Schulungsübersicht

Einführung

Die Grundlagen von Python verstehen

Überblick über den Einsatz von Technologie und Python im Finanzwesen

Übersicht über Tools und Infrastruktur

    Python Bereitstellung mit Anaconda unter Verwendung der Python Quant-Plattform unter Verwendung von IPython unter Verwendung von Spyder

Erste Schritte mit einfachen Finanzbeispielen mit Python

    Berechnung impliziter Volatilitäten, Implementierung der Monte-Carlo-Simulation unter Verwendung von Pure Python, Verwendung von Vektorisierung mit Numpy, Verwendung von vollständiger Vektorisierung mit Log-Euler-Schema und Verwendung von grafischer Analyse
Verwendung technischer Analysen
  • Datentypen und -strukturen verstehen in Python
  • Erlernen der grundlegenden Datentypen Erlernen der grundlegenden Datenstrukturen mithilfe von NumPy-Datenstrukturen, die die Code-Vektorisierung implementieren

      Implementierung der Datenvisualisierung in Python

    Implementieren von zweidimensionalen Diagrammen unter Verwendung anderer Diagrammstile. Implementieren von Finance Diagrammen. Generieren eines 3D-Diagramms

      Verwendung von Finanzzeitreihendaten in Python

    Erkunden der Grundlagen von Pandas, Implementieren des ersten und zweiten Schritts mit der DataFrame-Klasse, Abrufen von Finanzdaten aus dem Web, Verwenden von Finanzdaten aus CSV-Dateien, Implementieren einer Regressionsanalyse, Umgang mit Hochfrequenzdaten

      Implementierung von Eingabe-/Ausgabeoperationen

    Die Grundlagen von I/O verstehen mit Python I/O mit Pandas verwenden Schnelles I/O mit PyTables implementieren

      Implementierung leistungskritischer Anwendungen mit Python

    Übersicht über Leistungsbibliotheken in Python Verstehen von Python Paradigmen Verstehen des Speicherlayouts Implementieren paralleler Berechnungen Verwenden des Multiprocessing-Moduls Verwenden von Numba für dynamisches Kompilieren Verwenden von Cython für statisches Kompilieren Verwenden von GPUs für die Zufallszahlengenerierung

      Verwendung mathematischer Werkzeuge und Techniken für das Finanzwesen mit Python

    Erlernen von Approximationstechniken, Regressionsinterpolation

      Implementierung der konvexen Optimierung
    Implementierung von Integrationstechniken
  • Anwenden symbolischer Berechnungen
  • Stochastik mit Python
  • Generierung von Zufallszahlen, Simulation von Zufallsvariablen und stochastischen Prozessen, Implementierung von Bewertungsrechnungen, Berechnung von Risikomaßen
  • Statistics mit Python

      Implementierung von Normalitätstests, Implementierung von Portfoliooptimierung, Durchführung von Hauptkomponentenanalysen (PCA), Implementierung von Bayes'scher Regression mit PyMC3

    Integration Python mit Excel

      Implementierung der grundlegenden Tabellenkalkulationsinteraktion mit DataNitro für die vollständige Integration von Python und Excel

    Objektorientierte Programmierung mit Python

      Erstellen grafischer Benutzeroberflächen mit Python

    Integration Python mit Webtechnologien und Protokollen für das Finanzwesen

    Webprotokolle Webanwendungen Web Services

    Verstehen und Implementieren des Bewertungsrahmens mit Python

      Simulation von Finanzmodellen mit Python

    Generische Simulationsklasse zur Generierung von Zufallszahlen. Geometrische Brownsche Bewegung. Die Simulationsklasse, die a Use Case für GBM implementiert

    Sprungdiffusion

      Quadratwurzeldiffusion
    Implementierung der Derivatebewertung mit Python
  • Portfoliobewertung umsetzen mit Python
  • Verwendung von Volatilitätsoptionen in Python
  • Implementierung der Datenerfassung, Implementierung der Modellkalibrierung, Implementierung der Portfoliobewertung

    Best Practices in Python Programmierung für den Finanzbereich

    Fehlerbehebung

      Zusammenfassung und Schlussfolgerung

    Schlußbemerkungen

    Voraussetzungen

    • Grundlegende Programmiererfahrung
    • Solide Kenntnisse der Finanzmathematik
      35 Stunden

    Teilnehmerzahl



    Preis je Teilnehmer

    Erfahrungsberichte (4)

    Kombinierte Kurse

    Verwandte Kategorien