衍生品与量化金融(QF)

把每个模型的数学讲透,再用 Python 亲手实现、跑出来、交叉验证。

课程介绍

以 Wilmott《Paul Wilmott Introduces Quantitative Finance》为主线,走中间的硬核路线:讲透衍生品/固收/波动率模型的数学(为什么这么建模、公式怎么来、假设何时崩),再用 Python 实现并交叉验证。从二叉树到 HJM、从 BS 到蒙特卡洛。

学完你能

  • 为衍生品、固收、波动率定价,补齐金融数学
  • 把每个模型从数学到 Python 实现打通
  • 理解模型假设何时失效

与其他课程的关系

参考资料

  • 教材:Paul Wilmott《Paul Wilmott Introduces Quantitative Finance》
  • 配套代码:每讲配可运行的真实代码,见下方课程目录

在体系中的位置

量化金融能力(金融线) 量化工程能力(工程线)
⑤　RM · EX ⑤　RD-Agent
④　ER · AM · IR · FR ④　MLflow
③　QF ←你在这里 ③　qlib
②　FI · QI · AP ②　ML · ML4T
①　INV · MB ①　Pandas · OOP4

课程目录

  1. 第01讲_产品市场与无套利
  2. 第02讲_衍生品与期权语言
  3. 第03讲_二叉树模型
  4. 第04讲_资产的随机行为
  5. 第05讲_初等随机微积分
  6. 第06讲_BlackScholes方程
  7. 第07讲_偏微分方程
  8. 第08讲_BS公式与希腊字母
  9. 第09讲_波动率建模概览
  10. 第10讲_如何Delta对冲
  11. 第11讲_奇异与路径依赖期权
  12. 第12讲_多资产期权
  13. 第13讲_障碍期权
  14. 第14讲_固定收益与收益率曲线
  15. 第15讲_互换
  16. 第16讲_单因子利率模型
  17. 第17讲_收益率曲线拟合
  18. 第18讲_利率衍生品
  19. 第19讲_HJM与BGM模型
  20. 第20讲_Kelly准则与投资
  21. 第21讲_组合管理与协整
  22. 第22讲_ValueatRisk
  23. 第23讲_信用风险
  24. 第24讲_RiskMetrics与CreditMetrics
  25. 第25讲_CrashMetrics
  26. 第26讲_衍生品事故案例
  27. 第27讲_数值方法概览
  28. 第28讲_有限差分法
  29. 第29讲_蒙特卡洛模拟