程式設計
在程式設計的系列文章中，透過 Python 在金融領域、計量分析、財務工程上的應用，讓大家知道如何實作金融商品定價、風險計算、風險視圖繪製，以及複雜投資組合的損益分析；此外，也包含如何提升效率的運算技巧等相關研究。
最新文章
xCloud 部署 Jupyter Notebook 實戰：整合 Docker、Cloudflare 與 Nginx 反向代理
傳統 SSH 部署太繁瑣？本文實戰示範如何透過 xCloud 面板結合 Docker，在 20 分鐘內完成 DigitalOcean 主機上的 Jupyter Notebook 雲端環境搭建，並整合 Cloudflare SSL 與 Nginx 反向代理，打造高效安全的量化開發平台。
程式設計系列文章
xCloud 部署 Jupyter Notebook 實戰：整合 Docker、Cloudflare 與 Nginx 反向代理
傳統 SSH 部署太繁瑣？本文實戰示範如何透過 xCloud 面板結合 Docker，在 20 分鐘內完成 DigitalOcean 主機上的 Jupyter Notebook 雲端環境搭建，並整合 Cloudflare SSL 與 Nginx 反向代理，打造高效安全的量化開發平台。
《Python – 建立 Jupyter Notebook 雲端開發環境》上篇：DigitalOcean Droplet 設定
DigitalOcean 的 Droplets 是用 Linux 作業系統建立的虛擬機器，對於多數只熟悉 Windows 的使用者來說，如果想要使用 Droplet 建立 Jupyter Notebook 環境進行 Python 程式開發，請參考本系列文章的第一篇：加密金鑰的準備以及建立 Droplet 雲端主機。
Python 實戰：如何用 Matplotlib 繪製選擇權 3D 風險曲面 (Delta/Gamma)？
Description 想掌握選擇權投資組合的風險分佈？本文提供 Python 完整程式碼，教您計算 Delta 與 Gamma，並使用 Matplotlib mplot3d 繪製專業的 3D 風險曲面 (Risk Profile Surface)。
《程式交易、演算法交易的迷思》－2－知識的價值
如果對交易、程式/演算法/計量交易有興趣，但確實又無法對交易員求「道」之路感興趣的人，還記得這句話嗎? 說穿了，這類利用技術、知識不對等的條件取得獲利先機的機會終究是短暫的。即使是短暫，但確實是可行的。但這需要深厚的金融交易、理論知識，甚至是技術知識。並且需要持續的精進、研究最新領域的知識才有可能掌握這樣的獲利機會。
《程式交易、演算法交易的迷思》－1－交易的本質
Python 的崛起，程式語言使用人數日益擴大進而使得 Python 的套件、應用領域更為廣泛且深入。因為機器學習、深度學習在其他領域的成功，也開始有人嘗試拿來運用在金融領域，甚至一些起步快的投銀交易部門、避險基金也早已經使用較為原始的概念進行分析、交易。
Python 金融工程實戰：如何用 Black-Scholes 模型評價 ELN 與 PGN？
想用 Python 建立結構型商品評價模型？本文提供完整的 Black-Scholes 物件導向程式碼，手把手教您計算 ELN (股權連結商品) 與 PGN (保本型商品) 的理論價值與百元價。
Python 選擇權視覺化教學：用 Matplotlib 繪製 Vanilla 與 Exotic Option 損益圖
想用 Python 分析金融商品？本文提供完整的物件導向 (Class) 程式碼，教您如何定義選擇權物件，並使用 Matplotlib 繪製出 Plain Vanilla, Digital Option 以及複雜的 Wedding Cake 結構型商品損益圖。