Python for Finance

Autor: Yves Hilpisch | Jahr: 2014 | Verlag: O'Reilly Media

Kernthesen

1. Python hat sich von einer Nischensprache zur zentralen Technologie im Finanzbereich entwickelt — Bank of America (Quartz), JP Morgan (Athena) nutzen es strategisch.
2. Finanztheorie und Python-Implementierung gehören zusammen — das Buch lehrt, Theorie in ausführbaren Code zu übersetzen.
3. Die Scientific-Python-Stack (NumPy, SciPy, pandas, matplotlib) ist das vollständige Werkzeugset für quantitative Finanzanalyse.
4. Monte-Carlo-Simulation ist das universellste Bewertungsverfahren für komplexe Derivate, wenn analytische Formeln versagen.
5. Die IPython Notebook Umgebung ist der ideale Arbeitsplatz für iterative Finanzmodellierung.

Methoden & Konzepte

• Black-Scholes in Python: Analytische Optionsbewertung mit NumPy
• Monte Carlo Simulation: Geometrische Brownsche Bewegung, Pfad-Simulation
• DX Analytics: Hilpisch's eigene Python-Derivate-Bibliothek
• pandas für Finanzdaten: OHLCV-Daten, Renditeberechnungen, Sharpe Ratio
• Stochastische Prozesse: GBM, Jump Diffusion, Heston Stochastic Vol
• Portfolio Optimierung: Markowitz Mean-Variance mit SciPy Optimizer
• Backtesting Framework: Einfache Trend-Following-Systeme in Python

Schlüsselzitate

"In 2014, Python is used by large financial institutions strategically for core IT systems — it is no longer exotic."

Bewertung

Für den Trader/Investor: Das erste umfassende Lehrbuch zu Python im Finanzbereich — von Optionsbewertung bis Portfolio-Optimierung. Direkt anwendbar für Quant-Trader und Derivate-Professionals. Einzigartiger Beitrag: Verbindet quantitative Finanztheorie (Derivate, Stochastik, Portfolio) mit praktischer Python-Implementierung — Pionierwerk des Python-Quant-Finance Ökosystems.