Kurzusleírás

Bevezetés

A Python alapjainak megértése

A technológia használatának áttekintése és Python a pénzügyekben

Az eszközök és az infrastruktúra áttekintése

    Python Telepítés Anaconda használatával Python Quant Platform használatával IPython Spyder használatával

Kezdő lépések egyszerű pénzügyi példákkal a Python segítségével

    Implikált volatilitás kiszámítása Monte Carlo szimuláció megvalósítása Pure Python segítségével Numpy vektorizálással Teljes vektorizálással Log Euler sémával grafikus elemzéssel
Technikai elemzés használata
  • Az adattípusok és -struktúrák megértése a Python-ban
  • Az alapvető adattípusok megtanulása Az alapvető adatstruktúrák megtanulása NumPy adatstruktúrák használatával Kódvektorizálás megvalósítása

      Adatvizualizáció megvalósítása a Python-ban

    Kétdimenziós diagramok megvalósítása más ábrázolási stílusok használatával Finance Plots megvalósítása 3D-s terv létrehozása

      Pénzügyi idősor adatok használata a Python-ban

    A pandák alapjainak megismerése Első és második lépés megvalósítása DataFrame osztály segítségével Pénzügyi adatok beszerzése az internetről CSV-fájlokból származó pénzügyi adatok felhasználása Regressziós elemzés végrehajtása Megküzdés 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

    Teljesítménykönyvtárak áttekintése Python Python Paradigmák Memória-elrendezés megértése Párhuzamos számítástechnika megvalósítása A többfeldolgozó modul használatával Numba használata dinamikus fordításhoz Cython használata statikus fordításhoz GPU-k használatával véletlenszám-generáláshoz

      Matematikai eszközök és technikák használata a pénzügyekhez Python

    Közelítési technikák tanulása Regressziós interpoláció

      Konvex optimalizálás megvalósítása
    Integrációs technikák megvalósítása
  • Szimbolikus számítás alkalmazása
  • Sztochasztika Python-al
  • Véletlenszámok generálása Véletlen változók és sztochasztikus folyamatok szimulációja Értékelési számítások végrehajtása Kockázati mérőszámok számítása
  • Statistics Pythonnal

      Normalitástesztek megvalósítása Portfólióoptimalizálás megvalósítása Főkomponens-elemzés (PCA) végrehajtása Bayes-regresszió megvalósítása PyMC3 használatával

    Python integrálása Excel-lel

      Alapvető táblázatkezelési interakció megvalósítása DataNitro használatával a Python és az Excel teljes integrációjához

    Objektum-orientált programozás Python segítségével

      Grafikus felhasználói felületek létrehozása a Python segítségével

    Integrálása Python a webtechnológiákkal és a pénzügyi protokollokkal

    Web protokollok Webes alkalmazások Web Services

    Az értékelési keretrendszer megértése és alkalmazása a Python segítségével

      Pénzügyi modellek szimulálása a Python segítségével

    Véletlenszám-generálás általános szimulációs osztály Geometrikus Brown-mozgás A szimulációs osztály a Use Case-et implementálja GBM-hez

    Jump Diffusion

      Négyzetgyök diffúzió
    Származékos értékbecslés végrehajtása a Python segítségével
  • Portfólióértékelés végrehajtása a Python segítségével
  • Volatilitási opciók használata a Python-ban
  • Adatgyűjtés megvalósítása Modellkalibráció megvalósítása Portfólióértékelés végrehajtása

    Bevált gyakorlatok a Python Pénzügyi programozásban

    Hibaelhárítás

      Összefoglalás, és következtetés

    Zárszó

    Követelmények

    • Alapfokú programozási tapasztalat
    • A pénzügyi matematika szilárd ismerete
      35 Hours

    Résztvevők száma


    Tanfolyam kezdete

    Tanfolyam vége


    Dates are subject to availability and take place between 09:30 and 16:30.

    Ár per résztvevő

    Vélemények (4)

    Rokon tanfolyam

    Rokon kategóriák