Python для финансового анализа: практический курс

Большинство курсов «Python для аналитика» начинают с Iris, Titanic или цен на квартиры в Бостоне. Этот — нет. Каждый пример курса построен на реальных финансовых данных: котировках SBER, LKOH, GAZP с Московской биржи, корпоративных P&L, портфелях из 3–5 российских акций, ОФЗ и ключевой ставке ЦБ РФ. В первом модуле вы установите Anaconda, разберётесь с Jupyter Notebook и освоите тот минимум синтаксиса Python, который реально нужен для pandas — без классов, декораторов и асинхронности. Дальше — сразу pandas: главный модуль курса. К концу второго модуля у вас в копилке четыре рабочих шаблона. В третьем и четвёртом модулях курс становится про реальный портфельный анализ. Вы загружаете котировки с MOEX через apimoex, считаете доходности, корреляции и beta, Sharpe и MDD, исторический и параметрический VaR — на портфелях из российских акций. К концу четвёртого модуля у вас на руках 10 шаблонов и полный риск-профиль любого портфеля. Пятый модуль — корпоративные финансы: P&L из транзакций через pivot, NPV и IRR проектов на реальном кейсе «лизинг vs покупка грузовика», reconciliation двух выгрузок (банк vs учётка). Шестой и седьмой — визуализация (matplotlib, plotly, waterfall) и автоматизация: формирование Excel через openpyxl со стилями и встроенными графиками, превращение Jupyter в .py-скрипт, BAT-файл и Task Scheduler для запуска по расписанию. Восьмой модуль — финальный проект: собранный из 16 шаблонов курса пайплайн monthly_report.py, который ежемесячно тянет котировки, считает метрики, сравнивает с прошлым месяцем и формирует Excel + HTML-отчёт. Этот проект кладётся на GitHub и в портфолио. Бесплатные превью Урок 1.1 «Зачем финансисту Python — и почему не Excel» — точка входа в курс с первым «вау-эффектом» Урок 3.1 «MOEX ISS API — загружаем котировки одной строкой» — за 5 минут котировки SBER за 5 лет на вашем ноутбуке