Programa do Curso

Introdução

Compreendendo os fundamentos de Python

Visão geral do uso de tecnologia e Python em finanças

Visão geral de ferramentas e infraestrutura

    Python Implantação usando Anaconda usando a Python Plataforma Quant usando IPython Usando Spyder

Primeiros passos com exemplos financeiros simples com Python

    Calculando volatilidades implícitas Implementando a simulação de Monte Carlo usando Pure Python Usando vetorização com Numpy Usando vetorização completa com esquema Log Euler usando análise gráfica
Usando análise técnica
  • Compreendendo tipos e estruturas de dados em Python
  • Aprendendo os tipos de dados básicos Aprendendo as estruturas de dados básicas usando estruturas de dados NumPy Implementando vetorização de código

      Implementando visualização de dados em Python

    Implementando gráficos bidimensionais usando outros estilos de gráfico Implementando Finance gráficos Gerando um gráfico 3D

      Usando dados de séries temporais financeiras em Python

    Explorando os fundamentos do pandas Implementando a primeira e a segunda etapas com a classe DataFrame Obtendo dados financeiros da Web Usando dados financeiros de arquivos CSV Implementando análise de regressão Lidando com dados de alta frequência

      Implementando operações de entrada/saída

    Compreendendo os fundamentos de E/S com Python Usando E/S com pandas Implementando E/S rápida com PyTables

      Implementando aplicativos de desempenho crítico com Python

    Visão geral das bibliotecas de desempenho em Python Compreensão Python Paradigmas Compreendendo o layout da memória Implementando computação paralela usando o módulo de multiprocessamento Usando Numba para compilação dinâmica Usando Cython para compilação estática Usando GPUs para geração de números aleatórios

      Usando ferramentas e técnicas matemáticas para finanças com Python

    Aprendendo Técnicas de Aproximação Interpolação de Regressão

      Implementando Otimização Convexa
    Implementando Técnicas de Integração
  • Aplicando Computação Simbólica
  • Estocástica com Python
  • Geração de Números Aleatórios Simulação de Variáveis Aleatórias e de Processos Estocásticos Implementação de Cálculos de Avaliação Cálculo de Medidas de Risco
  • Statistics com Python

      Implementando testes de normalidade Implementando otimização de portfólio Realizando análise de componentes principais (PCA) Implementando regressão bayesiana usando PyMC3

    Integrando Python com Excel

      Implementando interação básica com planilhas usando DataNitro para integração total de Python e Excel

    Programação Orientada a Objetos com Python

      Construindo interfaces gráficas de usuário com Python

    Integração Python com tecnologias e protocolos da Web para finanças

    Aplicativos da Web de protocolos da Web Web Services

    Compreendendo e implementando a estrutura de avaliação com Python

      Simulando Modelos Financeiros com Python

    Classe de simulação genérica de geração de números aleatórios Movimento browniano geométrico A classe de simulação Implementando um Use Case para GBM

    Difusão de Salto

      Difusão de raiz quadrada
    Implementando avaliação de derivativos com Python
  • Implementando avaliação de portfólio com Python
  • Usando opções de volatilidade em Python
  • Implementando Coleta de Dados Implementando Calibração de Modelo Implementando Avaliação de Portfólio

    Melhores práticas em Python Programação para finanças

    Solução de problemas

      Resumo e conclusão

    Observações finais

    Requisitos

    • Experiência básica de programação
    • Uma sólida compreensão da matemática para finanças
      35 horas
     

    Declaração de Clientes (4)

    Cursos Relacionados

    Categorias Relacionadas