本次课是整套 Python 第二阶段的课。我把整套知识体系分成四个模块:
Python 数据分析:这次的课程,NumPy, Pandas, SciPy
Python 数据可视化:Matplotlib, Seaborn, PyEcharts
Python 机器学习:Scikit Learn, Keras
上面提到的四个模块见下图:
课程内容
本次课程一共 16 节,每节 90 分钟:
2 节讲用于数组计算的 NumPy
2 节讲用于数据分析的 Pandas
2 节讲用于科学计算的 SciPy
10 节讲金融案例 (如何用 NumPy, Pandas, SciPy 来解决实际问题)
-
2 节数据分析
-
用 split-apply-combine 分析房产数据
从 Tick 到 Bar 采样高频数据
2 节热门课题 - 追两大热点
-
LIBOR 被 SOFR 取代 (曲线构建)
负利率负油价 (模型转换)
2 节产品定价 - 定价奇异衍生品
-
投行产品百慕大期权 (蒙特卡洛模拟)
私募产品 Autocallable/KIKO (偏微分方程有限差分)
2 节风险管理
-
私人银行中外汇交易组合保证金制定框架 (Greeks/VaR)
商业银行中信用组合的经济资本计量 (默顿模型)
2 节量化投资
-
构建完整的量化交易框架 (个人投资)
风险平价 + Crash CAPM (资产配置)
课表如下:
教课理念
抛开那 10 节金融案例课,有个人可能会问 NumPy-Pandas-SciPy 不都是免费资源吗,为什么还要花钱来上课?没错,我也是参考了大量书籍、优质博客和付费课程中汲取众多精华,才打磨出来的前六节课。
我先来谈谈我的学习思路和教课理念,看是不是符合你的胃口:
WHY:为什么会有三者?
每一个工具包的创建必是解决痛点。
WHAT:三者是什么?
NumPy 和 Pandas 是数据结构
SciPy 是基于 NumPy 添加的功能。
HOW