?

近年來，金融領(lǐng)域的量化分析越來越受到理論界與實務(wù)界的重視，量化分析的技術(shù)也取得了較大的進展，成為備受關(guān)注的一個熱點領(lǐng)域。所謂金融量化，就是將金融分析理論與計算機編程技術(shù)相結(jié)合，更為有效的利用現(xiàn)代計算技術(shù)實現(xiàn)準(zhǔn)確的金融資產(chǎn)定價以及交易機會的發(fā)現(xiàn)。量化分析目前已經(jīng)涉及到金融領(lǐng)域的方方面面，包括基礎(chǔ)和衍生金融資產(chǎn)定價、風(fēng)險管理、量化投資等。隨著大數(shù)據(jù)技術(shù)的發(fā)展，量化分析還逐步與大數(shù)據(jù)結(jié)合在一起，對海量金融數(shù)據(jù)實現(xiàn)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(xiàn)是至關(guān)重要的。在這方面，Python語言體現(xiàn)出了不一般的優(yōu)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(xiàn)高效率的分析，成為金融領(lǐng)域快速開發(fā)和應(yīng)用的一種關(guān)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(wǎng)絡(luò)提供大量的應(yīng)用實例，極大的縮短了金融量化分析的學(xué)習(xí)路徑。

?

本課程在量化分析與Python語言快速發(fā)展的背景下介紹二者之間的關(guān)聯(lián)，使學(xué)員能夠快速掌握如何利用Python語言進行金融數(shù)據(jù)量化分析的基本方法。

?

?

1.課程研發(fā)環(huán)境

項目使用Python 2.7環(huán)境，因為Python所包含的用于數(shù)據(jù)分析和金融應(yīng)用的相關(guān)庫眾多，所以在課程與項目中使用Anoconda

集成環(huán)境。

開發(fā)工具:Spyder，IPython，Cloudera（Hadoop應(yīng)用平臺）

數(shù)據(jù)庫工具:SQLite（Anaconda內(nèi)置），MongoDB（大數(shù)據(jù)應(yīng)用一章使用）,DTN IQFEED（試用賬號，用于量化交易中高頻

數(shù)據(jù)的下載）

所有使用的開發(fā)工具與環(huán)境、庫等都是開源的，可以免費從互聯(lián)網(wǎng)獲取和下載。

?

2.內(nèi)容簡介

本教程介紹使用Python進行數(shù)據(jù)分析和金融應(yīng)用開發(fā)的基礎(chǔ)知識。課程從介紹簡單的金融應(yīng)用開始，帶領(lǐng)學(xué)員回顧Python的基礎(chǔ)知識，并逐步學(xué)習(xí)如何將Python應(yīng)用到金融分析編程中。課程覆蓋了Python的基本數(shù)據(jù)結(jié)構(gòu)、輸入輸出、效率分析、數(shù)學(xué)庫、隨機分析庫、統(tǒng)計分析庫等。接著課程以專題的形式介紹了Python與Excel的結(jié)合，學(xué)習(xí)如何使用Python的相關(guān)庫生成Excel可調(diào)用的函數(shù)；Python與Hadoop和MongoDB結(jié)合進行大數(shù)據(jù)分析的基礎(chǔ)知識。最后課程介紹了Python的面向?qū)ο缶幊滩⒔榻B了兩個案例：使用Python實現(xiàn)金融衍生品分析庫以及使用Python實現(xiàn)事件驅(qū)動的量化投資系統(tǒng)，使學(xué)員在實戰(zhàn)的環(huán)境下理解Python在金融應(yīng)用開發(fā)中的具體應(yīng)用方式，訓(xùn)練學(xué)員獨立開發(fā)Python模塊的能力。

?

?

第一講、Python與金融應(yīng)用概述

本講主要介紹Python的基本特性，安裝本課程所需要的Python環(huán)境，概述Python在金融數(shù)據(jù)分析中應(yīng)用領(lǐng)域。本講將使用一個簡單的趨勢投資的例子，講解為什么使用Python進行金融數(shù)據(jù)分析和量化投資是非常方便的。

?

第二講、Python的基本數(shù)據(jù)類型與數(shù)據(jù)結(jié)構(gòu)

本講介紹Python的基本數(shù)據(jù)類型與數(shù)據(jù)結(jié)構(gòu)，包括基礎(chǔ)Python和NumPy庫提供的數(shù)據(jù)結(jié)構(gòu)。

1、基本數(shù)據(jù)類型（整型、浮點型、字符型）

2、基本數(shù)據(jù)結(jié)構(gòu)（元組、控制結(jié)構(gòu)、函數(shù)編程、列表、字典、集合）

3、NumPy數(shù)據(jù)結(jié)構(gòu)（使用Python列表實現(xiàn)的數(shù)組、常規(guī)NumPy數(shù)組、結(jié)構(gòu)數(shù)組、內(nèi)存分配）

?

第三講、Python數(shù)據(jù)可視化

本講介紹Python的matplotlib庫提供的數(shù)據(jù)可視化技術(shù)，雖然Python還有很多其他的數(shù)據(jù)可視化方式，但是matplotlib提供了一種基準(zhǔn)實現(xiàn)方式。

1、二維繪圖（一維數(shù)據(jù)集、二維數(shù)據(jù)集，其他繪圖模式，金融繪圖）

2、3D繪圖

?

第四講、金融時間序列分析

在金融分析中常見的一種數(shù)據(jù)類型是金融時間序列數(shù)據(jù)，本章主要介紹Python的Pandas庫對金融時間序列類型數(shù)據(jù)結(jié)構(gòu)的實現(xiàn)——DataFrame和Series，以及如何運用這些工具進行基本的金融時間序列分析

1、Pandas基礎(chǔ)（DataFrame類，基本分析技術(shù)，Series類，GroupBy操作）

2、金融數(shù)據(jù)

3、數(shù)據(jù)回歸分析

4、高頻金融數(shù)據(jù)

?

第五講、輸入輸出操作

本講介紹Python提供的基本輸入輸出操作，以及如何在金融數(shù)據(jù)分析與投資中有效的進行使用。

1、Python的基本I/O操作（將對象寫入硬盤，讀寫文本文件、SQL數(shù)據(jù)庫、讀寫NumPy數(shù)組）

2、使用Pandas的i/O操作（基本操作，SQL數(shù)據(jù)庫，CSV文件、EXCEL文件）

3、使用PyTables進行快速I/O (使用Table，使用壓縮的Table，數(shù)組操作，內(nèi)存外運算)?

?

第六講、提升Python效率

本講介紹Python中提供的提升計算效率的一些工具以及它們在金融數(shù)據(jù)分析與投資中的基本應(yīng)用。

1、Python運行效率分析

內(nèi)存分配與運行效率

2、并行計算（Monte Carlo算法、串行計算、并行計算）

3、動態(tài)編譯（介紹例子、二叉樹期權(quán)定價）

4、使用Cython靜態(tài)編譯

5、基于GPU生成隨機數(shù)

?

第七講、數(shù)學(xué)工具

本講介紹Python提供的用于金融數(shù)據(jù)分析的數(shù)學(xué)方法與工具及其背景知識與應(yīng)用方式。

1、近似（回歸、插值）

2、凸優(yōu)化（全局最優(yōu)化、局部最優(yōu)化、約束最優(yōu)化）

3、積分（數(shù)值積分、模擬積分）

4、符號計算（基礎(chǔ)、方程、積分、微分）

?

第八講、隨機分析

對不確定性的刻畫與研究是金融研究與分析的重要方面，本講介紹隨機分析的一些知識，在金融數(shù)據(jù)分析與投資中的應(yīng)用與Python實現(xiàn)。

1、隨機數(shù)

2、模擬（隨機變量、隨機過程）

3、方差縮小技術(shù)

4、估值（歐式期權(quán)、美式期權(quán)）

5、風(fēng)險測度指標(biāo)（在險價值、信用風(fēng)險）

?

第九講、統(tǒng)計分析

統(tǒng)計分析是金融數(shù)據(jù)分析的核心，本講介紹常用的統(tǒng)計分析方法、金融應(yīng)用及其Python實現(xiàn)。

1、正態(tài)性檢驗

2、資產(chǎn)組合優(yōu)化

3、主成分分析應(yīng)用

4、貝葉斯回歸分析

?

第十講、數(shù)值分析技術(shù)

對于一些非線性、沒有顯式解的金融和數(shù)據(jù)分析問題，需要使用數(shù)值分析的技術(shù)，本講介紹這些技術(shù)的基礎(chǔ)及應(yīng)用，以及Python的實現(xiàn)。

1、求解線性方程（LU分解、Cholesky分解、QR分解、Jacobi方法、Gauss-Seidel方法）

2、金融中的非線性模型（隱含波動率、Markov regime-switching模型、門限自回歸模型、平穩(wěn)轉(zhuǎn)換模型）

3、求根方法

?

第十一講、使用Python操作Excel

微軟的Excel是常用的辦公軟件，是數(shù)據(jù)分析和應(yīng)用的重要支撐。Python提供了豐富的與Excel交互的接口，本講介紹這些接口并舉例。

1、基本的電子表格交互

2、Python中的Excel腳本

?

第十二講、Python面向?qū)ο缶幊膛c圖形用戶界面

本講介紹Python面向?qū)ο缶幊碳夹g(shù)，這是后續(xù)章節(jié)，特別是量化投資一章的基礎(chǔ)，除此之外，本講還介紹了Python圖形用戶界面編程的基本方法。

1、面向?qū)ο?/div>

2、圖形用戶界面

?

第十三講、金融中的大數(shù)據(jù)技術(shù)概述

本講介紹大數(shù)據(jù)技術(shù)在金融中的應(yīng)用以及使用Python的基本實現(xiàn)。

1、Hadoop概述

2、使用Hadoop實現(xiàn)字符統(tǒng)計

3、Hadoop金融應(yīng)用舉例

4、NoSQL介紹

?

第十四講、案例1：使用Python構(gòu)建期權(quán)分析系統(tǒng)

本案例使用之前各講介紹的Python金融應(yīng)用相關(guān)知識，構(gòu)建相對完整的期權(quán)分析系統(tǒng)，幫助學(xué)員掌握金融系統(tǒng)開發(fā)的要點以及Python整合應(yīng)用的方式，與之前介紹相比，在案例分析中更多的使用面向?qū)ο蠓椒ā?/div>

1、估值框架（資本資產(chǎn)定價原理，風(fēng)險中性定價，市場環(huán)境等介紹）

2、金融模型的模擬（隨機數(shù)生成模塊，泛型模擬類，幾何布朗運動，帶跳躍的擴散過程模擬模塊，平方根擴散過程模擬模塊）

3、衍生品估值模塊（泛型估值類、歐式執(zhí)行類、美式執(zhí)行類）

4、衍生品分析庫應(yīng)用——波動率期權(quán)定價

?

第十五講、案例2：使用Python構(gòu)建簡單的算法交易系統(tǒng)

算法與程序化交易是大數(shù)據(jù)時代計算機技術(shù)在金融領(lǐng)域應(yīng)用的最重要方面之一。本講介紹這方面的Python實現(xiàn)，包括基本交易、交易策略與回測等。

1、算法交易概述與框架

2、實現(xiàn)事件驅(qū)動交易引擎（事件驅(qū)動軟件，事件類，數(shù)據(jù)處理類，策略類，投資組合類，執(zhí)行處理類和回測類的基本編制，事件驅(qū)動執(zhí)行）

3、交易策略實現(xiàn)（移動平均跨越策略，S&P500預(yù)測交易策略，均值回歸股票配對交易策略）

4、策略優(yōu)化（參數(shù)優(yōu)化，模型選擇，優(yōu)化策略）

?