Plan du cours

Introduction

Comprendre les principes fondamentaux de Python

Aperçu de l'utilisation de la technologie et de Python en finance

Présentation des outils et de l'infrastructure

    Python Déploiement à l'aide d'Anaconda à l'aide de la Python Plateforme Quant à l'aide de IPython À l'aide de Spyder

Premiers pas avec des exemples financiers simples avec Python

    Calcul des volatilités implicites Implémentation de la simulation de Monte Carlo à l'aide de Pure Python Utilisation de la vectorisation avec Numpy Utilisation de la vectorisation complète avec le schéma Log Euler Utilisation de l'analyse graphique
Utiliser l'analyse technique
  • Comprendre les types et les structures de données dans Python
  • Apprentissage des types de données de base Apprentissage des structures de données de base à l'aide des structures de données NumPy Implémentation de la vectorisation du code

      Implémentation de la visualisation des données dans Python

    Implémentation de tracés bidimensionnels à l'aide d'autres styles de tracé Implémentation de tracés Finance Génération d'un tracé 3D

      Utilisation des données de séries temporelles financières dans Python

    Explorer les bases des pandas Implémentation des première et deuxième étapes avec la classe DataFrame Obtention de données financières à partir du Web Utilisation de données financières à partir de fichiers CSV Implémentation d'une analyse de régression Gérer des données à haute fréquence

      Implémentation d'opérations d'entrée/sortie

    Comprendre les bases des E/S avec Python Utiliser les E/S avec des pandas Implémenter les E/S rapides avec PyTables

      Implémentation d'applications critiques en termes de performances avec Python

    Présentation des bibliothèques de performances dans Python Comprendre les paradigmes Python Comprendre la disposition de la mémoire Implémenter le calcul parallèle Utiliser le module multitraitement Utiliser Numba pour la compilation dynamique Utiliser Cython pour la compilation statique Utiliser des GPU pour la génération de nombres aléatoires

      Utiliser des outils et techniques mathématiques pour la finance avec Python

    Apprentissage Techniques d’approximation Interpolation de régression

      Implémentation de l'optimisation convexe
    Implémentation de techniques d'intégration
  • Application du calcul symbolique
  • Stochastique avec Python
  • Génération de nombres aléatoires Simulation de variables aléatoires et de processus stochastiques Mise en œuvre de calculs de valorisation Calcul de mesures de risque
  • Statistics avec Python

      Implémentation de tests de normalité Implémentation de l'optimisation de portefeuille Réalisation d'une analyse en composantes principales (ACP) Implémentation de la régression bayésienne à l'aide de PyMC3

    Intégration de Python avec Excel

      Implémentation d'une interaction de base avec une feuille de calcul à l'aide de DataNitro pour une intégration complète de Python et Excel

    Programmation orientée objet avec Python

      Création d'interfaces utilisateur graphiques avec Python

    Intégration Python avec les technologies Web et les protocoles pour la finance

    Applications Web de protocoles Web Web Services

    Comprendre et mettre en œuvre le cadre de valorisation avec Python

      Simulation de modèles financiers avec Python

    Génération de nombres aléatoires Classe de simulation générique Mouvement brownien géométrique La classe de simulation implémentant un Use Case pour GBM

    Diffusion par saut

      Diffusion à racine carrée
    Implémentation de la valorisation des dérivés avec Python
  • Mise en œuvre de la valorisation du portefeuille avec Python
  • Utilisation des options de volatilité dans Python
  • Mise en œuvre de la collecte de données Mise en œuvre du calibrage du modèle Mise en œuvre de l’évaluation du portefeuille

    Meilleures pratiques dans Python Programmation pour la finance

    Dépannage

      Sommaire et conclusion

    Mot de clôture

    Pré requis

    • Expérience de la programmation de base
      35 heures

    Nombre de participants


    Début

    Fin


    Dates are subject to availability and take place between 09:30 and 16:30.

    Prix par participant

    Nos Clients témoignent (4)

    Cours Similaires

    Catégories Similaires