大資料項目實戰之Python金融應用編程(資料分析、定價與量化投資)

標籤：python金融

大資料項目實戰之Python金融應用編程(資料分析、定價與量化投資)

分享網盤地址：https://pan.baidu.com/s/1bpyGttl 密碼: bt56

內容簡介
本教程介紹使用Python進行資料分析和金融應用開發的基礎知識。

課程從介紹簡單的金融應用開始，帶領學員回顧Python的基礎知識，並逐步學習如何將Python應用到金融分析編程中。

課程覆蓋了Python的基本資料結構、輸入輸出、效率分析、數學庫、隨機分析庫、統計分析庫等。接著課程以專題的形式介紹了Python與Excel的結合，學習如何使用Python的相關庫產生Excel可調用的函數；Python與Hadoop和MongoDB結合進行大資料分析的基礎知識。

最後課程介紹了Python的物件導向編程並介紹了兩個案例：使用Python實現金融衍生品分析庫以及使用Python實現事件驅動的量化投資系統，使學員在實戰的環境下理解Python在金融應用開發中的具體應用方式，訓練學員獨立開發Python模組的能力。

課程大綱——

第一講、Python與金融應用概述
本講主要介紹Python的基本特性，安裝本課程所需要的Python環境，概述Python在金融資料分析中應用領域。本講將使用一個簡單的趨勢投資的例子，講解為什麼使用Python進行金融資料分析和量化投資是非常方便的。
 
第二講、Python的基礎資料型別 (Elementary Data Type)與資料結構
本講介紹Python的基礎資料型別 (Elementary Data Type)與資料結構，包括基礎Python和NumPy庫提供的資料結構。
1、基礎資料型別 (Elementary Data Type)（整型、浮點型、字元型）
2、基本資料結構（元組、控制結構、函數編程、列表、字典、集合）
3、NumPy資料結構（使用Python列表實現的數組、常規NumPy數組、結構數組、記憶體配置）
 
第三講、Python資料視覺效果
本講介紹Python的matplotlib庫提供的資料視覺效果技術，雖然Python還有很多其他的資料視覺效果方式，但是matplotlib提供了一種基準實現方式。
1、二維繪圖（一維資料集、二維資料集，其他繪圖模式，金融繪圖）
2、3D繪圖
 
第四講、金融時間序列分析
在金融分析中常見的一種資料類型是金融時間序列資料，本章主要介紹Python的Pandas庫對金融時間序列類型資料結構的實現——DataFrame和Series，以及如何運用這些工具進行基本的金融時間序列分析
1、Pandas基礎（DataFrame類，基本分析技術，Series類，GroupBy操作）
2、金融資料
3、資料迴歸分析
4、高頻金融資料
 
第五講、輸入輸出操作
本講介紹Python提供的基本輸入輸出操作，以及如何在金融資料分析與投資中有效進行使用。
1、Python的基本I/O操作（將對象寫入硬碟，讀寫文字檔、SQL資料庫、讀寫NumPy數組）
2、使用Pandas的i/O操作（基本操作，SQL資料庫，CSV檔案、EXCEL檔案）
3、使用PyTables進行快速I/O (使用Table，使用壓縮的Table，數組操作，記憶體外運算)
 
第六講、提升Python效率
本講介紹Python中提供的提升計算效率的一些工具以及它們在金融資料分析與投資中的基本應用。
1、Python運行效率分析
記憶體配置與運行效率
2、並行計算（Monte Carlo演算法、串列計算、並行計算）
3、動態編譯（介紹例子、二叉樹期權定價）
4、使用Cython靜態編譯
5、基於GPU產生隨機數
 
第七講、數學工具
本講介紹Python提供的用於金融資料分析的數學方法與工具及其背景知識與應用方式。
1、近似（迴歸、插值）
2、凸最佳化（全域最佳化、局部最佳化、約束最佳化）
3、積分（數值積分、類比積分）
4、符號計算（基礎、方程、積分、微分）
 
第八講、隨機分析
對不確定性刻畫與研究是金融研究與分析的重要方面，本講介紹隨機分析的一些知識，在金融資料分析與投資中的應用與Python實現。
1、隨機數
2、類比（隨機變數、隨機過程）
3、方差縮小技術
4、估值（歐式期權、美式期權）
5、風險測度指標（在險價值、信用風險）
 
第九講、統計分析
統計分析是金融資料分析的核心，本講介紹常用的統計分析方法、金融應用及其Python實現。
1、正態性檢驗
2、資產組合最佳化
3、主成分分析應用
4、貝葉斯迴歸分析
 
第十講、數值分析技術
對於一些非線性、沒有顯式解的金融和資料分析問題，需要使用數值分析的技術，本講介紹這些技術的基礎及應用，以及Python的實現。
1、求解線性方程（LU分解、Cholesky分解、QR分解、Jacobi方法、Gauss-Seidel方法）
2、金融中的非線性模型（隱含波動率、Markov regime-switching模型、門限自迴歸模型、平穩轉換模型）
3、求根方法
 
第十一講、使用Python操作Excel
微軟的Excel是常用的辦公軟體，是資料分析和應用的重要支撐。Python提供了豐富的與Excel互動的介面，本講介紹這些介面並舉例。
1、基本的試算表互動
2、Python中的Excel指令碼
 
第十二講、Python物件導向編程與圖形化使用者介面
本講介紹Python物件導向編程技術，這是後續章節，特別是量化投資一章的基礎，除此之外，本講還介紹了Python圖形化使用者介面編程的基本方法。
1、物件導向
2、圖形化使用者介面
 
第十三講、金融中的大資料技術概述
本講介紹大資料技術在金融中的應用以及使用Python的基本實現。
1、Hadoop概述
2、使用Hadoop實現字元統計
3、Hadoop金融應用舉例
4、NoSQL介紹
 
第十四講、案例1：使用Python構建期權分析系統
本案例使用之前各講介紹的Python金融應用相關知識，構建相對完整的期權分析系統，協助學員掌握金融系統開發的要點以及Python整合應用的方式，與之前介紹相比，在案例分析中更多的使用物件導向方法。
1、估值架構（資本資產定價原理，風險中性定價，市場環境等介紹）
2、金融模型的類比（隨機數產生模組，泛型類比類，幾何布朗運動，帶跳躍的擴散過程類比模組，平方根擴散過程類比模組）
3、衍生品估值模組（泛型估值類、歐式執行類、美式執行類）
4、衍生品分析庫應用——波動率期權定價
 
第十五講、案例2：使用Python構建簡單的演算法交易系統
演算法與程式化交易是大資料時代電腦技術在金融領域應用的最重要方面之一。本講介紹這方面的Python實現，包括基本交易、交易策略與回測等。
1、演算法交易概述與架構
2、實現事件驅動交易引擎（事件驅動軟體，事件類別，資料處理類，策略類，投資組合類別，執行處理類和回測類的基本編製，事件驅動執行）
3、交易策略實現（移動平均跨越策略，S&P500預測交易策略，均值迴歸股票配對交易策略）
4、策略最佳化（參數最佳化，模型選擇，最佳化策略）
 

大資料項目實戰之Python金融應用編程(資料分析、定價與量化投資)