Чему вы научитесь
- Работать с рыночными данными напрямую: yfinance и MOEX ISS API дадут вам котировки любого инструмента за несколько строк кода — без Bloomberg, без ручных выгрузок.
- Освоить pandas на финансовых задачах: фильтрация, агрегация и сводные таблицы — всё то, что занимает часы в Excel, будет работать за секунды и воспроизводиться одной кнопкой.
- Рассчитывать ключевые метрики риска: коэффициент Шарпа и Сортино, исторический и параметрический VaR, максимальную просадку, матрицу корреляций — на реальном портфеле из российских и зарубежных акций.
- Создавать автоматические Excel- и PDF-отчёты с помощью openpyxl и reportlab и настраивать их запуск по расписанию — отчёт приходит в почту в 8:00 без вашего участия.
- Применять ML к финансовым данным без математической перегрузки: кредитный скоринг, прогнозирование доходности, обнаружение аномалий в транзакциях — с объяснением, почему именно эта модель, а не альтернативы.
- Собрать итоговый проект — полноценную аналитическую систему по портфелю, которую можно показать на собеседовании.
О курсе
Для кого этот курс
Начальные требования
Специальная подготовка в программировании не нужна — курс рассчитан на старт с нуля по Python.
Нужно базовое понимание финансов: что такое доходность, риск, акция, портфель. Курс не объясняет финансы — он объясняет, как считать финансовые метрики на Python.
Достаточно уверенной работы с Excel на уровне пользователя: формулы, фильтры, сводные таблицы.
Для прохождения понадобятся компьютер с доступом в интернет и установленный Python 3.10+ — установку разберём в первом уроке.
Преподаватели курса
9
Как проходит обучение
Обучение построено поэтапно: от базового синтаксиса через работу с данными к портфельному анализу, автоматизации и машинному обучению. Каждый модуль закрывает одну конкретную задачу финансового аналитика — не абстрактную тему из учебника.
Каждый урок устроен одинаково: сначала объяснение концепции на финансовом примере, затем код по частям с пояснением каждого решения, потом практическая задача с автопроверкой. Никаких блоков «угадай что происходит» — каждый шаг разобран, каждый выбор обоснован.
Практические задания используют реальные данные: котировки SBER, LKOH, GAZP, YNDX, данные IMOEX. Вы решаете задачи, которые встречаются в реальной работе — не специально придуманные учебные кейсы.
Итоговый проект шестого модуля — самостоятельная аналитическая система: загрузка данных, расчёт метрик, автоматический отчёт. Его можно положить в портфолио и показать на собеседовании.
Что вы получите
- Рабочий Python-стек финансового аналитика: pandas, numpy, yfinance, MOEX ISS API, openpyxl, reportlab, sklearn — не список знакомых названий, а реально применяемый инструментарий.
- Умение получать рыночные данные из MOEX и мировых рынков без ручных выгрузок и платных терминалов.
- Готовые скрипты для расчёта коэффициента Шарпа, Сортино, VaR и максимальной просадки — которые можно сразу запустить на своих данных.
- Автоматизацию ежемесячных отчётов: один скрипт заменяет несколько часов ручной работы в Excel каждый месяц.
- Понимание того, как применять ML к финансовым данным — с объяснением выбора модели, а не просто «вставьте и запустите».
- Итоговый проект для портфолио — аналитическую систему по портфелю, которую не стыдно показать.
- Уверенность в том, что Python — это не «ещё один язык», а инструмент, который уже сейчас меняет то, как работают финансовые аналитики.