Python 財務計算

Python 財務計算

本課程結合資訊、金融與數學的跨領域課程，可作為成為 P Quant 和 Q Quant 的入門課程，深入淺出介紹數學模型背後的金融意義，並提供學員 Python 範例程式以期降低進入門檻，希望學員可以透過本課程建立量化研究的基礎，在未來持續發展適合自己的分析工具。本課程適合金融從業人員，進行計算金融、計量經濟、風險管理、量化交易等研究；我們也歡迎對於資訊、統計與金融有興趣的學生與社會人士。本課程亦涵蓋部分 CFA 與 FRM 考試內容 [0, 1] ，如量化分析、資產評價、衍生性金融商品 (以期貨與選擇權為主) 等 [2]。




[0] 台灣財務金融研究協會，CFA 證照考試說明
[1] 台灣財務金融研究協會， FRM 證照考試說明
[2] FRM Study Guide (annotated), 2020

課程大綱

0. Python 程式基礎
1. 量化研究初探
-- 資料擷取與預處理
-- 資料視覺化
-- 技術分析
-- 回測
2. 常用的數學套件與其理論
-- 線性代數
-- 科學計算：內插、最佳化
-- 機率與統計：回歸模型
3. 現代投資理論
-- 馬可維茲平均數-變異數分析與效率前緣
-- 資本定價理論
-- 多因子模型
4. 金融時間序列分析
-- 自我相關係數與平穩時間序列
-- 自回歸移動平均模型
-- 葛蘭傑因果檢定
-- 結構性改變
5. 定價理論 (財務工程)
-- 期貨與選擇權
-- 無套利原則
-- 溫拿過程
-- 布萊克-休斯公式
-- 隱含波動率與VIX指數
6. 風險管理
-- 風險值
-- 期貨避險
-- 希臘字母避險
7. 機器學習導論

##########################################################

0. Python programming
1. Debut of quantitative research
-- Data acquisition and preprocessing
-- Data visualization
-- Strategy development by technical analysis
-- Backtesting
2. Selected math tools
-- Linear algebra
-- Scientific methods: interpolation and optimization
-- Probability models
-- Statistical inference
-- Linear regression
3. Modern portfolio theory
-- Markowitz's mean-variance analysis and efficient frontier
-- Capital Asset Pricing Models (CAPM)
-- Factor models
4. Financial time series analysis
-- Autocorrelation and stationary process
-- ARIMA model
-- Granger's causality test
-- Structural break detection
5. Pricing theory (financial engineering)
-- Futures and options
-- Arbitrage-free principle
-- Wiener process
-- Black-Scholes formula
-- Implied volatility and VIX Index
6. Risk management
-- Value at Risk (VaR)
-- Sensitivity analysis: delta hedging
7. Machine learning tutorial
##########################################################
[0] John C. Hull, Options, Futures, and Other Derivatives, 10/e, 2017
[1] Dan Passarelli, Trading Option Greeks: How Time, Volatility, and Other Pricing Factors Drive Profits, 2/e, 2012
[2] Zvi Bodie, Alex Kane, Alan J. Marcus, Investments, 12/e, 2020
##########################################################
註0：更新於 2021-09-07。
註1：英文教材中文授課。

適合對象

適合欲從事金融量化研究者，無 Python 程式經驗者可，完全無程式經驗者不建議*

* 本課程為應用課程，非單純程式語言課程；若完全沒有任何程式基礎者，請於其他 Python 語言課程中掌握基本語法。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/複習。另外本課程也已備妥需要的範例程式，希望程式語言的初學者至少能夠自行修改程式碼以便完成作業。

開發環境

Python on Google Colab

實體課程注意事項

本班為實體課程，常見QA詳情連結

校園防疫措施詳情連結

公務員全程參與課程學習後可於課程結束後申請登錄公務人員學習時數

課程影片觀看期限至課程結束後一週關閉

(一)退費期限：開課日後⅓時數內，詳情連結

(二)查詢結業狀況：結業名單連結

近期班次

講師介紹

盧政良

(一) 經驗

臺灣大學 腦與心智科學研究所 兼任研究助理 (2014.8--present)
臺灣大學 資訊工程學系 資訊系統訓練班 講師 (2014.1--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--2023.9)
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--2024.7)

(二) 學歷

臺灣大學資訊工程研究所 博士
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

(三) 研究興趣 / 專長

Financial Engineeering, Quantitative Finance, and Algorithmic Trading
Analysis & Design of Algorithms
Statistics, Data Science, Machine Learning / Deep Learning
Computing Theory and Programming Languages
System Design & Administration and High Performance Computing

(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。
2014 年至本班教學，累計授課時數至 2024 年 8 月 12 日為 11850 小時。