Financial Modeling in Python

摘要：

很開心能來到 Taichung.py 分享一點財務建模的心得。在這次的分享裡，我會介紹以下主題:

1. 開發資產組合時，常用的機器學習演算法

交易不外乎是兩個大哉問：擇時、擇股。透過某些機器學習演算法，可以幫助我們解答這兩個問題。這裡我會介紹一些我常用的模型，像是：Principle Component Analysis、Linear Discrimination、Linear Regression、Hierarchy Cluster Analysis 等等，並且提出一些可能的應用作為範例。

2. 犯什麼錯會讓你賠錢？常見的錯誤

在開發資產組合時，如果沒有注意，很容易會發生一些常見錯誤，像是： survival bias、looking-forward bias、overfitting 等等，其中我認為最難解決也最令人害怕的是 overfitting，這邊我會提出一些可能的解法。

3. 常用的 Python 套件

最後是我會跟大家分享，平常在開發資產組合時，手邊常用的工具，像是：IPython、pandas、SciPy、NumPy、matplotlib、Seaborn、scikit-learn、Statsmodels。（當然 R 也是很好用的啦XD）

講者簡介

Yen，目前任職於本土避險基金財務工程師。目前她的工作涵蓋：多因子模型的建構、資料 Extract-Transform-Load、機器學習、以及各種數值分析。她熱衷於參與 open source 社群活動，特別是與 Python 或 R 有關的活動，是 TW R-Ladies 的發起人之一，並且也是PyCon 2015的講者。