Python 學習課程安排表

1、從Python基礎(chǔ)到數(shù)據(jù)清洗，到爬蟲，到案例分析實戰(zhàn)，還有Python量化與統(tǒng)計計量，all about Python：等級課程時間方式Level1Python編程基礎(chǔ)入門，從配置環(huán)境到能夠上手5月6-9日四天北京/遠程Level2Python數(shù)據(jù)清洗及統(tǒng)計描述數(shù)據(jù)思維和數(shù)據(jù)清洗5月13-15日三天北京/遠程Level3Python爬蟲學會網(wǎng)絡(luò)爬蟲收集數(shù)據(jù)5月20-21日兩天北京/遠程Level4Python數(shù)據(jù)挖掘,算法及案例5月27-30日四天北京/遠程專題Python量化投資基礎(chǔ)+實戰(zhàn)4月15-16,22-23日北京/遠程專題Python統(tǒng)計計量4月28-5月1日上海/視頻(課程詳情請參

2、照回復)Level1-Python編程基礎(chǔ) 5月6-9日四天 北京/遠程 3200/2600課程大綱：一，Python概述 (0.5天)注: 本部分課程主要為Python語言的介紹及基礎(chǔ)環(huán)境的安裝配置。0.1Python語言介紹、Anaconda科學計算集成介紹安裝0.2Python編譯器、Shell、編輯器介紹0.3Python的第三方包的管理0.4Python在數(shù)據(jù)分析領(lǐng)域的生態(tài)介紹二，Python編程基礎(chǔ) (3.5天)注: 本部分主要為講解Python的基礎(chǔ)編程知識，側(cè)重于Python數(shù)據(jù)分析常用的功能和知識點進行講解。課程安排:1.1Python語言特點1.2Python的數(shù)據(jù)類型和變

3、量1.3Python中的運算1.4Python的數(shù)據(jù)結(jié)構(gòu)1.5Python的控制流語句1.6Python中的異常處理和調(diào)試1.7函數(shù)調(diào)用和定義以及函數(shù)的參數(shù)1.8Python的類和面向?qū)ο缶幊?.9Python的文件、模塊操作1.10其他高級特性練習項目:-蒙特卡羅模擬求圓周率-冒泡算法和二分查找-實現(xiàn)計算器-堆棧和隊列的實現(xiàn)-模擬實現(xiàn)ATM機取錢-求階乘-模擬管理學生成績信息-編程實現(xiàn)24點撲克游戲-會員信息管理的實現(xiàn)-虛擬水果店進銷存系統(tǒng)-投票系統(tǒng)-漢諾塔問題-離散事件模擬- 堆排序的實現(xiàn)Level 2：Python數(shù)據(jù)清洗及統(tǒng)計描述 5月13-15日三天 北京/遠程 2400/2000課

4、程大綱：一，Numpy(NumericalPython)是高性能科學計算和數(shù)據(jù)分析的基礎(chǔ)包，是數(shù)據(jù)分析幾乎所有的高級工具的構(gòu)建基礎(chǔ)。Numpy基礎(chǔ)-Numpy的ndarray-數(shù)組的索引和切片-數(shù)組的運算-常用的數(shù)組方法二，Pandas包提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法，它是Python成為強大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。Pandas基礎(chǔ)應(yīng)用-Series數(shù)據(jù)結(jié)構(gòu)-DataFrame數(shù)據(jù)結(jié)構(gòu)-基本功能-匯總和計算統(tǒng)計描述-缺失值的處理Pandas數(shù)據(jù)規(guī)整-數(shù)據(jù)加載&輸出-數(shù)據(jù)集的合并-數(shù)據(jù)集的重塑-數(shù)據(jù)重構(gòu)Pandas分組運算-GroupBy技術(shù)-數(shù)據(jù)聚合-分組

5、級運算和轉(zhuǎn)換-透視表和交叉表Level 3：Python爬蟲 5月20-21日 北京/遠程 1600/1300課程大綱：一，爬蟲初級-認識HTTP協(xié)議和Cookie及HTML介紹-網(wǎng)絡(luò)請求(urllib以及requests的介紹和安裝)-使用BeautifulSoup4庫(靜態(tài)網(wǎng)頁解析)-使用lxml庫(XPath語法解析靜態(tài)網(wǎng)頁)-Python連接數(shù)據(jù)庫(數(shù)據(jù)保存)-logging、time模塊的學習-正則表達式的使用二，爬蟲高級-動態(tài)網(wǎng)頁的抓取(PhantomJS和Selenium的使用)-Scrapy爬蟲框架的安裝和學習-多線程爬蟲-規(guī)避網(wǎng)站信息采集陷阱Level 4：Python數(shù)據(jù)挖

6、掘、機器學習算法案例 5月27-30日四天 北京/遠程 4200/3600Python案例分析大全（但不局限于）：1.文本挖掘原理和案例-數(shù)據(jù)可視化的各種方式2.預測分析核心算法-Python圖片結(jié)構(gòu)和分析（圖片的k-means聚類分析）3.機器學習經(jīng)典算法-圖片的識別和分類：PCA建模4.Python概率統(tǒng)計-二維手寫數(shù)字識別（KNN方法）5.數(shù)據(jù)可視化-推薦系統(tǒng)的構(gòu)建（最近鄰方法、協(xié)同過濾）6.Python經(jīng)典金融分析-垃圾短信或郵件的識別與分類（Logistic對文本的分類）7.Python量化投資-新聞的文本分類（TF-IDF準則、旅游新聞個性化推薦）8.算法和模型的優(yōu)化-人臉識別9.

7、模型精度評估和提升-樸素貝葉斯決策10.特征選取的方法-酒的品質(zhì)分類預測11.最佳k-means分類數(shù)-機器學習的格點搜索和參數(shù)尋優(yōu)12.交叉驗證（CV）-懲罰線性回歸分類器13.不平衡數(shù)據(jù)處理-使用支持向量機識別和分類14.XGBoost-時間序列預測案例15.貝葉斯分析-機器集成學習算法案例16.逼近和最優(yōu)化-Python隨機模擬案例17.概率圖模型-Python金融分析案例18.馬爾科夫&蒙特卡羅-使用Python進行量化投資案例Python量化投資 4月15-16，22-23日 四天 北京/遠程 4500/3600課程大綱：基礎(chǔ)班（一天）：Python語言基礎(chǔ)與金融統(tǒng)計分析Pa

8、rt1：Python語言學習與應(yīng)用1、Python語言簡介2、運算符與表達式3、Python控制流4、Python函數(shù)5、Python模塊6、異常處理與文件操作7、Python繪圖8、Numpy篇9、Pandas篇10、數(shù)據(jù)庫連接Part2：金融統(tǒng)計分析概論1、統(tǒng)計學理論 （1）統(tǒng)計學概論 （2）描述性統(tǒng)計 （3）參數(shù)估計 （4）假設(shè)檢驗 2、多變量相關(guān)性分析3、線性回歸模型案例分析：案例一：大型股票數(shù)據(jù)庫讀取股票數(shù)據(jù)案例二：A股市場股票數(shù)據(jù)繪圖案例三：交易數(shù)據(jù)描述性統(tǒng)計案例四：非金融專業(yè)數(shù)據(jù)獲取方法實戰(zhàn)班（三天）第一天：Part1：金融數(shù)據(jù)處理高級編程1、Pandas深入分析2、金融因子數(shù)據(jù)

9、生成3、常見的金融數(shù)據(jù)整理方式Part2：量化投資概述 1、投資策略回顧與比較 2、基本面、技術(shù)分析和量化的聯(lián)系與區(qū)別 3、量化投資概述4、量化投資風險與管控Part3：量化投資Python平臺介紹1、數(shù)據(jù)獲取2、回測框架介紹3、回測注意問題。案例分析：案例一：市盈率手動計算案例二：Panel數(shù)據(jù)的存儲與提取案例三：簡單的均線穿越策略實現(xiàn)第二天：Part1：市場描述策略描述性研究Part2：高級交易策略1、CTA策略2、大師選股策略3、市場中性選股策略4、技術(shù)指標類策略5、資產(chǎn)配置策略Part3：時間序列模型1、什么是時間序列數(shù)據(jù) 2、時間序列的平穩(wěn)性檢驗與白噪聲探討 3、時間序列平滑 4、【

10、SMA、WMA EWMA】5、金融時間序列建模預測6、【ARMA、ARIMA模型】7、波動的集聚效應(yīng) 案例分析：案例一：如何通過各種數(shù)據(jù)描述當前市場狀態(tài)案例二：CTA策略案例三：經(jīng)典大師選股策略案例四：市場中性選股策略案例五：技術(shù)指標類選股策略案例六：資產(chǎn)配置策略案例七：時間序列策略第三天：Part1：投資組合基本概念1、超額Alpha選股2、CAPM模型3、三因子模型選股Part2：投資組合構(gòu)建1、單因子測試2、多因子測試3、常見的組合構(gòu)建方法Part3：數(shù)據(jù)挖掘算法在量化投資中的運用 1、邏輯回歸與漲跌預測 2、支持向量機模型與漲跌預測 3、聚類與股票配對 Part4輿情分析與關(guān)注度模型

11、1、文本挖掘概述 2、文本處理技巧3、中文分詞案例分析：案例一：單因子全套測試代碼案例二：組合構(gòu)建案例案例三：文本數(shù)據(jù)處理案例Python統(tǒng)計計量 4月28-5月1日四天 上海/視頻 3200/1500課程大綱：Part-1 Python初探01.Python語法結(jié)構(gòu)概覽教學內(nèi)容：兼顧應(yīng)用廣泛的Python 2.x與日益興盛的Python 3.x，從最基本的原理和語法格式入手，教授Python的基礎(chǔ)內(nèi)容。教學目的： 深入Python的流程控制語句，夯實基礎(chǔ)，這部分內(nèi)容將貫穿課程始終，熟練到就算沒有開放的擴展庫，自己也能根據(jù)公式做模型。1.1 一個概覽式的例子1.2 基本語法與數(shù)據(jù)1.3 條件與

12、條件語句1.4 循環(huán)與嵌套1.5 循環(huán)控制語句02.Python函數(shù)與數(shù)據(jù)結(jié)構(gòu)教學內(nèi)容： Python基礎(chǔ)的核心內(nèi)容。教學目的： 了解各類函數(shù)、參數(shù)和變量的區(qū)別和聯(lián)系，能夠提升編程質(zhì)量，使內(nèi)容更加完善與流暢。2.1 認識與定義函數(shù)2.2 參數(shù)形式與返回值2.3 內(nèi)置函數(shù)形式2.4 變量類型及應(yīng)用2.5 數(shù)據(jù)結(jié)構(gòu)及應(yīng)用03.數(shù)據(jù)處理與計算教學內(nèi)容： 介紹的豐富且成熟的第三方擴展庫，解讀數(shù)據(jù)分析的邏輯和分析結(jié)果。教學目的：學會使用Python進行更加便捷的數(shù)理統(tǒng)計與計量分析，結(jié)果更加全面，解釋性更強。3.1 常用模塊概覽3.2 數(shù)據(jù)的導入與導出3.3 描述性數(shù)據(jù)統(tǒng)計3.4 兩總體對比推斷3.5 方

13、差分析3.6 卡方檢驗3.7 非參數(shù)統(tǒng)計分析04.數(shù)據(jù)清洗教學內(nèi)容： 檢查數(shù)據(jù)一致性、處理無效值和各種填補缺失值的方式。教學目的： 邁出數(shù)據(jù)處理的第一步，能夠識別并處理不清潔的數(shù)據(jù)，使數(shù)據(jù)更有利于后續(xù)的數(shù)據(jù)分析與挖掘。4.1 數(shù)據(jù)的整理4.2 數(shù)據(jù)的集成4.3 原始數(shù)據(jù)變換4.4 數(shù)據(jù)歸約4.5 處理缺失值Part-2關(guān)于截面數(shù)據(jù)05.線性回歸模型教學內(nèi)容： 學會使用最單純也是最實用且頻頻出現(xiàn)在Top期刊中的線性回歸模型。教學目的：學會使用Python固定語句進行回歸，合理地構(gòu)建模型、選擇變量、解釋結(jié)果。5.1 小樣本&大樣本OLS5.2 使用虛擬變量5.3 非線性回歸處理5.4 異方

14、差5.5 自相關(guān)5.6 主成分分析（PCA）與因子分析（FA）06.內(nèi)生性的解決辦法教學內(nèi)容： 處理各類研究中如影隨形的內(nèi)生性問題。教學目的：能夠完爆一個內(nèi)生性，并使用Python處理內(nèi)生性，使論文輕松達到“A-level”。6.1 工具變量法（IV）6.2 兩階段最小二乘拆解內(nèi)生性（2SLS）6.3 廣義矩估計（GMM）6.4 倍分法07.離散變量模型教學內(nèi)容：介紹最早的離散選擇模型Logit/Probit模型，這是很多0/1選擇問題的主要方法，也是社會學、心理學、經(jīng)濟學、市場營銷等統(tǒng)計實證分析的常用方法。教學目的：學會針對不同的問題選擇合適的離散選擇模型解決問題，并解釋結(jié)果。7.1 二值型Logit/Probit模型7.2 多值型Logit/Probit模型7.3. 定序Logit/Probit模型7.4 計數(shù)模型Part-3關(guān)于時間序列08.平穩(wěn)時間序列分析教學內(nèi)容： 時間序列分析的基礎(chǔ)，一般的時間序列分析往往都是針對平穩(wěn)序列，對于一些非平穩(wěn)序列，也會通過某些變換轉(zhuǎn)成平穩(wěn)序列來處理。教學目的： 學會識別平穩(wěn)時間序列，并使用Python進行一系列后續(xù)分析與預測，得出并解釋分析結(jié)果。8.1 時間序列特征8.2 ARMA基本邏輯及應(yīng)用8.3 自回歸分布滯后模型8.4 自相關(guān)與偏自相關(guān)8.5 向量自回歸09.非平穩(wěn)時間序列教學內(nèi)容：與平穩(wěn)時間序列具有截然不同的非