Struttura del corso
Introduzione
Comprendere i fondamenti di Python
Panoramica sull'uso della tecnologia e Python in Finance
Panoramica degli strumenti e dell'infrastruttura
- Python Distribuzione utilizzando Anaconda
- Utilizzo della piattaforma Quant Python
- Utilizzando IPython
- Utilizzo di Spyder
Guida introduttiva a semplici esempi finanziari con Python
- Calcolo delle volatilità implicite
- Implementazione della simulazione Monte Carlo
- Utilizzo di Pure Python
- Utilizzo della vettorializzazione con Numpy
- Utilizzo della vettorializzazione completa con lo schema Log Eulero
- Utilizzo dell'analisi grafica
- Utilizzo dell'analisi tecnica
Comprensione dei tipi di dati e delle strutture in Python
- Apprendimento dei tipi di dati di base
- Apprendimento delle strutture dati di base
- Utilizzo delle strutture dati NumPy
- Implementazione della vettorizzazione del codice
Attuazione di Data Visualization in Python
- Implementazione di grafici bidimensionali
- Utilizzo di altri stili di stampa
- Implementazione di Finance Grafici
- Generazione di un grafico 3D
Utilizzo dei dati delle serie temporali finanziarie in Python
- Esplorando le basi dei panda
- Implementazione del primo e del secondo passaggio con la classe DataFrame
- Recupero di dati finanziari dal Web
- Utilizzo dei dati finanziari da file CSV
- Implementazione dell'analisi di regressione
- Gestione dei dati ad alta frequenza
Implementazione delle operazioni di input/output
- Nozioni di base sull'I/O con Python
- Utilizzo dell'I/O con i panda
- Implementazione di Fast I/O con PyTables
Implementazione di applicazioni critiche per le prestazioni con Python
- Panoramica delle librerie di prestazioni in Python
- Comprendere Python i paradigmi
- Informazioni sul layout della memoria
- Implementazione del calcolo parallelo
- Utilizzo del modulo multiprocessing
- Utilizzo di Numba per la compilazione dinamica
- Utilizzo di Cython per la compilazione statica
- Utilizzo di GPU per la generazione di numeri casuali
Utilizzo di Mathematical Strumenti e tecniche per Finance con Python
- Apprendimento delle tecniche di approssimazione
- Regressione
- Interpolazione
- Implementazione dell'ottimizzazione convessa
- Implementazione delle tecniche di integrazione
- Applicazione del calcolo simbolico
Stocastico con Python
- Generazione di numeri casuali
- Simulazione di variabili aleatorie e di processi stocastici
- Implementazione dei calcoli di valutazione
- Calcolo delle misure di rischio
Statistics con Python
- Implementazione dei test di normalità
- Implementazione dell'ottimizzazione del portafoglio
- Esecuzione dell'analisi delle componenti principali (PCA)
- Implementazione della regressione bayesiana con PyMC3
Integrazione di Python con Excel
- Implementazione dell'interazione di base con il foglio di calcolo
- Utilizzo di DataNitro per l'integrazione completa di Python e Excel
Object-Oriented Programming con Python
Creazione di interfacce utente grafiche con Python
Integrazione di Python con tecnologie e protocolli Web per Finance
- Protocolli Web
- Applicazioni Web
- Web Services
Comprensione e implementazione del quadro di valutazione con Python
Simulazione di modelli finanziari con Python
- Generazione di numeri casuali
- Classe di simulazione generica
- Moto browniano geometrico
- La classe di simulazione
- Implementazione di un Use Case per GBM
- Diffusione a salto
- Diffusione a radice quadrata
Implementazione della valutazione dei derivati con Python
Implementazione della valutazione del portafoglio con Python
Utilizzo delle opzioni di volatilità in Python
- Implementazione della raccolta dei dati
- Implementazione della calibrazione del modello
- Implementazione della valutazione del portafoglio
Best practice in Python Programming per Finance
Risoluzione dei problemi
Riassunto e conclusione
Osservazioni conclusive
Requisiti
- Esperienza di programmazione di base
- Una solida conoscenza della 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
Gli esercizi erano belli
Vyshnavi Iyappan - Red Embedded Consulting Sp. z o.o.
Corso - Unit Testing with Python
Traduzione automatica
The explaination