Website of George Pashev (Jidai Mirai)
Scientist, Programmer, Data Scientist, Enterpreneur
Python за Fintech разработка
Нова Избираема дисциплина:
Python за Fintech разработка
Направление: 4.6 Информатика
Основна информация
- Хорариум: 20 часа лекции + 20 часа упражнения
- Кредити: 4 ECTS
- Семестър: 6-ти семестър (3-та година)
- Предварителни изисквания: Програмиране с Python (базово ниво), Бази данни, Структури от данни и алгоритми
Анотация
Дисциплината "Python за Fintech разработка" подготвя студентите за работа като Python разработчици във финансово-технологичния сектор. Курсът комбинира задълбочено изучаване на Python екосистемата за анализ на данни с практически умения за back-end разработка и количествени методи за финансови приложения.
Учебно съдържание
Модул 1: Advanced Python и Data Science (8 часа лекции, 8 часа упражнения)
- Работа с NumPy, Pandas и SciPy за анализ на финансови данни
- Асинхронно програмиране с asyncio за high-frequency trading
- Паралелна обработка на данни и оптимизация
- Python best practices и clean code в контекста на fintech приложения
Модул 2: Бази данни и съхранение (6 часа лекции, 6 часа упражнения)
- Работа с Oracle Database за финансови транзакции
- MongoDB и NoSQL решения за big data анализ
- Оптимизация на заявки и индексиране
- Интеграция на различни storage решения
Модул 3: Количествени методи и финанси (6 часа лекции, 6 часа упражнения)
- Анализ на времеви редове и финансово моделиране
- Risk management и portfolio optimization
- Machine learning за предсказване на пазарни тенденции
- Автоматизирана търговия и алгоритмични стратегии
Методи на преподаване
- Интерактивни лекции с практически примери от реалния финтех сектор
- Лабораторни упражнения с актуални технологии
- Работа по проекти, симулиращи реални финтех решения
- Гост-лектори от водещи fintech компании
Форми на оценяване
Финален проект: 40%
Практически задачи: 30%
Теоретичен тест: 20%
Активност: 10%
Очаквани резултати
- Професионално ниво на Python програмиране за fintech приложения
- Практически опит с анализ на финансови данни и количествени методи
- Умения за работа с различни бази данни и системи за съхранение
- Разбиране на финансовите концепции и алгоритмична търговия
- Готовност за работа в международен екип
Литература
- McKinney, W. (2022). Python for Data Analysis, 3rd Edition. O'Reilly Media
- Hilpisch, Y. (2021). Python for Algorithmic Trading. O'Reilly Media
- Yves Hilpisch. (2020). Artificial Intelligence in Finance. O'Reilly Media
- Hull, J. C. (2020). Machine Learning in Business: An Introduction to the World of Data Science. Cambridge University Press
- Избрани научни статии и технически документации
Техническо осигуряване
- Модерна компютърна лаборатория с необходимия софтуер и хардуер
- Високоскоростна интернет връзка
- Достъп до специализирани финансови APIs и данни
- Cloud инфраструктура за обработка на големи обеми данни
Софтуерни инструменти
- Python 3.x и специализирани библиотеки (NumPy, Pandas, SciPy)
- Oracle Database Enterprise Edition
- MongoDB Enterprise
- Jupyter Notebooks/Lab
- Git и системи за контрол на версиите
- PyCharm Professional Edition или Visual Studio Code
fulltext