Technology

รายชื่อหนังสือสำหรับนักวิเคราะห์เชิงปริมาณ: Python Programming

2025-05-05 06:50:21

โพสต์นี้เป็นส่วนหนึ่งของชุดรายชื่อหนังสือสำหรับนักวิเคราะห์เชิงปริมาณมือใหม่ โดยโพสต์อื่นๆ ในชุดนี้จะเน้นไปที่ Derivatives Pricing, C++ Programming และ Numerical Methods:

ปัจจุบัน Python ได้กลายเป็นภาษาหลักในวงการการเงินเชิงปริมาณ (quant finance) ใช้งานอย่างแพร่หลายในทั้งธนาคารเพื่อการลงทุน (investment banks) และกองทุนเฮดจ์ฟันด์เชิงปริมาณ (quantitative hedge funds) ทั้งสำหรับงานวิจัยและการนำไปใช้งานจริง ถึงแม้ C++ จะยังมีบทบาทสำคัญในระบบกำหนดราคาผลิตภัณฑ์อนุพันธ์ (derivatives pricing libraries) ที่มีความสำคัญสูง แต่ก็มักถูก "wrap" ด้วย Python เพื่อให้การสร้างโมเดลสำหรับนักวิเคราะห์หรือนักวิจัยทำได้ง่ายขึ้น

บทความนี้เขียนขึ้นสำหรับผู้ที่ต้องการเริ่มต้นเป็นนักวิเคราะห์เชิงปริมาณ และสำหรับผู้ที่เพิ่งเริ่มต้นทำงานแต่ยังไม่มีพื้นฐาน Python โดยแนะนำหนังสือเรียนตั้งแต่ระดับเริ่มต้นจนถึงระดับกลาง

เหตุผลที่ควรเรียน Python สำหรับสาย Quant

เดิมที Python ถูกใช้เป็นภาษา "scripting" หรือ "glue language" เพื่อเชื่อมระบบขนาดใหญ่ (เช่น C++ หรือ Java) แต่เมื่อภาษาและไลบรารีทางวิทยาศาสตร์ (scientific libraries) เติบโตขึ้น การใช้งาน Python ก็แพร่หลายมากขึ้น จนปัจจุบันบางบริษัทเชิงปริมาณใช้ Python เป็นภาษาเดียวสำหรับทั้งการวิจัยและการนำไปใช้จริง

ข้อดีของ Python:

เขียนโค้ดน้อยลง — โค้ด Python มักสั้นกว่า C++ หรือ Java ถึง 4 เท่า
ไม่ต้องคอมไพล์ (interpreted) — สามารถพัฒนาโค้ดแบบโต้ตอบได้ทันที
มีไลบรารีจำนวนมาก — ครอบคลุมด้าน data science, web, scientific computing, quantitative finance ฯลฯ
รองรับหลายแพลตฟอร์ม (cross-platform) — รันได้บน Windows, macOS, Linux แทบไม่ต้องแก้ไข
เชื่อมกับภาษาอื่นได้ง่าย (interoperability) — เรียกใช้ C, C++, Fortran, Java, R ได้
โอกาสในอาชีพ — Python เป็นหนึ่งในภาษาที่เป็นที่ต้องการสูงที่สุดทั้งในด้านวิจัยและพัฒนาซอฟต์แวร์

เริ่มต้นเรียน Python ยังไง?

นอกจากหนังสือแล้ว ยังมีหลายเครื่องมือช่วยเขียนโค้ด Python เช่น:

PyCharm (โดย JetBrains) — เน้นพัฒนาซอฟต์แวร์จริงจัง
VSCode (โดย Microsoft) — ใช้งานได้อเนกประสงค์
JupyterLab — เหมาะสำหรับงานวิจัยแบบ interactive

หนังสือแนะนำสำหรับผู้เริ่มต้น Python

Python Crash Course, 2nd Ed. — Eric Matthes

แบ่งเนื้อหาเป็นสองส่วน: ส่วนแรกสอน syntax พื้นฐาน, lists, dictionaries, control flow (if, loop), function, class ส่วนที่สองทำโปรเจกต์จริง 3 ชิ้น เหมาะสำหรับผู้เริ่มต้นโดยแท้จริง

Automate the Boring Stuff with Python, 2nd Ed. — Al Sweigart

ครอบคลุมเนื้อหาคล้าย Python Crash Course แต่โปรเจกต์เน้นงานที่เกี่ยวข้องกับการเงิน เช่น การเชื่อม Python กับ Excel, การทำงานกับไฟล์ JSON, CSV เป็นต้น

หนังสือ Python สำหรับนักวิเคราะห์เชิงปริมาณที่มีประสบการณ์

Python for Data Analysis, 2nd Ed. — Wes McKinney

เขียนโดยผู้สร้างไลบรารี Pandas เน้นการทำงานกับข้อมูล series เช่น interpolation, resampling, rolling statistics — ซึ่งจำเป็นมากในงาน quant

Python for Finance, 2nd Ed. — Yves Hilpisch

ครอบคลุม Python เบื้องต้น ไลบรารีที่มีประโยชน์ และในส่วนท้ายเน้นการสร้างระบบกำหนดราคาผลิตภัณฑ์อนุพันธ์ (derivatives pricing engines)

Derivatives Analytics with Python — Yves Hilpisch

เจาะลึกการประยุกต์ Python ในงานกำหนดราคาผลิตภัณฑ์อนุพันธ์ พร้อมสคริปต์ตัวอย่าง

Fluent Python — Luciano Ramalho

สำหรับผู้ที่ต้องการเรียน Python ระดับสูง (เหมาะกับผู้เขียนโค้ดจริงจัง) แม้จะเน้นนักพัฒนาซอฟต์แวร์มากกว่านักวิเคราะห์เชิงปริมาณ แต่เนื้อหาส่วนใหญ่ยังมีประโยชน์อย่างมากสำหรับ quant