Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Verstehen der Grundlagen von Python
Überblick über den Einsatz von Technologie und Python in Finance
Überblick über Tools und Infrastruktur
- Python Einsatz mit Anaconda
- Verwendung der Python Quant-Plattform
- Verwendung von Python
- Verwendung von Spyder
Erste Schritte mit einfachen Finanzbeispielen mit Python
- Berechnung der impliziten Volatilitäten
- Implementierung der Monte-Carlo-Simulation
- Verwendung von reinem Python
- Verwendung der Vektorisierung mit Numpy
- Vollständige Vektorisierung mit dem Log-Euler-Schema verwenden
- Verwendung der grafischen Analyse
- Technische Analyse verwenden
Verstehen von Datentypen und Strukturen in Python
- Erlernen der grundlegenden Datentypen
- Erlernen der grundlegenden Datenstrukturen
- NumPy-Datenstrukturen verwenden
- Implementieren von Code-Vektorisierung
Implementieren von Data Visualization in Python
- Implementierung von zweidimensionalen Plots
- Andere Plotstile verwenden
- Implementieren von Finance-Plots
- Erzeugen einer 3D-Darstellung
Verwendung von Finanzzeitreihendaten in Python
- Erforschen der Grundlagen von pandas
- Implementieren der ersten und zweiten Schritte mit der DataFrame-Klasse
- Abrufen von Finanzdaten aus dem Web
- Verwendung von Finanzdaten aus CSV-Dateien
- Implementierung der Regressionsanalyse
- Umgang mit hochfrequenten Daten
Implementieren von Eingabe-/Ausgabeoperationen
- Verstehen der Grundlagen von I/O mit Python
- Verwendung von I/O mit Pandas
- Schnelle E/A mit PyTables implementieren
Implementieren von Performance-kritischen Anwendungen mit Python
- Überblick über Performance-Bibliotheken in Python
- Verstehen von Python Paradigmen
- Verstehen des Speicherlayouts
- Paralleles Rechnen implementieren
- Verwendung des Multiprocessing-Moduls
- Verwendung von Numba für die dynamische Kompilierung
- Verwendung von Cython für statische Kompilierung
- Verwendung von GPUs für die Zufallszahlengenerierung
Verwendung von Mathematical Tools und Techniken für Finance mit Python
- Lernen von Approximationstechniken
- Regression
- Interpolation
- Implementierung der konvexen Optimierung
- Implementierung von Integrationstechniken
- Anwendung von symbolischen Berechnungen
Stochastik mit Python
- Erzeugung von Zufallszahlen
- Simulation von Zufallsvariablen und von stochastischen Prozessen
- Implementierung von Bewertungsberechnungen
- Berechnung von Risikomaßen
Statistics mit Python
- Implementierung von Normalitätstests
- Implementierung von Portfolio-Optimierung
- Durchführung der Hauptkomponentenanalyse (PCA)
- Implementierung von Bayes'scher Regression mit PyMC3
Integrieren von Python mit Excel
- Implementierung grundlegender Tabellenkalkulationsinteraktion
- Verwendung von DataNitro zur vollständigen Integration von Python und Excel
Object-Oriented Programming mit Python
Erstellung grafischer Benutzeroberflächen mit Python
Integration von Python mit Webtechnologien und Protokollen für Finance
- Web-Protokolle
- Web-Anwendungen
- Web Services
Verstehen und Implementieren des Valuation Framework mit Python
Simulieren von Finanzmodellen mit Python
- Zufallszahlengenerierung
- Generische Simulationsklasse
- Geometrische Brownsche Bewegung
- Die Simulationsklasse
- Implementieren einer Use Case für GBM
- Sprung-Diffusion
- Quadratwurzel-Diffusion
Implementierung der Bewertung von Derivaten mit Python
Implementierung der Portfoliobewertung mit Python
Verwendung von Volatilitätsoptionen in Python
- Implementierung der Datenerfassung
- Implementierung der Modellkalibrierung
- Implementierung der Portfoliobewertung
Bewährte Praktiken in Python Programming für Finance
Fehlersuche
Zusammenfassung und Schlussfolgerung
Schlussbemerkungen
Voraussetzungen
- Grundlegende Programmiererfahrung
- Solide Kenntnisse der Finanzmathematik
35 Stunden
Erfahrungsberichte (5)
Die Tatsache, dass wir mehr praktische Übungen mit Daten durchführen können, die denen ähneln, die wir in unseren Projekten verwenden (Satellitenbilder im Rasterformat)
Matthieu - CS Group
Kurs - Scaling Data Analysis with Python and Dask
Maschinelle Übersetzung
Sehr gute Vorbereitung und Expertise des Trainers, perfekte Kommunikation auf Englisch. Der Kurs war praxisorientiert (Übungen + Austausch von Anwendungsbeispielen)
Monika - Procter & Gamble Polska Sp. z o.o.
Kurs - Developing APIs with Python and FastAPI
Maschinelle Übersetzung
Es war ein anspruchsvoller Kurs, da wir viel Stoff in kurzer Zeit abarbeiten mussten. Unser Trainer hatte umfassende Kenntnisse zum Thema und präsentierte den Inhalt auf unsere Anforderungen zugeschnitten. Es gab viel zu lernen, aber unser Trainer war hilfsbereit und ermutigend. Er beantwortete alle unsere Fragen detailliert, und wir haben das Gefühl, viel gelernt zu haben. Die Übungen waren gut vorbereitet und die Aufgaben entsprechend unseren Bedürfnissen angepasst. Ich habe diesen Kurs sehr genossen.
Bozena Stansfield - New College Durham
Kurs - Build REST APIs with Python and Flask
Maschinelle Übersetzung
Trainer entwickelt die Ausbildung an den Tempo der Teilnehmer angepasst
Farris Chua
Kurs - Data Analysis in Python using Pandas and Numpy
Maschinelle Übersetzung
Ich habe vor allem alles genossen.
Thukten Dendup - Bhutan Telecom
Kurs - Web Development with Django
Maschinelle Übersetzung
