Recenzja książki

Finanse i Python. Łagodne wprowadzenie do teorii finansów

Yves Hilpisch · 2022 · Helion · recenzja 28 czerwca 2026

To najłagodniejsza książka w całej naszej bibliotece i ani przez chwilę nie udaje innej. Yves Hilpisch uczy teorii finansów od zera, budując całe gospodarki z dwóch dat i dwóch możliwych stanów świata, a każde pojęcie, od wartości bieżącej netto po wycenę obojętną na ryzyko, pokazuje najpierw wzorem, a zaraz potem działającym kodem w Pythonie. Trzymamy ją u siebie nie po to, żeby ktoś się tu dowiedział, czym jest NPV. Autor sam uprzedza, że dla czytelnika z finansowym wykształceniem ta część jest łatwa, a po dwunastu latach na rynku zna się ją z rachunku, nie z podręcznika. Trzymamy ją dla jednej rzeczy, która przenosi się wszędzie: dyscypliny, w której żadna abstrakcja nie ma prawa unosić się w powietrzu, dopóki nie da się jej uruchomić i sprawdzić. Do tego dochodzi prosty porządek biblioteki: to tom fundamentowy trylogii Hilpischa, którą po polsku mamy w komplecie.

Cztery języki naszego rzemiosła

Najlepszą myśl tej książki Hilpisch wykłada już w pierwszym rozdziale, zanim padnie jakikolwiek wzór. Jego zdaniem dzisiejsze finanse to nie jedna dyscyplina, lecz cztery języki splecione w jeden, i kto chce w nich pracować poważnie, musi władać wszystkimi naraz:

Opanowanie finansów wymaga zatem zarówno od naukowca, jak i praktyka biegłego posługiwania się wszystkimi czterema językami: angielskim, finansowym, matematycznym i Pythonem.

Yves Hilpisch, Rozdział 1

Angielski, bo w nim piszą badania i wiadomości. Język finansów, bo ma własne pojęcia, których nigdzie indziej nie ma. Matematyka, bo to ona te pojęcia formalizuje. Python, bo to w nim formalizacja zamienia się w coś, co można uruchomić. Dla autora to nie cztery oddzielne kursy, tylko cztery widoki tej samej rzeczy, a jego cała metoda dydaktyczna polega na pokazywaniu ich obok siebie.

Dla nas to brzmi jak opis własnego warsztatu, tylko cudzymi słowami. System badawczy na MES (kontrakt Micro E-mini S&P 500, na którym pracujemy) żyje dokładnie w tym samym czworokącie. Po angielsku czytamy dokumentację brokera i karty kontraktów. Językiem finansów nazywamy poślizg, depozyt zabezpieczający, rollover. Matematyką liczymy oczekiwaną wartość i zmienność. A w Pythonie sprawdzamy, czy to, co policzyliśmy na kartce, zgadza się z tym, co pokazuje rachunek. Hilpisch nie odkrywa tu Ameryki, ale nazywa wprost coś, czego większość kursów tradingowych nie nazywa nigdy: że bez czwartego języka pozostałe trzy zostają opowieścią.

Teoria, którą da się uruchomić

Sednem książki jest jeden chwyt, powtarzany od rozdziału drugiego do końca. Autor bierze pojęcie finansowe, zapisuje je w matematyce, a potem natychmiast przekłada na kod, który czytelnik może odpalić i pogrzebać w środku:

Ponadto takie podejście stwarza nowe możliwości nauczania, ponieważ zarówno koncepcje matematyczne, jak i finansowe mogą być bezpośrednio przełożone na kod wykonywalny, który może być następnie interaktywnie badany.

Yves Hilpisch, Wprowadzenie

Brzmi to skromnie, a jest ważniejsze, niż się wydaje. Cała teoria wyceny, którą Hilpisch buduje, czyli arbitraż, miary martyngałowe, zupełność rynku, wycena obojętna na ryzyko, da się w jego ujęciu sprowadzić do algebry liniowej na małych wektorach wypłat. Kiedy widzisz portfel replikujący jako rozwiązanie układu równań, który zaraz potem rozwiązujesz w trzech linijkach NumPy, dzieje się coś, czego sam wzór nie daje: abstrakcja przestaje być wiarą, a staje się obiektem, który możesz zepsuć i zobaczyć, co się stanie. Zmień prawdopodobieństwo, zmień wypłatę, uruchom ponownie. Teoria, która do tej pory mieszkała w dowodzie, nagle reaguje.

To jest dokładnie nawyk, który próbujemy wbudować we własny system. U nas obowiązuje zasada, że pomiar bije przekonanie. Setup, którego nie da się policzyć, jest opinią, a nie przewagą. Książka pokazuje tę samą postawę w czystej, laboratoryjnej formie: każda teza ma swój notatnik, każdy wzór ma swój kawałek kodu, nic nie zostaje na poziomie „tak się przyjmuje”. Dla praktyka, który całą wartość strategii musi w końcu zobaczyć na rachunku, taki tryb myślenia jest cenniejszy niż konkretne wzory, które akurat są wykładane.

Świat z probówki

Tu zaczyna się druga połowa uczciwej recenzji, bo każda teoria coś za swoją elegancję płaci, a Hilpisch płaci światem z probówki. Żeby pokazać arbitraż czy wycenę obojętną na ryzyko na czystych wzorach, buduje gospodarki o dwóch, potem trzech możliwych stanach przyszłości. To świadomy zabieg dydaktyczny i autor go nie ukrywa. Sam, przechodząc do ogólniejszego modelu, przyznaje, do czego to upraszczanie nie pasuje:

Modelowanie przyszłej ceny akcji np. firmy Apple za pomocą tylko dwóch lub trzech stanów jest po prostu nierealistyczne.

Yves Hilpisch, Rozdział 5

Druga cena tej elegancji jest głębsza i dotyczy tej części aparatu, w której agent optymalizuje swój wybór. Stoi ona na teorii oczekiwanej użyteczności, czyli na założeniu, że agent zna pełny rozkład przyszłych stanów i ich prawdopodobieństwa, a potem maksymalizuje. To nie dotyczy całej teorii wyceny z tej książki: arbitraż, portfel replikujący czy miary martyngałowe radzą sobie bez tego założenia, bo wynik czytają z samych cen i wypłat, nie z preferencji agenta. Ale tam, gdzie autor sięga po użyteczność, jest na tyle uczciwy, że sam wbija w nią szpilę:

Jedno z jej głównych założeń — że agenci mają pełną wiedzę o możliwych przyszłych stanach i ich prawdopodobieństwach — w rzeczywistości prawie nigdy nie jest spełnione.

Yves Hilpisch, Rozdział 4

To zdanie warto przepisać sobie nad biurkiem. Cały laboratoryjny świat książki działa tak, jakby zbiór możliwych stanów był z góry znany, a niepewność dało się domknąć w małej tabeli prawdopodobieństw. Na rynku takiego komfortu nie ma: zostaje skończona, zaszumiona próbka historii i pełno stanów, o których istnieniu dowiadujemy się dopiero, gdy się zdarzą. Do tego dochodzi cisza, której w tych modelach nie słychać wcale: nie ma tu prowizji, spreadu ani poślizgu. To są rynki doskonałe, gładkie i bez tarcia. My żyjemy po drugiej stronie, gdzie koszt działa asymetrycznie i liczy się w jednostkach R, a większość ładnych przewag na papierze umiera właśnie na tej różnicy. Książka opisuje, jak ceny zachowywałyby się w świecie idealnym. Nasz rachunek mieszka gdzie indziej.

Jak tego używamy

Ta pozycja ma u nas rolę szlifierki nawyków, nie skrzynki z narzędziami. Bierzemy z niej trzy rzeczy, a żadna nie jest gotowym wzorem do wklejenia.

Pierwsza to odruch teorii uruchamialnej. Każde twierdzenie, które chcemy wpuścić do systemu, ma dostać swój notatnik i swoje liczby, zanim uznamy je za prawdziwe. Hilpisch pokazuje ten tryb w skali laboratoryjnej, na zabawkowej gospodarce, ale przenosi się on bez zmian na nasz problem: zamiast wierzyć, że setup ma przewagę, każ mu się policzyć.

Druga to biegłość w czterech językach jako poprzeczka, nie ozdoba. Jeśli któryś z czterech kuleje, kuleje całość. U nas najczęściej kuleje most między matematyką a Pythonem, czyli moment, w którym ładny wzór trzeba zamienić w kod liczący to samo na prawdziwych danych, a nie na wygodnym przykładzie. Książka jest dobrym treningiem właśnie tego mostu.

Trzecia to stała poprawka na świat doskonały. Każdy wynik w zamkniętej formie, jaki stąd weźmiemy, czytamy z dopiskiem: to jest prawda przed kosztami i w z góry zadanej przestrzeni stanów, a tam, gdzie wchodzi użyteczność agenta, również przy znanym rozkładzie. Nasza nagroda jest liczona po prowizji, po opłatach giełdowych i po poślizgu, a rzeczywistego rozkładu przyszłości nie znamy. Dlatego z tych modeli bierzemy intuicję i strukturę, nigdy obietnicę liczby.

Gdzie książka pęka

Najuczciwiej mówi się o książce tam, gdzie się łamie, a tu pęknięcia są wpisane w sam zamysł. Pierwsze autor deklaruje wprost, i to ono najmocniej ustawia naszą ocenę:

Dla czytelników z formalnym wykształceniem finansowym matematyczne i finansowe elementy książki będą raczej łatwe i nieskomplikowane.

Yves Hilpisch, Wprowadzenie

Nie mam tu zarzutu do autora: pisał dla początkujących i tę obietnicę spełnia. Dla naszego czytelnika, praktyka po latach na rynku, oznacza to jednak, że finansowa zawartość jest powtórką, a nie odkryciem. Wartość zostaje po stronie metody i kodu, nie samej teorii.

Drugie pęknięcie jest historyczne. To jest klasyczna teoria sprzed zwrotu ku danym i sztucznej inteligencji: Markowitz, CAPM, drzewa dwumianowe, wycena obojętna na ryzyko. Co ciekawe, sam Hilpisch rysuje w pierwszym rozdziale oś czasu finansów, która kończy się okresem sztucznej inteligencji jako przyszłością dziedziny. Tym samym wskazuje, że prawdziwa akcja toczy się dalej, w dwóch pozostałych tomach jego trylogii, które u nas już omówiliśmy: w Sztucznej inteligencji w finansach i w Uczeniu przez wzmacnianie w finansach. „Finanse i Python” to ich fundament, a fundament nie jest miejscem, w którym się mieszka.

Trzecie pęknięcie to nadmierny optymizm pomostu. Autor zapewnia, że gdy zabawkowe idee zostaną dobrze zrozumiane, przejście do bardziej realistycznych modeli zwykle bywa bezproblemowe. Praktyk się tu zatrzymuje, bo to właśnie ten skok jest trudny. Droga od dwustanowej gospodarki do mikrostruktury MES, z kosztami, poślizgiem, zmianami reżimu i skończoną zaszumioną próbką danych, nie jest gładka. To jest dokładnie ten odcinek, na którym ginie większość przewag, a książka traktuje go jako formalność. I czwarte, drobniejsze, lecz warte odnotowania: część przykładów jest osadzona na firmowej platformie autora i na konkretnym zestawie bibliotek Pythona. Idea przetrwa, otoczka się starzeje, jak w każdej książce, która miesza teorię z kodem.

Werdykt

Praktyczność 5, głębia 4, aktualność 5. To najniższe noty, jakie wystawiliśmy dotąd książce technicznej, i jest w tym pełna zgoda z tym, czym ta pozycja jest: łagodnym wprowadzeniem, a nie warsztatem.

Praktyczność pośrodku, i to z naciągnięciem w górę. Kod tu jest, działa i czysto pokazuje teorię w ruchu, ale jest świadomie elementarny, osadzony na zabawkowych gospodarkach i częściowo na firmowej platformie autora. Daje nawyk i metodę, nie daje niczego, co weszłoby wprost do systemu liczącego po kosztach. Stąd piątka, niżej niż u McKinneya czy Jansena, których kod pracuje na tym, co budujemy.

Głębię stawiam najniżej z trzech wymiarów i najniżej w całym naszym zbiorze technicznym, spójnie z sekcją krytyki. Książka jest rygorystyczna wewnątrz swojej probówki, wyprowadza arbitraż i wycenę uczciwie, lecz robi to w świecie dwóch i trzech stanów, bez kosztów i przy z góry zadanej przestrzeni możliwych wypłat. Tam, gdzie przechodzi do użyteczności agenta, dochodzi jeszcze założenie o znanym rozkładzie, w które sam autor nie wierzy. To jest głębia wzoru, nie głębia rynku. Czwórka, nie wyżej, bo zakres jest celowo wąski, a autor sam zapowiada, że teorii daje tyle, ile trzeba, i nic ponad to.

Aktualność też nisko, bo to klasyka sprzed zwrotu ku danym i AI, najmniej z naszych książek technicznych dotykająca tego, co u nas najważniejsze: kosztów, mikrostruktury i konkretnej mechaniki intraday. Piątka, a nie niżej, tylko dlatego, że sama metoda łączenia czterech języków jest ponadczasowa i nie zestarzeje się tak szybko jak jej przykłady.

Komu polecić? Programiście, który zna Pythona, a chce zobaczyć teorię finansów zbudowaną od zera i od razu uruchamianą, krok po kroku, bez machania rękami. Albo komuś, kto lubi patrzeć, jak abstrakcję sprowadza się do kodu w sposób tak czysty, że aż dydaktyczny. Kto szuka przewagi na rynku, gotowej strategii albo czegoś o kosztach i mikrostrukturze, trafi pod zły adres, i autor pierwszy mu to powie. U nas książka stoi na półce z napisem „fundament”: nie sięgamy po nią po pomysł na transakcję, lecz po przypomnienie jednej zasady, od której wszystko się u nas zaczyna. Dopóki teza nie ma swojego kodu i swoich liczb, jest opowieścią, nie wiedzą.