Python 初階證券交易分析

至 2018 年 1 月,臺灣證券開戶人數達近 1,000 萬人,平均每兩名成年中就有一人開戶。[1] 證券交易已可說是一般人的基本技能,也是個人理財中的重要生存基礎。然而,證券市場資訊繁雜,要能完善的掌握可謂是困難重重,現代金融科技 (Financial technology, Fin-Tech) 分析方法油然而生。本課堂將帶領學員認識金融商品,從證券交易所進行資料擷取 (data retrieval) 和資料探勘 (data mining),以及進行資料建模分析。最後再盡可能完善規劃交易策略與投資組合管理。

課程大綱

o. 認識金融商品與金融交易 (約 3 小時)
-. 實質資產 vs. 金融資產
-. 債券、權益證券、衍生性金融商品
-. 配對交易概念
o. 爬蟲 (crawler) 實作 (約 6 小時)
-. 證券交易所有哪些資訊?
-. 除權息與還原價 (不實作)
o. 統計套利 (statistical arbitrage)
-. 套利定價理論 (Arbitrage Pricing Theory)
o. 模型建立與分析
-. 模型
*. 線性迴歸 (linear regression)
*. 向量自我迴歸 (vector auto-regression, VAR)
*. 向量誤差修正模型 (vector error-correction model, VECM)
-. 技術指標其實有使用前提?
-. 投資組合怎麼找?
o. 投資組合之績效評估與優化
-. 夏普比率 (Sharpe ratio)、M 平方值 (M-square)
-. 崔納衡量值 (Treynor measure)、資訊比率 (information ratio)
o. 預防第三方套件損毀機制

備註
o. 本課程雖備有英文教材,但仍然以中文授課,同時教材僅部分使用。
o. 由於全程式碼約 8000 行,建議學員謹慎考慮是否具備充分的學習時間與耐心。
o. 學員應充分具備高中公民與高中數學知識,並建議擁有線性代數與機率論基礎。
o. 本課程預計會安排程式考試兩次。
o. 此為初階應用課程,並非初階語言課程,建議學員先初步了解 Python 後再報名。
-. int, float, str, len
-. list vs. dict
-. def, class
-. class 的繼承 (inheritance)
-. "_" 的使用時機
-. import 與 sys.modules
o. 實際授課內容需視課堂學員學習情況而定。
o. 為配合當下最新 Python 版本,本課程不建議學員使用虛擬環境。
-. 虛擬環境如 vs code, jupyter, anaconda
-. 虛擬環境可能會無法提供最新的 Python 版本以供使用。
o. 本課程會提供雲端硬碟供學員下載上課的程式碼,於課程結束後一週關閉。
-. 開課時發布之雲端硬碟,於發放收據後將會重新設定並再次發放。
o. 課程網站請參考 https://www.csie.ntu.edu.tw/~d06922002/Course/FAST.html
o. 本課程預計會安排期中考與期末考,可於課程網站中參考上期試卷題目。

適合對象

高中(含)以上,且已初步熟悉 Python 者。擁有線性代數與機率論基礎為佳。

開發環境

使用軟體
o. Python 3.7.4
o. NumPy 1.17.2
o. SciPy 1.3.1
o. matplotlib 3.1.1

近期班次

  • 第322期 開課日期:2019.12.21 確定開課

    上課時間:每週(六)(日)
    1:00 PM ~ 4:00 PM
    上課日期:2019.12.21 ~ 2020.01.19
    學費:新生新台幣5000元整

    詳細資訊

  • 第324期 開課日期:2020.02.03 招生中

    上課時間:每週(一)(二)(三)(四)(五)
    1:30 PM ~ 4:30 PM
    上課日期:2020.02.03 ~ 2020.02.14
    學費:新生新台幣5000元整

    詳細資訊

  • 注意事項

    • 上課地點:台灣大學資訊工程學系系館 詳細位置;教室號碼將於開課前一日公佈於官網"最新消息"中。
    • 上課教材:開課後將公布教學網站給同學查閱。
    • 結業狀況:請上官網”結業名單”查閱是否合格及可領取證書進度。

    講師介紹

    國立臺灣大學資訊工程學暨研究所博士班

    國立交通大學應用數學系碩士學位

    (一) 驗歷:

    「分析債券結構,信用風險,及市場投資人行為」計畫研究助理
    「運用GPU平行計算到高頻程式交易」計畫研究助理
    「以多模式大數據分析與分散式區塊鏈運算開發智慧型店頭市場交易與機器人理財系統」計畫研究助理

    (二) 專長:

    統計套利 (statistical arbitrage)、配對交易 (pairs trading)、計量策略 (quantitative strategies)

    (三) 教學經驗:

    於本訓練班授課時數累計至2019年3月25日為150小時,共計5班