékelési keretrendszer megértése és alkalmazása a Python segítségével
Pénzügyi modellek szimulálása a Python segítségével
- Véletlen számok generálása
- Általános szimulációs osztály
- Geometriai Brown-mozgás
- A szimulációs osztály
- Use Case megvalósítása a GBM számára
- Jump Diffusion
- Négyzetgyök diffúzió
Származékos értékbecslés végrehajtása a Python segítségével
Portfólióértékelés végrehajtása a Python segítségével
Volatilitási opciók használata a Python-ben
- Az adatgyűjtés megvalósítása
- Modell kalibrálás végrehajtása
- Portfólióértékelés végrehajtása
Legjobb gyakorlatok itt: Python Programming – Finance
Hibaelhárítás
Összegzés és következtetés
Záró megjegyzések
Követelmények
- Alapfokú programozási tapasztalat
- A pénzügyi matematika szilárd ismerete
35 Órák
Vélemények (5)
Az a tény, hogy több gyakorlati gyakorlatunk van, több hasonló adat felhasználásával, mint amit projekteinkben használunk (műholdképek raszteres formátumban)
Matthieu - CS Group
Kurzus - Scaling Data Analysis with Python and Dask
Gépi fordítás
Very good preparation and expertise of a trainer, perfect communication in English. The course was practical (exercises + sharing examples of use cases)
Monika - Procter & Gamble Polska Sp. z o.o.
Kurzus - Developing APIs with Python and FastAPI
It was a though course as we had to cover a lot in a short time frame. Our trainer knew a lot about the subject and delivered the content to address our requirements. It was lots of content to learn but our trainer was helpful and encouraging. He answered all our questions with good detail and we feel that we learned a lot. Exercises were well prepared and tasks were tailored accordingly to our needs. I enjoyed this course
Bozena Stansfield - New College Durham
Kurzus - Build REST APIs with Python and Flask
Trainer develops training based on participant's pace
Farris Chua
Kurzus - Data Analysis in Python using Pandas and Numpy
I mostly enjoyed everything.
