Python Para Finanzas Quant: T[0] Primeros Scripts

Descripción

Python para finanzas Quant: t0 Primeros Scripts


La serie Python para Finanzas Quant esta dirigida a personas que quieren aprender Python desde 0 y poder entender de a poco este interesantisimo mundo de la inteligencia artificial, la BigData y todo el campo de DataScience en si. El contenido esta enfocado en temas de inversiones bursatiles, y el uso de herramientas de analisis cuantitativo (matematicas y estadisticas) mediante el uso de python .

Si bien repasamos a lo largo de toda la serie una infinidad de temas de estadistica descriptiva, inferencial, algebra lineal, analisis matematico, sucesiones y series, en realidad no son libros de matematica, sino que simplemente se apoyan en ellas e intentamos explicarlo en forma muy sencilla para todos aquellos que no son del campo de las ciencias duras pero que quieren aprender a explotar este tipo de herramientas de analisis .

No es para nada una coleccion de libros para programadores, ni es necesario ningun nivel previo en programacion, ya que arrancamos del supuesto que el lector es alguien que jamas en su vida programo nada, y vamos construyendo de a poco el conocimiento en estos pilares de la programacion y las herramientas matematicas paso a paso y siempre apoyados en ejemplos de aplicacion real .

t0 Primeros Scripts: .

Introduccion a Python y entornos de desarrollo recomendados. Estructuras de datos y variables. Estructuras logicas basicas, ciclos y estructuras logicas mas complejas, concatenadas y anidadas .

t1 DataFrames: .

Uso intensivo de la libreria Pandas, estructuras de datos matriciales en formato de tablas, importacion y exportacion de datos con Excel y Python. Uso de funciones estadisticas con Pandas .

t2 Matplotlib: .

Graficas en Python, graficas de lineas, graficos financieros de velas, graficas de columnas, columnas apiladas, columnas en 3D, anillos, graficos estadisticos, histogramas y diagramas de cajas, introduccion a modelizacion de distribuciones con scipy .

t3 APIs de Market Data: .

Uso de funciones, JSON, requests http, APIs de datos de acciones, precios, fundamentals, indicadores, bonos, FX, opciones, futuros y datos economicos. .

t4 APIs de Conexion a Mercados: .

APIs para acceso al mercado en Argentina API de Rofex. API de Invertir Online. API de Alpaca para inversiones en USA. Paper tranding, sandbox o cuentas simuladas. APIs de Exchange cryptos para mercados spot, futuros y opciones. HitBTC, FTX, Deribit, Binance etc. .

t5 SDKs y Librerias: .

Las mejores 25 librerias nativas de python para backoffice explicadas con ejemplos de finanzas pero basadas en tareas generales de oficina (automatizacion de envios de emails, procesamiento de archivos, planillas, excels, archivos de google drive, archivos comprimidos, aplicaciones de escritorio con tkinter, etc) El Tomo incluye el paquete de librerias estandar de Python y las librerias basicas de calculo numerico y estadistico incluso analisis combinatorio con el paquete nativo itertools. .

t6 Librerias para Data Science: .

Las mejores 27 librerias infaltables para un data sicnetist, hacemos un repaso general de cada libreria y nos concentramos en las mas interesantes para nuestro campo de analisis de activos financieros, sobre todo las librerias de calculo cientifico como scipy y calculo simbolico como sympy y las de reportes graficos. Incluye no solo las librerias generales de Data Science sino las especificas para usos financieros. .

t7 Backtestings: .

Ejecucion offline y online de un backtesting. Guardado de datos en BBDD o sistemas de archivos, consulta y actualizacion de backtestings. Metricas de un backtesting. Metricas de riesgo, analisis de las ventajas y desventajas de cada metrica. Paradigma de calculo matricial y paradigma de estructuras event-driven para backtests. .

Language : Spanish .

Paperback : 184 pages .

Item Weight : 1.25 pounds .

Dimensions : 8.27 x 0.42 x 11.69 inches.