Python財務計算

Python財務計算

本課程結合資訊金融數學的跨領域課程,可作為成為P quantQ quant的入門課程。課程內容目前規劃如下:
(1) 快速導覽Python語言;
(2) 介紹資料擷取、清理與視覺化;
(3) 利用現有的量化套件進行時間序列分析;
(4) 衍生性金融商品的定價模型與模型校正;
(5) 進行風險評估與動態避險;
(6) 嘗試使用機器學習的工具來找尋金融資料有價值的訊息。





課程大綱

0. Python程式基礎 [6 hours]
1. 資料預處理、視覺化、技術指標、策略回測 [3 hours]
2. 常用的數學套件 [3 hours]
3. 現代投資理論 (Modern portfolio theory) [3 hours]
- 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)
- Barra多因子分析
4. 金融時間序列分析 (Financial time series analysis) [3 hours]
- 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)
5. 定價理論 (Pricing theory) [3 hours]
- 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) [3 hours]
- 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) [6 hours]
- 線性回歸模型 (Simple/ridge/LASSO regression)
- Logistic regression
- 支援向量機 (Support vector machine, SVM)
- 決策樹、隨機森林與AdaBoost (Decision tree, random forest, and 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2020/8/17。
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。

適合對象

0. 無Python程式經驗者可*
1. 規劃投入金融計量 (quant)領域者
2. 對金融產業有興趣的學員

* 課程中用到的程式概念諸如:陣列、迴圈、函式、物件,將於第一堂課介紹。

開發環境

Python 3.6.x on Google Colab

近期班次

  • 第337期 開課日期:2020.12.22 招生中

    上課時間: 週 (二)(五)
    7:00 PM ~ 10:00 PM
    上課日期:2020.12.22 ~ 2021.01.26
    學費:新生新台幣5000元整

  • 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 博士候選人

    • 交通大學電信工程研究所 碩士

    • 中央大學電機工程學系 學士

    (一) 服務經驗

    • 國立臺灣大學 腦與心智科學研究所 兼任研究助理 (2014.8--present)
    • 中國信託商業銀行 全球金融商品交易處 期貨自營部 實習研究員 (2014.1--present)
    • 國立臺灣大學 資訊工程學系 資訊系統訓練班 講師 (2014.1--present)
    • 國立臺灣大學 資訊工程學系 課程助教:計算理論、離散數學、財務演算法 (2012.9--present)

    (二) 研究興趣

    • Financial computing
    • Analysis and design of algorithms
    • Quantitative finance, econometrics, and algorithmic trading
    • Statistics and machine learning
    • Computing theory and programming language design

    (三) 程式語言

    • MATLAB, Java, C, C++, Python, C#

    (四) 教學特色

    • 中文授課,課程教材以英文為主。適合規劃出國求學或對科學/技術理論有興趣的學員。
    • 授課時數:於本訓練班教學時數累計至2020年3月10日為4950小時。