Sytuacja kobiet w IT w 2024 roku
30.06.20204 min
Adrian Kamiński
Codemy S.A.

Adrian KamińskiAnalityk finansowy / Ekspert Data ScienceCodemy S.A.

Zastosowanie Pythona w finansach

Sprawdź, jakie zastosowanie w finansach oraz analizie i wizualizacji danych ma Python.

Zastosowanie Pythona w finansach

Python od jakiegoś czasu konsekwentnie szturmuje branżę IT, podbijając kolejne rankingi. Jest także technologią coraz bardziej cenioną w świecie wielkich pieniędzy, bo - najprościej mówiąc - pomaga w ich zarabianiu. Dzięki temu coraz cenniejsi stają się też pythonowcy.

W najnowszym raporcie Stack Overflow w kategorii najpopularniejszych technologii, Python zajmuje 4. miejsce. Spośród ponad 57 tys. developerów wskazało go ponad 44%. Wyżej znalazły się tylko JavaScript, HTML/CSS i SQL. Z kolei w rankingu najpopularniejszych bibliotek znajdziemy m.in. Pandas (15,5% - trzecie miejsce), czyli biblioteka napisana do Pythona, służąca analizie danych. To jednak nie koniec. Python zajął też 3. miejsce w zestawieniu najbardziej lubianych języków (66,7%), a wyprzedziły go jedynie Rust i TypeScript. Jednak już w rankingu najbardziej poszukiwanych języków był bezkonkurencyjny i zajął najwyższe miejsce na podium. Z kolei na Githubie jest w czołówce pod względem liczby publikowanych projektów.

Z czego wynika popularność Pythona?

Do 2018 roku Python cechował tzw. trend boczny. Dopiero od 2 lat można obserwować wyraźne wybicie, czego główną przyczyną jest rozwój Data Science, czyli nauki o danych. Python stosowany jest w bardzo wielu obszarach. Znajdziemy w nim zastosowanie zarówno dla Web Developmentu, tworzenia skryptów automatyzujących, web-scrappingu i testowania oprogramowania. Dostępny na różnych platformach (Windows, Linux i Mac OS), posiadający rozbudowany pakiet bibliotek oraz narzędzi wspierających,

Jest jednak również “dobrze skrojony” właśnie pod analizę danych, co jest szczególnie cenione w środowiskach akademickich. Składnia Pythona pozwala przekształcić właściwie każdą instrukcję matematyczną do kodu. Python jest przyjazny matematyce, a przez to dobrze “rozumie się” właśnie z algorytmami finansowymi. Mówi się też, że w Pythonie można zrobić znacznie więcej i łatwiej niż w Excelu, z którego zresztą można importować dane do Pythona.

Posiada też sporo bibliotek ułatwiających analizę statystyczną. I wreszcie umożliwia wprowadzanie algorytmów machine learningowych do powiązanych z nim projektów. A stąd już płynnie możemy przejść do świata finansów, bowiem Python staje się w tym sektorze coraz większą konkurencją dla Javy C++, C#, R (często używanego zresztą w połączeniu z Pythonem).

Era Pythona w finansach

Jakie zastosowania w finansach ma Python? Banki, firmy ubezpieczeniowe, fundusze inwestycyjne, domy maklerskie… Lista jest spora, ale na pewno warto szerzej opisać tu podstawowe gałęzie. 

Po pierwsze jest to trading i zarządzanie ryzykiem, w przypadku którego wystarczy wspomnieć choćby platformę handlową Athena - rdzeń działalności JP Morgan Chase, jednego z największych holdingów finansowych na świecie. Plany na ten rok zakładały tutaj inwestycje w nowe technologie rzędu 11 miliardów dolarów. Inna ciekawostka dotyczy gigantycznego przedsięwzięcia związanego z migracją wspomnianej już Atheny z Pythona 2 do Pythona 3. Operacja rozpoczęła się w 2019 roku i dotyczy przeniesienia… 35 milionów linijek kodu.

Z Pythona chętnie korzystają również fundusze hedgingowe, których analitycy coraz częściej korzystają z tego języka, ponieważ dość szybko mogą się go nauczyć. Python jest uważany za technologię o stosunkowo niskim progu wejścia, a jego znajomość ułatwia development algorytmów, które poprawiają jakość analizy dla spółek. 

Tu warto przywołać jedną z anegdot krążących w branży. Otóż analitycy jednego z takich funduszy hedgingowych stworzyli w Pythonie algorytmy służące przeprowadzeniu próby oszacowania wyników finansowych sieci wielkopowierzchniowych sklepów. Owe wyniki chcieli jednak uzyskać jeszcze przed oficjalnym ogłoszeniem raportów przez spółkę. Przeanalizowali zatem zdjęcia satelitarne parkingów znajdujących się przy sklepach wspomnianej sieci i na podstawie wolnych i zajętych miejsc parkingowych obliczyli poziom sprzedaży.

Trzecim filarem, który nie mógłby obecnie istnieć bez nowych technologii, jest Open Banking. To tzw. otwarta bankowość, której  wprowadzenie jesienią 2019 roku umożliwiła, a właściwie wymusiła na bankach unijna dyrektywa PSD2. Jednym z udogodnień jest m.in. dostęp do wielu rachunków różnych instytucji, w których trzymamy swoje pieniądze, z jednego konta bankowego. PSD2 nałożyła na banki obowiązek do podzielenia się swoimi danymi z tzw. fintechami, a te z kolei bardzo często do analizy tych danych korzystają właśnie z Pythona, który ułatwia ich przetwarzanie i tworzenie nowych instrumentów, narzędzi czy nowej oferty.

No i wreszcie Python jako narzędzie do analizy prywatnych inwestycji. Możemy go bowiem wykorzystać także do zautomatyzowania procesu pobierania danych, np. notowań spółek, zestawiania ich ze sobą i porównania z brenchmarkiem rynkowym. W efekcie zaś wzmocnić wartość naszego portfela inwestycyjnego, a zarobione pieniądze zainwestować np. w rozwój własnych umiejętności, np. dodatkowe szkolenie z Pythona.

Analiza i wizualizacja danych z Pythonem

Metody analizy i przetwarzania danych z wykorzystaniem najnowocześniejszych rozwiązań stosowanych w Pythonie to elementy jednego ze szkoleń Kodilli. W programie kursu znalazła się nauka automatyzacji procesu zbierania i obróbki danych, wyciągania na ich podstawie wniosków i zaprezentowania ich w postaci czytelnych wizualizacji.

Zajęcia w formie online przeznaczone są dla osób, które posiadają już podstawową znajomość pythona i chcą się nauczyć m.in. umiejętność manipulacji podstawowych typów danych. Moduły składają się z: podstaw statystyki (operacje na danych w NumPy), zastosowania biblioteki Pandas (normalizacja i obróbka danych / analiza regresji), wizualizacji danych z Matplotlib, sporządzania interaktywnych wykresów i dashboardów z Plotly i Cuffilnks.

O autorze

Adrian Kamiński to Analityk finansowy i ekspert Data Science w Kodilla.com. Absolwent uczelni ekonomicznej, programista Python, analityk finansowy zajmujący się kontrolingiem finansowym i operacyjnym, wycenami przedsiębiorstw i znaków towarowych oraz doradztwem przy procesach fuzji i przejęć. Prywatnie inwestuje na giełdzie.

<p>Loading...</p>