0. Python程式基礎
1. 資料取得與預處理 (data acquisition & preprocessing)、視覺化 (visualization)、技術指標 (technical analysis)、策略回測 (backtest)
2. 常用的數學套件
---- Numpy向量化計算 (vectorization)
---- Scipy科學計算工具：曲線擬和 (curve fitting)、內插 (interpolation)、最佳化 (optimization)
---- Statsmodels統計套件：常用於金融之機率模型、敘述統計、統計檢定 (hypothesis testing)、簡單線性回歸模型 (linear regression)
3. 現代投資理論 (Modern portfolio theory)
---- 均值-方差分析 (Mean-variance framework)
---- 資本資產定價模型 (Capital asset pricing model, CAPM)
---- 三因子模型 (Fama–French 3-factor model)
4. 金融時間序列分析 (Financial time series analysis)
---- 自相關移動平均模型 (Autoregressive moving-average model, ARMA)
---- 一般化自回歸條件異變異數模型 (Generalized autoregressive conditional heteroskedasticity model, GRACH)
---- 共整合向量自我回歸模型 (Cointegrated VAR)
---- 葛蘭傑因果檢定 (Granger causality test)
5. 定價理論 (Pricing theory)
---- 定價理論框架 (Valuation framework: fundamental theorem of asset pricing)
---- 二元樹定價模型 (Binomial option pricing model, BOPM)
---- 常見金融隨機過程與模擬 (Stochastic processes and simulation)
---- 蒙地卡羅法應用於選擇權定價 (Monte Carlo simulation for option pricing)
---- 模型校正 (Model calibration)
---- 案例討論：隱含波動率 (Implied volatility)、
CBOE VIX
6. 風險管理 (Risk management)
---- 風險價值 (Value at risk, VaR)
---- 希臘字母 (Greeks)
---- 動態避險 (Dynamic hedging)
7. 機器學習 (Machine learning)
---- 線性回歸模型 (Simple/ridge/LASSO regression)
---- Logistic regression
---- 支援向量機 (Support vector machine, SVM)
---- 決策樹 (decision tree)、隨機森林 (random foreset) 與AdaBoost
---- K-means clustering
---- 主成分分析 (Principal component analysis, PCA)
---- 遞歸神經網路 (Recurrent neural network, RNN)
---- 長短期記憶類神經網路 (Long short-term memory model, LSTM)
註0：更新於2020/12/10。
註1：
英文教材
中文授課。
註2：課程內容仍會按照講師的偏好與學員的需要而更動。
![Python財務計算 [線上課程]](../images/courses/1586932746006.jpg)
