Schulungsübersicht
Einführung
Verstehen der Grundlagen von Python
Überblick über den Einsatz von Technologie und Python in Finance
Überblick über Tools und Infrastruktur
- Python Einsatz mit Anaconda
- Verwendung der Python Quant-Plattform
- Verwendung von Python
- Verwendung von Spyder
Erste Schritte mit einfachen Finanzbeispielen mit Python
- Berechnung der impliziten Volatilitäten
- Implementierung der Monte-Carlo-Simulation
- Verwendung von reinem Python
- Verwendung der Vektorisierung mit Numpy
- Vollständige Vektorisierung mit dem Log-Euler-Schema verwenden
- Verwendung der grafischen Analyse
- Technische Analyse verwenden
Verstehen von Datentypen und Strukturen in Python
- Erlernen der grundlegenden Datentypen
- Erlernen der grundlegenden Datenstrukturen
- NumPy-Datenstrukturen verwenden
- Implementieren von Code-Vektorisierung
Implementieren von Data Visualization in Python
- Implementierung von zweidimensionalen Plots
- Andere Plotstile verwenden
- Implementieren von Finance-Plots
- Erzeugen einer 3D-Darstellung
Verwendung von Finanzzeitreihendaten in Python
- Erforschen der Grundlagen von pandas
- Implementieren der ersten und zweiten Schritte mit der DataFrame-Klasse
- Abrufen von Finanzdaten aus dem Web
- Verwendung von Finanzdaten aus CSV-Dateien
- Implementierung der Regressionsanalyse
- Umgang mit hochfrequenten Daten
Implementieren von Eingabe-/Ausgabeoperationen
- Verstehen der Grundlagen von I/O mit Python
- Verwendung von I/O mit Pandas
- Schnelle E/A mit PyTables implementieren
Implementieren von Performance-kritischen Anwendungen mit Python
- Überblick über Performance-Bibliotheken in Python
- Verstehen von Python Paradigmen
- Verstehen des Speicherlayouts
- Paralleles Rechnen implementieren
- Verwendung des Multiprocessing-Moduls
- Verwendung von Numba für die dynamische Kompilierung
- Verwendung von Cython für statische Kompilierung
- Verwendung von GPUs für die Zufallszahlengenerierung
Verwendung von Mathematical Tools und Techniken für Finance mit Python
- Lernen von Approximationstechniken
- Regression
- Interpolation
- Implementierung der konvexen Optimierung
- Implementierung von Integrationstechniken
- Anwendung von symbolischen Berechnungen
Stochastik mit Python
- Erzeugung von Zufallszahlen
- Simulation von Zufallsvariablen und von stochastischen Prozessen
- Implementierung von Bewertungsberechnungen
- Berechnung von Risikomaßen
Statistics mit Python
- Implementierung von Normalitätstests
- Implementierung von Portfolio-Optimierung
- Durchführung der Hauptkomponentenanalyse (PCA)
- Implementierung von Bayes'scher Regression mit PyMC3
Integrieren von Python mit Excel
- Implementierung grundlegender Tabellenkalkulationsinteraktion
- Verwendung von DataNitro zur vollständigen Integration von Python und Excel
Object-Oriented Programming mit Python
Erstellung grafischer Benutzeroberflächen mit Python
Integration von Python mit Webtechnologien und Protokollen für Finance
- Web-Protokolle
- Web-Anwendungen
- Web Services
Verstehen und Implementieren des Valuation Framework mit Python
Simulieren von Finanzmodellen mit Python
- Zufallszahlengenerierung
- Generische Simulationsklasse
- Geometrische Brownsche Bewegung
- Die Simulationsklasse
- Implementieren einer Use Case für GBM
- Sprung-Diffusion
- Quadratwurzel-Diffusion
Implementierung der Bewertung von Derivaten mit Python
Implementierung der Portfoliobewertung mit Python
Verwendung von Volatilitätsoptionen in Python
- Implementierung der Datenerfassung
- Implementierung der Modellkalibrierung
- Implementierung der Portfoliobewertung
Bewährte Praktiken in Python Programming für Finance
Fehlersuche
Zusammenfassung und Schlussfolgerung
Schlussbemerkungen
Voraussetzungen
- Grundlegende Programmiererfahrung
- Solide Kenntnisse der Finanzmathematik