σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimizationمسار Time Seriesمسار Stochastic Calculusمسار Bayesian Inferenceمسار Hidden Markov Modelsمسار Particle filtering and non-stationary time seriesمسار scikit-learnمسار statsmodelsمسار SciPy
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
المسارات›SciPy

SciPy المسار

متاحابدأ من هنا

SciPy هي صندوق الأدوات خلف معظم شيفرة المالية العددية. تعلّم هذه المهارة الأجزاء التي يستعملها الكوانت كل أسبوع مع اختبارات قصيرة (أرقام تحسبها وخطوات ترتبها وأدوات تطابقها) وأمثلة مالية: لماذا يقلّل المنحنى الطبيعي من خسارة 1%، وكيف تجد طريقة نيوتن وطرائق الحصر عائد سند، وماذا تفعل الخسارة المتينة بسعر شاذ، ولماذا لا تُستقرأ الشريحة التكعيبية، وكيف يصير المنحنى الآجل معامل خصم، ولماذا يحتاج بلاك–شولز إلى الدالة الطبيعية والفيغا، ولماذا نحل بدل أن نعكس، ومتى يفيد التخزين المتفرق، ولماذا لا يمكن تداول مرشح صفري الطور، وكيف تخطط المجموعات التنويع. والمشروع الختامي مختبر برمجي تبني فيه منحنى نيلسون–سيغل وأسعار السندات وعوائدها والتقلبات الضمنية وملاءمة الابتسامة وتشغّلها على بيانات حقيقية.

3 وحدات14 مختبرًا مصححًا~11 ساعةمتوسط → متقدم
ابدأ المسار

المتطلبات المسبقة

يُتوقع إلمام بـ Python وNumPy مع حساب التفاضل والتكامل بمستوى المدرسة وإحصاء أساسي.

  • Python

المنهج

14 موضوعًا · افتح أي موضوع بالترتيب الذي تريده
  1. 1التوزيعات والملاءمة مع scipy.statsلم يبدأ45 دابدأ
  2. 2مختبر: ملاءمة توزيعات العائد واختبار الملاءمةلم يبدأ45 دابدأ
  3. 3مختبر: اختبارات الفرضيات والبوتسترابلم يبدأ45 دابدأ
  4. 4التصغير وإيجاد الجذورلم يبدأ50 دابدأ
  5. 5مختبر: محافظ مقيّدة باستعمال minimizeلم يبدأ50 دابدأ
  6. 6المربعات الصغرى وملاءمة المنحنياتلم يبدأ50 دابدأ
  1. 7الاستيفاء والشرائح للمنحنياتلم يبدأ45 دابدأ
  2. 8التكامل مع quad وحلّالات المعادلات التفاضليةلم يبدأ45 دابدأ
  3. 9الدوال الخاصة في تسعير الخياراتلم يبدأ40 دابدأ
  1. 10أساسيات الجبر الخطي في scipy.linalgلم يبدأ45 دابدأ
  2. 11المصفوفات المتفرقةلم يبدأ45 دابدأ
  3. 12ترشيح الإشارات والأطيافلم يبدأ50 دابدأ
  4. 13المسافات المكانية والتجميعلم يبدأ40 دابدأ
  5. 14المشروع الختامي: معايرة منحنى عائد نيلسون–سيغل وابتسامة التقلبلم يبدأ1 س 30 دابدأ

الإكمال

انجح في 14 مختبرًا بدرجة 70 فأكثر لإكمال المسار والحصول على شارة SciPy في ملفك الشخصي.

0 / 140%

المتطلبات المسبقة

يُتوقع إلمام بـ Python وNumPy مع حساب التفاضل والتكامل بمستوى المدرسة وإحصاء أساسي.

  • Python

الأدوات التي ستستخدمها

PythonSciPyNumPypandaspytest

ما الذي ستتعلمه

  • ملاءمة توزيع بـ scipy.stats وقراءة كمّياته ورؤية كيف تغيّر الذيول السميكة قيمة معرّضة للخطر
  • تصغير الدوال وإيجاد الجذور للحصول على عوائد السندات والتقلبات الضمنية
  • ملاءمة منحنيات بالمربعات الصغرى واستيفاؤها وتكاملها وتحويل منحنى آجل إلى معاملات خصم
  • استعمال الدوال الخاصة والجبر الخطي والمصفوفات المتفرقة لتسعير الخيارات ومحاكاة عوائد مترابطة
  • ترشيح السلاسل دون النظر إلى المستقبل وتجميع الأصول بالارتباط
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimizationمسار Time Seriesمسار Stochastic Calculusمسار Bayesian Inferenceمسار Hidden Markov Modelsمسار Particle filtering and non-stationary time seriesمسار scikit-learnمسار statsmodelsمسار SciPy
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
تسجيل الدخولانضم ↗
تسجيل الدخول