利用Python进行金融风险建模大纲

一、Python基础篇

• python基础操作简要复习（一）

• numpy模块的操作（二）（三）（四）

• pandas模块的操作（五）（六）（七）

• matplotlib模块的操作（八）（九）（十）

• scipy、statsmodels等模块的操作（十一）（十二）（十三）（十四）

二、应用篇

1、投资学部分

• 外部金融数据的导入方法（十五）
• 股票数据正态性检验、QQ图（十六）
• 权益证券估值：股息/现金流折现、市盈率法（十七）
• 固定收益证券
  • 资产的时间价值：利率的度量（十八）
  • 债券定价与债券收益率的计算（十九）
  • 久期与凸性（二十）
• 投资组合均值-方差模型
  • 资产与资产组合的收益率和风险（二十一）
  • 资产组合的有效边界、CML与最优配置（二十二）
• 模拟服从几何布朗运动的股价（二十三）
• 资本资产定价模型（CAPM）（二十四）
• 套利定价理论（APT）（二十五）
• 投资组合管理与策略
  • Fama-French三因素模型（二十六）
  • 单因素整体绩效评价（二十七）
  • 业绩归因之Brinson模型（二十八）

2、金融工程部分

• 期货合约的定价（二十九）
• 期货套期保值的应用
  • 股指期货的套保（三十）
  • 国债期货的套保
  • 保证金与基差风险
• 远期利率协议的定价
• 期权的python应用
  • BS期权定价模型
  • 希腊值与风险对冲
  • 隐含波动率
  • 波动率微笑
  • 期权定价的蒙特卡洛模拟方法
  • 期权定价的二叉树法
  • 期权交易策略
  • 奇异期权
• 利率衍生证券的python应用

3、风险管理部分

• VaR的python应用
  • 参数法
  • 历史模拟法（非参数法）
  • 蒙特卡洛模拟法
• back testing
• stress testing
• stressed VaR
• ES
• 时间序列分析
• 波动率和相关系数估计（GARCH、EWMA、Copula）
• 随机利率及债券定价模型
• 信用风险应用
  • 个人信贷评分卡模型
  • 银行对公及零售信用风险建模
  • 互联网金融信用风险建模
  • 违约概率建模
  • 莫顿模型

4、机器学习部分

• 数据整合与清理
• 统计学基础
  • 假设检验、t检验、卡方检验
  • 方差分析
  • 相关分析
• 线性回归：Fama-French多因子模型
• logistic回归构建信用评级
• 决策树构建信用评级
• SVM
• 主成分分析和因子分析
• 聚类
• 关联规则
• 集成学习

5、参考书目

常国珍等《python数据科学：技术详解与商业实践》，机械工业出版社；
斯文《基于python的金融分析与风险管理》，人民邮电出版社；
王小川等《python与量化投资：从基础到实战》，电子工业出版社；
朱顺泉《金融工程及其python应用》，清华大学出版社；
朱顺泉《投资学及其python应用》，清华大学出版社；
李航《统计学习方法》，清华大学出版社；
周志华《机器学习》，清华大学出版社。

①每周更新2~3节，欢迎监督
②本人水平有限，还处于自学阶段，欢迎批评指正
③博客内容仅供自学，无商业用途；部分案例和代码为转载，如有侵权立刻删除