Чему вы научитесь
- Загружать дневные котировки SBER, LKOH, GAZP и других российских акций с MOEX ISS API одной строкой кода — без брокерского терминала и без подписок
- Свободно работать с DataFrame и Series в pandas: фильтрация через .loc/.iloc/маски, группировка с pivot_table, объединение через merge и merge_asof
- Считать риск-метрики портфеля (доходность, волатильность, корреляция, beta, Sharpe, Sortino, Calmar, MDD, исторический и параметрический VaR) на портфеле из 5 российских акций за полгода
- Собирать P&L и cash-flow из выгрузки транзакций ERP через pivot — за 30 секунд вместо двух дней ручной работы в Excel
- Принимать инвестиционные решения через NPV/IRR на реальных кейсах (лизинг vs покупка) с помощью numpy_financial
- Сводить две выгрузки (банк vs учётка) на 100 000+ строк за минуты с поддержкой допусков по сумме и дате
- Строить графики уровня «отчёт на CFO»: line, waterfall (P&L bridge), candlestick — через matplotlib и plotly с аннотациями ключевых событий
- Формировать Excel-отчёт со стилями, условной заливкой, формулами и встроенными PNG-графиками автоматически через openpyxl
- Запускать ежемесячный отчёт по двойному клику или по расписанию через BAT-файл и Windows Task Scheduler (или cron под Mac/Linux)
- Превратить Jupyter-блокнот в production-готовый .py-скрипт с argparse, logging и requirements.txt
О курсе
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
Для кого этот курс
Начальные требования
- Уверенный Excel: формулы, ВПР, СУММЕСЛИМН, сводные таблицы
- Базовое представление о финансовых понятиях: P&L, доходность, NPV, Sharpe, VaR, beta — на уровне «слышал и понимаю общий смысл»
- Желательно базовое знание SQL (SELECT, WHERE, JOIN), но не обязательно
- Опыт программирования НЕ требуется — курс начинается с самого нуля
- Ноутбук с правами установки программ и около 5 ГБ свободного места на диске
- Стабильное интернет-соединение
Наши преподаватели
Как проходит обучение
Курс состоит из коротких текстовых уроков и практических заданий — без видеолекций. В каждом уроке вы читаете теорию с разбором примеров, потом сразу пишете код или отвечаете на проверочные вопросы.
Большую часть времени вы работаете в Jupyter Notebook на своём ноутбуке. Часть кодовых заданий проверяется автоматически прямо в Stepik. Тяжёлые задания (загрузка котировок MOEX, графики plotly, формирование Excel) выполняются в Google Colab или вашем локальном Jupyter — потому что Stepik не запускает сторонние библиотеки. В таких случаях вы выполняете код у себя и в Stepik вписываете полученный результат.
Темп самостоятельный, доступ к материалам бессрочный после покупки. Ориентир — 4–6 часов в неделю на 6 недель. В финале — собственный проект, который собирается из шаблонов, накопленных за курс.
Программа курса
Сертификат
Что вы получаете
- Папка с 16 готовыми Python-шаблонами под типовые финансовые задачи
- Финальный проект — рабочий ежемесячный отчёт по портфелю с автоматическим запуском, который кладётся на GitHub и в портфолио для собеседования
- Понимание границы Excel: где Excel сильнее (быстрый осмотр, общение с не-аналитиками), где умирает (200 000+ строк, повторяемость, объединение многих источников) и где pandas даёт реальный выигрыш в скорости и в возможностях
- Уверенность в чтении чужого pandas-кода: статьи на Хабре, GitHub-репозитории, документация — теперь читаются как родной язык, а не «иероглифы для разработчиков»
- Практическое мышление: как разбить любую рутинную задачу финансиста на шаги, какие шаблоны использовать, что заменить на pandas, а что оставить в Excel — это остаётся с вами и работает за пределами разобранных в курсе примеров