コース概要
紹介
Python の基本を理解する
テクノロジーと Python を金融で使用する概要
ツールとインフラストラクチャの概要
- Anaconda を使用した Python の展開
- Python 量的プラットフォームの使用
- IPython の使用
- Spyder の使用
Python を使用した簡単な金融例の開始
- 暗黙のボラティリティの計算
- モンテカルロシミュレーションの実装
- 純粋な Python の使用
- Numpy を使用したベクトル化
- 対数オイラー方式を使用した完全ベクトル化
- グラフィカル分析の使用
- テクニカルアナリストの使用
Python でのデータ型と構造の理解
- 基本的なデータ型の学習
- 基本的なデータ構造の学習
- Numpy データ構造の使用
- コードベクトル化の実装
Python でのデータ可視化の実装
- 2 次元プロットの実装
- 他のプロットスタイルの使用
- 金融プロットの実装
- 3D プロットの生成
Python での金融時系列データの使用
- pandas の基本を理解する
- DataFrame クラスの最初と次のステップの実装
- Web から金融データの取得
- CSV ファイルからの金融データの使用
- 回帰分析の実装
- 高頻度データへの対応
Python での入出力操作の実装
- Python での I/O の基本を理解する
- pandas を使用した I/O
- PyTables を使用した高速な I/O
Python でのパフォーマンス重視のアプリケーションの実装
- Python のパフォーマンスライブラリの概要
- Python パラダイムの理解
- メモリアウトレイアウトの理解
- 並列計算の実装
- multiprocessing モジュールの使用
- Numba を使用した動的コンパイル
- Cython を使用した静的コンパイル
- GPU を使用した乱数生成
Python での金融のための数学的手法と技術の使用
- 近似手法の学習
- 回帰
- 補間
- 凸最適化の実装
- 積分手法の実装
- シンボリック計算の適用
Python での確率論
- 乱数の生成
- 確率変数と確率過程のシミュレーション
- バリュエーション計算の実装
- リスク指標の計算
Python での統計学
- 正規性検定の実装
- ポートフォリオ最適化の実装
- 主成分分析 (PCA) の実施
- PyMC3 を使用したベイジアン回帰の実装
Python と Excel の統合
- 基本的なスプレッドシート操作の実装
- DataNitro を使用した Python と Excel の完全な統合
Python でのオブジェクト指向プログラミング
Python を使用したグラフィカルユーザーインターフェースの構築
金融のために Python を Web テクノロジーとプロトコルで統合する
- Web プロトコル
- Web アプリケーション
- Web サービス
Python でのバリュエーションフレームワークの理解と実装
Python を使用した金融モデルのシミュレーション
- 乱数生成
- 汎用シミュレーションクラス
- 幾何ブラウン運動
- シミュレーションクラス
- GBM のユースケースの実装
- ジャンプ拡散
- 平方根拡散
Python でのデリバティブバリュエーションの実装
Python でのポートフォリオバリュエーションの実装
Python でボラティリティオプションを使用する
- データ収集の実装
- モデルキャリブレーションの実装
- ポートフォリオバリュエーションの実装
金融プログラミングでの Python のベストプラクティス
トラブルシューティング
まとめと結論
閉じる言葉
要求
- 基本的なプログラミング経験
- 金融に必要な数学の知識
お客様の声 (2)
各トピックについてより深く理解するのに、実践的な演習が大いに役立ちます。また、授業を講義で始め、その後実践的な演習を続けていくスタイルは、先に呈示された講義内容と関連付ける上で非常に役立つし、助けになります。
Nazeera Mohamad - Ministry of Science, Technology and Innovation
コース - Introduction to Data Science and AI using Python
機械翻訳
ドメインに完全適応された例題・練習問題
Luc - CS Group
コース - Scaling Data Analysis with Python and Dask
機械翻訳