Python in Finance

Το πρόγραμμα αναφέρεται σε μια σειρά ζητημάτων της χρηματοοικονομικής επιστήμης, τα οποία εφαρμόζονται σε υπολογιστικό περιβάλλον Python. Η Python είναι μια απλή, αλλά ταυτόχρονα πολύ ισχυρή, γλώσσα προγραμματισμού που είναι προϊόν ελεύθερου και ανεξάρτητου λογισμικού (open source), ενώ υπάρχει ένας τεράστιος αριθμός από βιβλιοθήκες συναρτήσεων για κάθε χρήση. Η Python είναι μια γλώσσα προγραμματισμού με απλό συντακτικό, επεκτάσιμη και ενσωματώσιμη, καθώς μπορεί να επεκταθεί περιλαμβάνοντας κομμάτια κώδικα γραμμένα σε άλλη γλώσσα, ενώ επίσης κομμάτια κώδικα γραμμένα σε Python μπορούν να ενσωματωθούν σε άλλη γλώσσα.

Στο συγκεκριμένο πρόγραμμα αρχικά γίνεται μια εκτενής εισαγωγή σε βασικές έννοιες και εντολές της Python με στόχο την εξοικείωση και γνώση των λέξεων-κλειδιών, των προσδιοριστών, των μεταβλητών και των τύπων δεδομένων που χρησιμοποιεί η συγκεκριμένη γλώσσα προγραμματισμού.

Στη συνέχεια παρουσιάζονται μια σειρά από εφαρμογές σε θέματα όπως:

α) Ποσοτικής Χρηματοοικονομικής,

β) Εκτίμηση Χρηματοοικονομικών Κινδύνων σε περιβάλλον Python & Εφαρμογές,

γ) Παράγωγα Χρηματοοικονομικά Προϊόντα (Συμβόλαια Μελλοντικής Εκπλήρωσης & Προθεσμιακά Συμβόλαια, Συμφωνίες Ανταλλαγής, Δικαιώματα Προαίρεσης),

δ) Αποτίμηση Χρηματοοικονομικών Παραγώγων,

ε) Διαχείριση Χαρτοφυλακίου,

στ) Εμπειρικές εφαρμογές με πραγματικές χρονολογικές σειρές και δεδομένα.

Σε επίπεδο γνώσεων:

• Κατανόηση της Python ως Γλώσσας Προγραμματισμού
• Εξοικείωση με τον τρόπο που υλοποιεί και χειρίζεται η Python τα βασικά της στοιχεία, όπως μεταβλητές, εκφράσεις, εντολές και συναρτήσεις
• Κατανόηση των Δομών Δεδομένων (Λίστες, πλειάδες και λεξικά).
• Χρήση των βιβλιοθηκών της Python (Pandas, NumPy).
• Δυνατότητα προεπεξεργασίας και προετοιμασίας δεδομένων, οπτικοποίησης δεδομένων και περιγραφικές ανάλυσης δεδομένων.

Σε επίπεδο δεξιοτήτων:

• Χρήση με αποτελεσματικό τρόπο της γλώσσας προγραμματισμού Python.
• Εκτέλεση βασικών εργασιών ανάλυσης δεδομένων σε Python.
• Επεξεργασία δεδομένων με τρόπο που να οδηγεί σε χρήσιμες και αξιοποιήσιμες πληροφορίες
• Χρήση διαφορετικών τεχνικών οπτικοποίησης δεδομένων

Σε επίπεδο ικανοτήτων:

• Επίλυση προβλημάτων διαχείρισης και ανάλυσης δεδομένων.
• Ενίσχυση της παραγωγικότητας μέσω της δημιουργίας ολοκληρωμένων προγράμματων σε Python

Στο πρόγραμμα θα γίνει επίσης εκτενής χρήση των «ελεύθερα» διατιθέμενων Ηλεκτρονικών Ακαδημαϊκών Συγγραμμάτων:

• Manis, G. (2015). Εισαγωγή στον Προγραμματισμό με αρωγό τη γλώσσα Python Kallipos, Open Academic Editions από τη σελίδα του Κάλλιπου στον ηλεκτρονικό σύνδεσμο: http://hdl.handle.net/11419/2745
• Magoutis, K., & Nikolaou, C. (2015). Εισαγωγή στον αντικειμενοστραφή προγραμματισμό με Python. Kallipos, Open Academic Editions από τη σελίδα του Κάλλιπου στον ηλεκτρονικό σύνδεσμο: http://hdl.handle.net/11419/1708

Υπάρχουν επίσης διαθέσιμες παρουσιάσεις Power point στο e-class του προγράμματος.

• Συνολικές 200 ώρες (Διάρκεια 4 μήνες)
• Ώρες δια ζώσης 70
• Ώρες σύγχρονης εξ αποστάσεως 70
• Ώρες ασύγχρονης εξ αποστάσεως 60

Η αξιολόγηση του μαθήματος θα γίνει μέσω εργαστηριακών ασκήσεων

Το πρόγραμμα απευθύνεται σε αποφοίτους δευτεροβάθμιας εκπαίδευσης και ΔΕΝ έχει ως προϋπόθεση γνώσεις προγραμματισμού.

1. Φάσσας Αθανάσιος, Αναπληρωτής Καθηγητής, Παν. Θεσσαλίας /Χρηματοοικονομικές Επενδύσεις
2. Τσάκαλος Ιωάννης, Επίκουρος Καθηγητής, Παν. Θεσσαλίας / Χρηματοοικονομική των Επιχειρήσεων
3. Παπαδάμου Στέφανος, Καθηγητής, Παν. Θεσσαλίας / Νομισματική και Τραπεζική Οικονομική
4. Δαλαμάγκας Ιωάννης, ΕΔΙΠ, Παν. Θεσσαλίας/ Πληροφορική με έμφαση στις χρηματοοικονομικές εφαρμογές
5. Γκόνης Βασίλειος, Υποψήφιος Διδάκτωρ, Τμήμα Λογιστικής και Χρηματοοικονομικής, Πανεπιστήμιο Θεσσαλίας/ Εφαρμογές μηχανικής μάθησης στη Χρηματοοικοοικονομική
6. Πουταχίδου Νικολέττα, Υποψήφια Διδάκτωρ, Τμήμα Οικονομικών Επιστημών, Πανεπιστήμιο Θεσσαλίας