Pythonによる定量的分析ワークフロー：データから再現可能な結果まで

Pythonにおける定量的分析は、個々のツールが信頼性の高いワークフローに組み合わさることで強力になります。データの取り込み方、中間結果の保存方法、共同作業者とのコード共有方法、そして数ヶ月後に結果を再現する方法はすべて、あなたの仕事が毎週積み重なるか、静かにリセットされるかを決定します。このコースでは、それらの選択肢を構造化された方法で解説します。 小規模なクオンツチームが再現可能な分析ワークフローを計画する方法を模倣した、記述式の設計演習に取り組みます。データが毎日更新され、要件が変化し、結果が正当化される必要がある場合に重要な、実践的なトレードオフに重点を置きます。 学習内容： - 市場データフィード、内部データベース、外部ソースからのデータ取り込みの計画 - 収益率、ボラティリティ、ローリング統計を含む時系列分析のための特徴量エンジニアリング - プロトタイピングノートブックから再利用可能なPythonパッケージへの移行を伴うモデリングワークフローの構築 - 再現可能な結果のためのバージョン管理、環境管理、依存関係の固定の適用 - 生存バイアス、先見バイアス、取引コストを処理するバックテストフレームワークの設計 - 定量的レビューとステークホルダーコミュニケーションの両方をサポートするレポート作成の構築 コースは、データ取り込みから特徴量エンジニアリング、モデリング、バックテスト、レポート作成へと進みます。最終的な記述式演習では、特定の定量的分析プロジェクトの1ページワークフロー設計案を作成します。 このコースは、Pythonの経験があり、定量金融分野に参入するアナリストや開発者、またはソフトウェアエンジニアリングの習慣を強化したいクオンツを対象としています。バックテストの経験は不要です。コースではワークフローを設計問題として扱い、情報提供に徹します。特定の状況に対する投資アドバイスは提供しません。