Struttura del corso
Introduzione
Comprendere i Fondamenti di Python
Panoramica dell'Utilizzo della Tecnologia e di Python in Finanza
Panoramica degli Strumenti e dell'Infrastruttura
- Distribuzione di Python con Anaconda
- Utilizzo della Piattaforma Quantitativa Python
- Utilizzo di IPython
- Utilizzo di Spyder
Iniziare con Esempi Finanziari Semplici in Python
- Calcolo delle Volatilità Implicate
- Implementazione della Simulazione Monte Carlo
- Utilizzando il Puro Python
- Utilizzando la Vectorizzazione con Numpy
- Utilizzando la Vectorizzazione Completa con lo Schema Log Euler
- Utilizzo dell'Analisi Grafica
- Utilizzo dell'Analisi Tecnica
Comprendere i Tipi di Dati e le Strutture in Python
- Imparare i Tipi di Dati di Base
- Imparare le Strutture di Dati di Base
- Utilizzare le Strutture di Dati NumPy
- Implementare la Vectorizzazione del Codice
Implementare la Visualizzazione dei Dati in Python
- Implementare Grafici a Due Dimensioni
- Utilizzare Altri Stili di Grafico
- Implementare Grafici Finanziari
- Generare un Grafico 3D
Utilizzare i Dati Serie Temporali Finanziari in Python
- Esplorare le Nozioni di Base di pandas
- Implementare i Primi e Secondi Passaggi con la Classe DataFrame
- Ottenere Dati Finanziari dalla Rete
- Utilizzare Dati Finanziari da File CSV
- Implementare l'Analisi di Regressione
- Gestire i Dati ad Alta Frequenza
Implementare Operazioni di Input/Output
- Comprendere le Nozioni di Base dell'I/O con Python
- Utilizzare l'I/O con pandas
- Implementare un I/O Veloce con PyTables
Implementare Applicazioni a Prestazioni Critiche con Python
- Panoramica delle Librerie di Prestazione in Python
- Comprendere i Paradigmi Python
- Comprendere la Struttura della Memoria
- Implementare il Calcolo Parallelo
- Utilizzare il Modulo multiprocessing
- Utilizzare Numba per il Compilatore Dinamico
- Utilizzare Cython per il Compilatore Statico
- Utilizzare le GPU per la Generazione di Numeri Casuali
Utilizzare Strumenti e Tecniche Matematiche per la Finanza con Python
- Imparare Tecniche di Approssimazione
- Regressione
- Interpolazione
- Implementare l'Ottimizzazione Convegge
- Implementare Tecniche di Integrazione
- Applicare il Calcolo Simbolico
Stocastica con Python
- Generazione di Numeri Casuali
- Simulazione di Variabili Casuali e Processi Stocastici
- Implementare Calcoli di Valutazione
- Calcolo delle Misure del Rischio
Statistica con Python
- Implementare Test di Normalità
- Implementare l'Ottimizzazione del Portafoglio
- Eseguire Analisi delle Componenti Principali (PCA)
- Implementare la Regressione Bayesianica con PyMC3
Integrare Python con Excel
- Implementare l'Interazione di Base con i Fogli di Calcolo
- Utilizzare DataNitro per l'Integrazione Completa di Python e Excel
Programmazione Orientata agli Oggetti con Python
Costruire Interfacce Grafiche Utente con Python
Integrare Python con Tecnologie e Protocolli Web per la Finanza
- Protocolli Web
- Applicazioni Web
- Servizi Web
Comprendere e Implementare il Framework di Valutazione con Python
Simulare Modelli Finanziari con Python
- Generazione di Numeri Casuali
- Classe di Simulazione Generica
- Moto Browniano Geometrico
- La Classe di Simulazione
- Implementare un Caso d'Uso per il Moto Browniano Geometrico (GBM)
- Diffusione con Salto
- Diffusione Radice Quadrata
Implementare la Valutazione dei Derivati con Python
Implementare la Valutazione del Portafoglio con Python
Utilizzare Opzioni di Volatilità in Python
- Implementare la Raccolta di Dati
- Implementare il Calibro del Modello
- Implementare la Valutazione del Portafoglio
Migliori Pratiche nella Programmazione Python per la Finanza
Risoluzione dei Problemi
Riassunto e Conclusione
Osservazioni Finali
Requisiti
- Esperienza di programmazione di base
- Dimestichezza solida con la matematica per la finanza
Recensioni (5)
Il fatto di avere più esercizi pratici utilizzando dati più simili a quelli che utilizziamo nei nostri progetti (immagini satellitari in formato raster)
Matthieu - CS Group
Corso - Scaling Data Analysis with Python and Dask
Traduzione automatica
I thought the trainer was very knowledgeable and answered questions with confidence to clarify understanding.
Jenna - TCMT
Corso - Machine Learning with Python – 2 Days
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.
Corso - Developing APIs with Python and FastAPI
The explaination
Wei Yang Teo - Ministry of Defence, Singapore
Corso - Machine Learning with Python – 4 Days
Trainer develops training based on participant's pace