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
| Typ studia | navazující magisterské |
|---|---|
| Jazyk výuky | angličtina |
| Kód | 154-0571/02 |
| Zkratka | AQFP |
| Název předmětu česky | Aplikované kvantitativní finance v Pythonu |
| Název předmětu anglicky | Applied quantitative finance in Python |
| Kreditů | 5 |
| Garantující katedra | Katedra financí |
| Garant předmětu | doc. Ing. Aleš Kresta, Ph.D. |
Osnova předmětu
1. Úvod do jazyka to Python: základní koncepty a syntaxe, základní datové typy a práce s proměnnými, řídicí struktury
2. Strukturované datové typy (datové struktury), zkrácená syntaxe pro efektivnější práci s řídicími strukturami
3. Základní principy organizace softwarového projektu, využití v prostředí Python programu: funkce a třídy, oblast platnosti a viditelnost proměnných, práce s knihovnami a balíčky
4. Knihovny NumPy and Pandas pro datovou vědu: základní principy, vybrané případy
5. Vstupní a výstupní operace
6. Práce s finančními časovými řadami v Pythonu, výpočet základních statistik a vizualizace
7. Stochastika: generování náhodných čísel, simulace stochastických procesů
8. Problém optimalizace portfolia, měření výkonnosti portfolia, zpětné testování investičních strategií
9. Technická analýza a algoritmické obchodování, zpětné testování obchodních strategií
10. Řízení rizika: míry rizika, odhad rizika a jeho zpětné testování
11. Oceňování derivátů, kalkulace měr citlivosti (tzv. Greeks) a implikované volatility
12. Strojové učení v kvantitativních financích: základní metody, predikce finančních veličin a jejich aplikace v Pythonu
13. Obhajoba projektů
2. Strukturované datové typy (datové struktury), zkrácená syntaxe pro efektivnější práci s řídicími strukturami
3. Základní principy organizace softwarového projektu, využití v prostředí Python programu: funkce a třídy, oblast platnosti a viditelnost proměnných, práce s knihovnami a balíčky
4. Knihovny NumPy and Pandas pro datovou vědu: základní principy, vybrané případy
5. Vstupní a výstupní operace
6. Práce s finančními časovými řadami v Pythonu, výpočet základních statistik a vizualizace
7. Stochastika: generování náhodných čísel, simulace stochastických procesů
8. Problém optimalizace portfolia, měření výkonnosti portfolia, zpětné testování investičních strategií
9. Technická analýza a algoritmické obchodování, zpětné testování obchodních strategií
10. Řízení rizika: míry rizika, odhad rizika a jeho zpětné testování
11. Oceňování derivátů, kalkulace měr citlivosti (tzv. Greeks) a implikované volatility
12. Strojové učení v kvantitativních financích: základní metody, predikce finančních veličin a jejich aplikace v Pythonu
13. Obhajoba projektů
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.