Python金融與量化投資分析應用

課程下載地址：https://pan.baidu.com/s/1siQZKt4ji4inW6sgadOwEg 提取碼：s4gs

近年來，金融領域的量化分析越來越受到理論界與實務界的重視，量化分析的技術也取得了較大的進展，成為備受關注的一個熱點領域。所謂金融量化，就是將金融分析理論與計算機編程技術相結合，更為有效的利用現代計算技術實現準確的金融資產定價以及交易機會的發現。量化分析目前已經涉及到金融領域的方方面面，包括基礎和衍生金融資產定價、風險管理、量化投資等。隨著大數據技術的發展，量化分析還逐步與大數據結合在一起，對海量金融數據實現有效和快速的運算與處理。

在量化金融的時代，選用一種合適的編程語言對于金融模型的實現是至關重要的。在這方面，Python語言體現出了不一般的優勢，特別是它擁有大量的金融計算庫，并且可以提供與C++，java等語言的接口以實現高效率的分析，成為金融領域快速開發和應用的一種關鍵語言，由于它是開源的，降低了金融計算的成本，而且還通過廣泛的社交網絡提供大量的應用實例，極大的縮短了金融量化分析的學習路徑。

一、概述
1、課程介紹與環境安裝
（1） 課程介紹
（2） 安裝課程環境
本章內容：課程介紹與演練環境安裝，為后續學習搭建環境

二、Python基礎
1、Python數據類型、結構與可視化
（1）Python基本數據類型與數據結構
（2）NumPy數據結構
（3）代碼向量化與內存布局
（4）數據可視化
（5）Pandas數據結構與金融數據
本章內容：學習Python基礎、基本數據類型和數據結構，如何從網絡或文件中獲取數據，數據的可視化。如何使用pandas讀取和處理金融數據

2、Python的輸入輸出與性能
（1）Python輸入輸出基本操作
（2）Python操作文件與數據庫
（3）Pandas的I/O
（4）PyTables實現I/O
本章內容：學習Python基礎、基本數據類型和數據結構，如何從網絡或文件中獲取數據，數據的可視化。如何使用pandas讀取和處理金融數據。

3、Python數學工具
（1）回歸與曲線插值
（2）凸優化算法
（3）積分
（4）符號計算
本章內容：學習Python中提供的數學計算相關工具，包括如何進行回歸與曲線插值、如何實現優化算法，如何計算數值積分，符號計算等。

4、Python統計與數據分析
（1）Python隨機抽樣與模擬
（2）風險測度與信用價值調整
（3）正態性檢驗
（4）投資組合優化
（5）主成分分析
本章內容：學習Python提供的描述統計工具與推斷統計工具，學習正態性檢驗，主成分分析等方法，初步了解隨機數與模擬，期權定價與風險測度的相關知識。

5、Python面向對象與Django
（1）Python面向對象程序設計基礎
（2）使用Python構建簡單的短期利率類和現金流序列類
（3）Django概述
（4）Django的Model層
（5）Django的View層
（6）Django的Template層
（7）使用Django構建簡單的投資組合業績分析系統
本章內容：學習Python面向對象的基礎知識，構造簡單的類實現。學習Django Web框架及其MTV結構，使用Django構建簡單的投資組合業績分析與歸因系統。

6、衍生品估值的基本理論
（1）市場環境的構建
（2）衍生品估值的基本原理
本章內容：衍生品估值的基本原理學習，使用Python構造衍生品平臺的市場環境類。

7、衍生品分析平臺的模擬模塊開發
（1）泛型模擬類（基類）的構建
（2）幾何布朗運動的模擬
（3）跳躍擴散過程的模擬
（4）平方根擴散過程的模擬
（5）均值回復擴散過程的模擬
（6）平方根跳躍過程的模擬
（7）波動率sabr模型的模擬
（8）隨機波動率的模擬
本章內容：學習各類衍生品分析隨機過程的模擬，包括幾何布朗運動，跳躍擴散過程，平方根擴散過程，均值回復擴散過程，波動率過程等。

8、衍生品分析平臺的估值和組合估值模塊開發
（1）泛型估值類（基類）的構建
（2）歐式期權估值類的構建
（3）美式期權估值類的構建
（4）衍生品投資組合持倉類的構建
（5）衍生品投資組合分析類
本章內容：學習衍生品分析平臺中對期權及其組合進行估值的方法和Python實現。

9、衍生品分析平臺的應用
（1）輔助函數的編寫
（2）單一風險因子衍生品建模
（3）多風險因子衍生品建模
（4）多風險衍生品資產組合建模
（5）大資產組合的平行估值
（6）資產組合風險報告
（7）隱含波動率與模型校準
（8）利率互換和隨機短期利率
本章內容：在前三部分介紹衍生品平臺基本理論、模擬模塊、估值模塊的基礎上，針對單標的、多標的和利率衍生品進行建模應用分析，并對隱含波動率與模型進行分析和校準。實現衍生品分析平臺的實務應用。

10、量化投資平臺概述
（1）量化投資平臺介紹
（2）回測與自動執行
（3）軟件安裝與環境部署
本章內容：介紹以Python為基礎的量化投資平臺，安裝配置軟件環境

11、量化投資平臺的數據處理
（1）金融數據存儲MySQL的基礎處理
（2）金融數據處理
本章內容：介紹MySQL數據庫與金融數據存儲，使用Python操作MySQL數據庫，介紹量化投資中金融數據平臺的基本類型和處理方法

12、量化投資平臺中金+C16:C17融數據建模方法
（1）統計機器學習基本方法（機器學習概述，監督學習，線性回歸，樹為基礎的方法，支持向量機，模型選擇與交叉驗證，非監督學習，聚類方法，自然語言處理）
（2）時間序列分析方法（序列相關、隨機漫步與白噪聲，自回歸移動平均模型，協整時間學列，狀態空間模型與Kalman濾波）
（3）貝葉斯分析方法（二項分布的貝葉斯模擬，馬爾科夫鏈蒙特卡洛，貝葉斯線性回歸，貝葉斯隨機波動率模型）
本章內容：介紹量化投資系統中金融數據建模方法，包括機器學習、時間序列，貝葉斯方法，為后續學習各類交易策略的實現奠定基礎。

13、業績評價與VaR風險管理
（1）介紹投資業績評價的基本方法
（2）介紹量化平臺中風險管理，特別是VaR的使用
本章內容：介紹量化投資平臺中業績評價與風險管理方法，包括資產組合分析，回撤指標，VaR風險管理指標等。

14、自動化交易平臺
（1）事件驅動的交易引擎實現
（2）資產組合策略概述
（3）ARIMA-GARCH股票指數交易策略
（4）以協整為基礎的配對交易策略
（5）Kalman濾波為基礎的配對交易策略
（6）日內交易預測的監督學習模型策略
（7）Sentiment分析的交易策略
（8）基于市場Regime判斷的交易策略
本章內容：使用Python（部分使用R語言）實現量化交易策略的分析與回測，介紹以事件驅動為基礎的交易引擎的基本實現，介紹常見策略的實現基礎與回測方法。把握量化投資平臺的構建與使用方法。