「計量、風險分析」電子報
我們的文章涵蓋金融商品設計、風險案例、銀行資金系統拆解、避險策略等主題，歡迎訂閱電子報唷！
分類 程式設計
在程式設計的文章中，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，也包括如何提升效率的運算技巧。
《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 – 繪製選擇權的風險曲面 (Risk Profile)
衍生性商品的風險管理中，透過泰勒展開式將影響選擇權的風險因子 - 標的物價格 (Price)、波動率 (Volatility)、存續時間 (Time) 等拆解出來。交易選擇權時需要分析了解風險的分布以決定調整風險的時間與幅度。本文將風險係數繪製為風險曲面 (Risk Profile)。文中範例皆以 Python 編寫。
《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 – 評價結構型商品 ELN & PGN
本文將詳細說明 Structure Product Market Convention (結構型商品市場慣例) 一文中 ELN 與 PGN 實務上要如何使用模型進行評價，計算其商品的百元價或按目前計價的價值 (Mark to Market)。以下範例皆由 Python 所編寫。
Python – 繪製選擇權的收益曲線 (Payoff Diagram)
在研究、設計金融商品時，可以透過了解既有商品的特性，選擇投資人偏好的元素將之組合形成新商品；這些商品的特性包含：成本 / 收益成本與收益為一體之兩面，投資人通常會偏好帶有高收益報酬的商品；而發行商為了迎合投資人的喜好，則會需要增加其他特性來減少選擇權的成本。