2024/2025
IT для финансистов
Статус:
Маго-лего
Кто читает:
Школа финансов
Когда читается:
3, 4 модуль
Онлайн-часы:
20
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Гаращук Глеб Викторович
Язык:
русский
Кредиты:
6
Программа дисциплины
Аннотация
Курс посвящен освоению основных компетенций в сфере анализа финансовых данных средствами языков программирования. В рамках курса предлагается освоить на базовом уровне такие языки, необходимые для анализа данных, как Python, R и SQL. В рамках курса студенты освоят основные элементы синтаксиса языков, научатся получать данные из разных источников (файловая система, интернет, API, базы данных), осуществлять предобработку и анализ данных, в том числе графический, а также применят полученные знания на ряде финансовых задач, в том числе написании элементарного торгового робота. Дополнительный акцент в курсе сделан на оформлении кода и подготовке документации к нему.Курс имеет низкий порог входа, тем не менее, для успешного его освоения необходимо освоение базового бакалаврского курса высшей математики. Знакомство с программированием (на любых языках) будет плюсом, но не является необходимым для успешного освоения курса.
Цель освоения дисциплины
- Получение основных компетенций в сфере анализа финансовых данных средствами языков программирования на языках R и Python
Содержание учебной дисциплины
- Базовые понятия языков программирования (R и Python)
- Условные операторы и циклы (R и Python)
- Функциональное программирование (R и Python)
- Работа с таблицами и датафреймами (R и Python)
- Визуализация данных (R и Python)
- Статистический анализ (R и Python)
- Получение данных из Интернета (R и Python)
- Торговые стратегии
- Бэк-тестирование торговых стратегий
- Предобработка финансовых данных
- Сравнительный анализ баз данных
- Анализ текстовых данных
Элементы контроля
- Решение задач на программирование
- Самостоятельная работа
- Самостоятельная работа
- Решение задач на программирование
- Перекрестное рецензирование работ других студентов (дисциплина)
- Перекрестное рецензирование работ других студентов (качество)
- Перекрестное рецензирование работ других студентов (дисциплина)
- Решение задач на программирование
- Перекрестное рецензирование работ других студентов (качество)
- Самостоятельная работа
Промежуточная аттестация
- 2024/2025 4th module0.05 * Перекрестное рецензирование работ других студентов (дисциплина) + 0.05 * Перекрестное рецензирование работ других студентов (дисциплина) + 0.15 * Перекрестное рецензирование работ других студентов (качество) + 0.15 * Перекрестное рецензирование работ других студентов (качество) + 0.025 * Решение задач на программирование + 0.05 * Решение задач на программирование + 0.025 * Решение задач на программирование + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа + 0.1 * Самостоятельная работа
Список литературы
Рекомендуемая основная литература
- Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
- Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
- Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
- Python и анализ данных, Маккинни, У., 2015
Рекомендуемая дополнительная литература
- R in action : Data analysis and graphics with R, Kabacoff, R. I., 2011
- The art of R programming : a tour of statistical software design, Matloff, N., 2011