Python金融与量化投资分析应用
课程学习地址:http://www.xuetuwuyou.com/course/413
课程出自学途无忧网:http://www.xuetuwuyou.com/

一、概述
1、课程介绍与环境安装
(1) 课程介绍
(2) 安装课程环境
本章内容:课程介绍与演练环境安装,为后续学习搭建环境


二、Python基础
1、Python数据类型、结构与可视化
(1)Python基本数据类型与数据结构
(2)NumPy数据结构
(3)代码向量化与内存布局
(4)数据可视化
(5)Pandas数据结构与金融数据
本章内容:学习Python基础、基本数据类型和数据结构,如何从网络或文件中获取数据,数据的可视化。如何使用pandas读取和处理金融数据

2、Python的输入输出与性能
(1)Python输入输出基本操作
(2)Python操作文件与数据库
(3)Pandas的I/O
(4)PyTables实现I/O
本章内容:学习Python基础、基本数据类型和数据结构,如何从网络或文件中获取数据,数据的可视化。如何使用pandas读取和处理金融数据。

3、Python数学工具
(1)回归与曲线插值
(2)凸优化算法
(3)积分
(4)符号计算
本章内容:学习Python中提供的数学计算相关工具,包括如何进行回归与曲线插值、如何实现优化算法,如何计算数值积分,符号计算等。

4、Python统计与数据分析
(1)Python随机抽样与模拟
(2)风险测度与信用价值调整
(3)正态性检验
(4)投资组合优化
(5)主成分分析
本章内容:学习Python提供的描述统计工具与推断统计工具,学习正态性检验,主成分分析等方法,初步了解随机数与模拟,期权定价与风险测度的相关知识。

5、Python面向对象与Django
(1)Python面向对象程序设计基础
(2)使用Python构建简单的短期利率类和现金流序列类
(3)Django概述
(4)Django的Model层
(5)Django的View层
(6)Django的Template层
(7)使用Django构建简单的投资组合业绩分析系统
本章内容:学习Python面向对象的基础知识,构造简单的类实现。学习Django Web框架及其MTV结构,使用Django构建简单的投资组合业绩分析与归因系统。

6、衍生品估值的基本理论
(1)市场环境的构建
(2)衍生品估值的基本原理
本章内容:衍生品估值的基本原理学习,使用Python构造衍生品平台的市场环境类。

7、衍生品分析平台的模拟模块开发
(1)泛型模拟类(基类)的构建
(2)几何布朗运动的模拟
(3)跳跃扩散过程的模拟
(4)平方根扩散过程的模拟
(5)均值回复扩散过程的模拟
(6)平方根跳跃过程的模拟
(7)波动率sabr模型的模拟
(8)随机波动率的模拟
本章内容:学习各类衍生品分析随机过程的模拟,包括几何布朗运动,跳跃扩散过程,平方根扩散过程,均值回复扩散过程,波动率过程等。

8、衍生品分析平台的估值和组合估值模块开发
(1)泛型估值类(基类)的构建
(2)欧式期权估值类的构建
(3)美式期权估值类的构建
(4)衍生品投资组合持仓类的构建
(5)衍生品投资组合分析类
本章内容:学习衍生品分析平台中对期权及其组合进行估值的方法和Python实现。

9、衍生品分析平台的应用
(1)辅助函数的编写
(2)单一风险因子衍生品建模
(3)多风险因子衍生品建模
(4)多风险衍生品资产组合建模
(5)大资产组合的平行估值
(6)资产组合风险报告
(7)隐含波动率与模型校准
(8)利率互换和随机短期利率
本章内容:在前三部分介绍衍生品平台基本理论、模拟模块、估值模块的基础上,针对单标的、多标的和利率衍生品进行建模应用分析,并对隐含波动率与模型进行分析和校准。实现衍生品分析平台的实务应用。

10、量化投资平台概述
(1)量化投资平台介绍
(2)回测与自动执行
(3)软件安装与环境部署
本章内容:介绍以Python为基础的量化投资平台,安装配置软件环境

11、量化投资平台的数据处理
(1)金融数据存储MySQL的基础处理
(2)金融数据处理
本章内容:介绍MySQL数据库与金融数据存储,使用Python操作MySQL数据库,介绍量化投资中金融数据平台的基本类型和处理方法

12、量化投资平台中金+C16:C17融数据建模方法
(1)统计机器学习基本方法(机器学习概述,监督学习,线性回归,树为基础的方法,支持向量机,模型选择与交叉验证,非监督学习,聚类方法,自然语言处理)
(2)时间序列分析方法(序列相关、随机漫步与白噪声,自回归移动平均模型,协整时间学列,状态空间模型与Kalman滤波)
(3)贝叶斯分析方法(二项分布的贝叶斯模拟,马尔科夫链蒙特卡洛,贝叶斯线性回归,贝叶斯随机波动率模型)
本章内容:介绍量化投资系统中金融数据建模方法,包括机器学习、时间序列,贝叶斯方法,为后续学习各类交易策略的实现奠定基础。

13、业绩评价与VaR风险管理
(1)介绍投资业绩评价的基本方法
(2)介绍量化平台中风险管理,特别是VaR的使用
本章内容:介绍量化投资平台中业绩评价与风险管理方法,包括资产组合分析,回撤指标,VaR风险管理指标等。

14、自动化交易平台
(1)事件驱动的交易引擎实现
(2)资产组合策略概述
(3)ARIMA-GARCH股票指数交易策略
(4)以协整为基础的配对交易策略
(5)Kalman滤波为基础的配对交易策略
(6)日内交易预测的监督学习模型策略
(7)Sentiment分析的交易策略
(8)基于市场Regime判断的交易策略
本章内容:使用Python(部分使用R语言)实现量化交易策略的分析与回测,介绍以事件驱动为基础的交易引擎的基本实现,介绍常见策略的实现基础与回测方法。把握量化投资平台的构建与使用方法。