此的课程纲要—— 
第一讲、Python与金融运用概述 
本讲首要介绍Python的根本特性，装置本课程所需求的Python环境，概述Python在金融数据剖析中运用范畴。本讲将运用一个简略的趋势出资的比如，解说为什么运用Python进行金融数据剖析和量化出资是十分方便的。 
第二讲、Python的根本数据类型与数据结构 
本讲介绍Python的根本数据类型与数据结构，包含根底Python和NumPy库供给的数据结构。 
1、根本数据类型（整型、浮点型、字符型） 
2、根本数据结构（元组、控制结构、函数编程、列表、字典、调集） 
3、NumPy数据结构（运用Python列表完成的数组、惯例NumPy数组、结构数组、内存分配） 
第三讲、Python数据可视化 
本讲介绍Python的matplotlib库供给的数据可视化技能，尽管Python还有很多其他的数据可视化办法，可是matplotlib供给了一种基准完成办法。 
1、二维绘图（一维数据集、二维数据集，其他绘图形式，金融绘图） 
2、3D绘图 
第四讲、金融时刻序列剖析 
在金融剖析中常见的一种数据类型是金融时刻序列数据，本章首要介绍Python的Pandas库对金融时刻序列类型数据结构的完成——DataFrame和Series，以及怎么运用这些东西进行根本的金融时刻序列剖析 
1、Pandas根底（DataFrame类，根本剖析技能，Series类，GroupBy操作） 
2、金融数据 
3、数据回归剖析 
4、高频金融数据 
第五讲、输入输出操作 
本讲介绍Python供给的根本输入输出操作，以及怎么在金融数据剖析与出资中有用的进行运用。 
1、Python的根本I/O操作（将目标写入硬盘，读写文本文件、SQL数据库、读写NumPy数组） 
2、运用Pandas的i/O操作（根本操作，SQL数据库，CSV文件、EXCEL文件） 
3、运用PyTables进行快速I/O (运用Table，运用紧缩的Table，数组操作，内存外运算) 
第六讲、提高Python功率 
本讲介绍Python中供给的提高核算功率的一些东西以及它们在金融数据剖析与出资中的根本运用。
1、Python运转功率剖析 
内存分配与运转功率 
2、并行核算（Monte Carlo算法、串行核算、并行核算） 
3、动态编译（介绍比如、二叉树期权定价） 
4、运用Cython静态编译 
5、根据GPU生成随机数 
第七讲、数学东西 
本讲介绍Python供给的用于金融数据剖析的数学办法与东西及其背景常识与运用办法。 
1、近似（回归、插值） 
2、凸优化（大局最优化、局部最优化、束缚最优化） 
3、积分（数值积分、模仿积分） 
4、符号核算（根底、方程、积分、微分） 
第八讲、随机剖析 
对不确定性的描写与研讨是金融研讨与剖析的重要方面，本讲介绍随机剖析的一些常识，在金融数据剖析与出资中的运用与Python完成。 
1、随机数 
2、模仿（随机变量、随机进程） 
3、方差缩小技能 
4、估值（欧式期权、美式期权） 
5、危险测度指标（在险价值、信用危险） 
第九讲、统计剖析 
统计剖析是金融数据剖析的中心，本讲介绍常用的统计剖析办法、金融运用及其Python完成。 
1、正态性查验 
2、财物组合优化 
3、主成分剖析运用 
4、贝叶斯回归剖析 
第十讲、数值剖析技能 
关于一些非线性、没有显式解的金融和数据剖析问题，需求运用数值剖析的技能，本讲介绍这些技能的根底及运用，以及Python的完成。 
1、求解线性方程（LU分化、Cholesky分化、QR分化、Jacobi办法、Gauss-Seidel办法） 
2、金融中的非线性模型（隐含动摇率、Markov regime-switching模型、门限自回归模型、平稳转换模型） 
3、求根办法 
第十一讲、运用Python操作Excel 
微软的Excel是常用的办公软件，是数据剖析和运用的重要支撑。Python供给了丰厚的与Excel交互的接口，本讲介绍这些接口并举例。 
1、根本的电子表格交互 
2、Python中的Excel脚本 
第十二讲、Python面向目标编程与图形用户界面 
本讲介绍Python面向目标编程技能，这是后续章节，特别是量化出资一章的根底，除此之外，本讲还介绍了Python图形用户界面编程的根本办法。 
1、面向目标 
2、图形用户界面 
第十三讲、金融中的大数据技能概述 
本讲介绍大数据技能在金融中的运用以及运用Python的根本完成。 
1、Hadoop概述 
2、运用Hadoop完成字符统计 
3、Hadoop金融运用举例 
4、NoSQL介绍 
第十四讲、事例1：运用Python构建期权剖析体系 
本事例运用之前各讲介绍的Python金融运用相关常识，构建相对完整的期权剖析体系，帮助学员掌握金融体系开发的要点以及Python整合运用的办法，与之前介绍比较，在事例剖析中更多的运用面向目标办法。 
1、估值结构（本钱财物定价原理，危险中性定价，市场环境等介绍） 
2、金融模型的模仿（随机数生成模块，泛型模仿类，几许布朗运动，带跳动的分散进程模仿模块，平方根分散进程模仿模块） 
3、衍生品估值模块（泛型估值类、欧式履行类、美式履行类） 
4、衍生品剖析库运用——动摇率期权定价 
第十五讲、事例2：运用Python构建简略的算法买卖体系 
算法与程序化买卖是大数据时代核算机技能在金融范畴运用的最重要方面之一。本讲介绍这方面的Python完成，包含根本买卖、买卖战略与回测等。 
1、算法买卖概述与结构 
2、完成事情驱动买卖引擎（事情驱动软件，事情类，数据处理类，战略类，出资组合类，履行处理类和回测类的根本编制，事情驱动履行） 
3、买卖战略完成（移动均匀跨越战略，S&P500预测买卖战略，均值回归股票配对买卖战略） 
4、战略优化（参数优化，模型挑选，优化战略） 

下载地址：百度云盘下载