HILPISCH, Yves J. Financial theory with Python: a gentle introduction. Sebastopol, CA: O'Reilly, 2022. ISBN 978-1-098-10435-1.
KELLIHER, Chris. Quantitative finance with Python: a practical guide to investment management, trading and financial engineering. Boca Raton, FL: Chapman & Hall/CRC, 2022. ISBN 978-1-032-01443-2.
KRESTA, Aleš. Applied quantitative finance in Python: selected theories and examples. Ostrava: VSB - Technical University of Ostrava, 2024. ISBN 978-80-248-4748-1 .
LEWINSON, Eryk. Python for finance cookbook: over 80 powerful recipes for effective financial data analysis. Second edition. Birmingham, UK: Packt Publishing, 2022. ISBN 978-1-80324-319-1 .
Aplikované kvantitativní finance v Pythonu
| Jazyk výuky | angličtina |
|---|---|
| Kód | 154-0571 |
| Zkratka | AQFP |
| Název předmětu česky | Aplikované kvantitativní finance v Pythonu |
| Název předmětu anglicky | Applied quantitative finance in Python |
| Garantující katedra | Katedra financí |
| Garant předmětu | doc. Ing. Aleš Kresta, Ph.D. |
Anotace
Charakteristika předmětu
Cílem předmětu je rozšířit schopnost studentů formulovat, řešit a následně interpretovat praktické problémy v oblasti kvantitativních financí s využitím programovacího jazyka Python. Pozornost je věnována zejména praktickým aplikacím jednotlivých modelů a přístupů, u kterých se předpokládá alespoň základní orientace a teoretická znalost.
Po absolvování předmětu student dosáhne následujících výsledků učení.
Odborné znalosti
Studenti kurzu se naučí programovat v jazyce Python. Seznámí se s podmíněnými příkazy, funkcemi, cykly, základními datovými typy a strukturami. Pochopí principy práce s knihovnami, balíčky a třídami. Budou umět pracovat s vědeckými balíčky, jako jsou NumPy a Pandas.
Odborné dovednosti
Absolventi kurzu budou mít následující dovednosti a kompetence. V jazyce Python budou schopni vypočítat riziko a výnos jednotlivých cenných papírů a portfolií, vypočítat investiční portfolia, zpětně testovat strategie investičních portfolií, vytvářet a zpětně testovat algoritmické obchodní strategie, provádět simulace Monte Carlo, oceňovat opce a vypočítat parametry citlivosti (tzv. Greeks) a implikovanou volatilitu.
Obecné způsobilosti
Absolventi budou samostatně a kriticky vyhodnocovat finanční data a výsledky kvantitativních analýz, posuzovat vhodnost a omezení použitých metod a na základě získaných výsledků odborně zdůvodňovat investiční a obchodní rozhodnutí. Budou schopni samostatně řešit komplexní finanční problémy s využitím jazyka Python, interpretovat výsledky modelů a reagovat na nové situace a měnící se podmínky na finančních trzích.
Cílem předmětu je rozšířit schopnost studentů formulovat, řešit a následně interpretovat praktické problémy v oblasti kvantitativních financí s využitím programovacího jazyka Python. Pozornost je věnována zejména praktickým aplikacím jednotlivých modelů a přístupů, u kterých se předpokládá alespoň základní orientace a teoretická znalost.
Po absolvování předmětu student dosáhne následujících výsledků učení.
Odborné znalosti
Studenti kurzu se naučí programovat v jazyce Python. Seznámí se s podmíněnými příkazy, funkcemi, cykly, základními datovými typy a strukturami. Pochopí principy práce s knihovnami, balíčky a třídami. Budou umět pracovat s vědeckými balíčky, jako jsou NumPy a Pandas.
Odborné dovednosti
Absolventi kurzu budou mít následující dovednosti a kompetence. V jazyce Python budou schopni vypočítat riziko a výnos jednotlivých cenných papírů a portfolií, vypočítat investiční portfolia, zpětně testovat strategie investičních portfolií, vytvářet a zpětně testovat algoritmické obchodní strategie, provádět simulace Monte Carlo, oceňovat opce a vypočítat parametry citlivosti (tzv. Greeks) a implikovanou volatilitu.
Obecné způsobilosti
Absolventi budou samostatně a kriticky vyhodnocovat finanční data a výsledky kvantitativních analýz, posuzovat vhodnost a omezení použitých metod a na základě získaných výsledků odborně zdůvodňovat investiční a obchodní rozhodnutí. Budou schopni samostatně řešit komplexní finanční problémy s využitím jazyka Python, interpretovat výsledky modelů a reagovat na nové situace a měnící se podmínky na finančních trzích.
Povinná literatura
Doporučená literatura
BRUGIÈRE, Pierre. Quantitative portfolio management: with applications in Python. Cham, Switzerland: Springer, 2020. ISBN 978-3-030-37739-7.
HILPISCH, Yves J. Python for algorithmic trading: from idea to cloud deployment. Sebastopol, CA: O'Reilly, 2020. ISBN 978-1-492-05335-4.
LIU, Peng. Quantitative trading strategies using Python: technical analysis, statistical testing, and machine learning. Berkeley, CA: Apress, 2023. ISBN 978-1-4842-9674-5 .
UNPINGCO, José. Python programming for data analysis. Cham, Switzerland: Springer, 2021. ISBN 978-3-030-68951-3.
HILPISCH, Yves J. Python for algorithmic trading: from idea to cloud deployment. Sebastopol, CA: O'Reilly, 2020. ISBN 978-1-492-05335-4.
LIU, Peng. Quantitative trading strategies using Python: technical analysis, statistical testing, and machine learning. Berkeley, CA: Apress, 2023. ISBN 978-1-4842-9674-5 .
UNPINGCO, José. Python programming for data analysis. Cham, Switzerland: Springer, 2021. ISBN 978-3-030-68951-3.