学完这些课程后，我对创建专业的可视化图表和仪表板充满信心
Shoebur Rahman采购专员，Giz Bangladesh
课程简介
在银行、保险和资产管理行业中，采用定量风险管理来管理风险至关重要。金融风险分析师、监管者和精算师需要能够用量化方式在回报与风险敞口之间取得平衡。本课程将通过回顾 2007—2008 年金融危机及其对高盛、摩根大通等投行的影响，引导您入门金融投资组合的风险管理。您将学习如何使用 Python 通过在险价值（Value at Risk，VaR）和条件在险价值（Conditional Value at Risk，CVaR）来计算并缓释风险敞口，使用蒙特卡罗模拟等技术评估风险，并运用神经网络等前沿技术开展投资组合的实时再平衡。
先修要求
课程体系
课程大纲
1
风险与回报回顾
风险管理始于对风险与回报的理解。我们将回顾风险与回报的相互关系，识别风险因子，并以此重新认识现代投资组合理论在 2007—2008 年全球金融危机中的应用。
2
目标导向的风险管理
现在是用 VaR（在险价值）和 CVaR（条件在险价值）等风险度量来扩展您的投资组合优化工具箱的时候了。为此，您将使用包括 pandas、scipy 和 pypfopt 在内的专业 Python 库。您还将学习如何利用 Black–Scholes 模型为期权投资组合进行对冲，从而降低风险敞口。
3
风险估计与识别
在本章中，您将使用参数估计和历史真实世界数据来估计风险度量。接着，您将了解蒙特卡罗模拟如何帮助预测不确定性。最后，通过理解结构性突变以及如何识别它们，您将学习到全球金融危机如何表明随机性本身正在发生变化。
4
高级风险管理
现在是探索更通用的风险管理工具的时候了。这些高级技术对于理解极端事件（例如金融危机期间产生的损失）以及可能违背传统估计技术的复杂损失分布至关重要。您还将了解如何实现神经网络来近似损失分布，并进行投资组合的实时优化。
Python 中的定量风险管理
课程已完成
