Willkommen zum Kurs "Python für Finanzanalysen und Algorithmisches Handeln"!
Wenn Du dich dafür interessierst, wie man Python Als Data Scientist zur Durchführung exakter Finanzanalysen verwenden kann, dann ist dies der richtige Kurs für Dich!
"Wirklich sau gut erklärt! Dankeschön... Man kann alles sofort anwenden! :-)" (★★★★★ P. Livadas)
"Sehr übersichtlich und strukturiert, TOP!" (★★★★★ D. Ebraheim)
Dieser Kurs gibt Dir eine Anleitung für alles, was Du für die Verwendung von Python für Finanzen und Algorithmisches Handeln wissen musst! Wir werden mit den Grundlagen von Python anfangen und dann etwas über die verschiedenen Kernbibliotheken lernen, die im Py-Finance-Ökosystem verwendet werden, darunter jupyter, numpy, pandas, matplotlib, statsmodels, zipline und viele mehr!
Wir werden die folgenden Themen besprechen, die von Finanzexperten verwendet werden:
Python Grundlagen
NumPy für sehr schnelle numerische Verarbeitung
Pandas für effiziente Datenanalyse
Matplotlib für Datenvisualisierung
Verwendung von pandas-datareader und Quandl zur Datenerfassung
Pandas Analysetechniken für Zeitreihen
Analyse von Aktienrenditen
Kumulative Tagesrenditen
Volatilität und Wertpapierrisiko
Markov Chain
EWMA (Exponentially Weighted Moving Average)
Statsmodels
ETS (Error-Trend-Seasonality)
ARIMA (Auto-regressive Integrated Moving Averages)
Autokorrelationsdiagramme und Teil-Autokorrelationsdiagramme
Sharpe-Quotient
Optimierung der Portfolio-Aufteilung
Effiziente Grenze und Markowitz Optimierung
Arten von Investmentfonds
Orderbücher
Short Verkäufe
Preismodell für Kapitalgüter (Capital Asset Pricing Model)
Aktien-Splits und Dividenden
Hypothese des effizienten Markts
Termingeschäfte handeln
Was sind die Anforderungen?
Erste Programmiererfahrungen (vorzugsweise Python)
Technische Voraussetzungen, um Anaconda (Python) herunter zu laden
Grundlegende Statistik und Lineare Algebra können nützlich sein
Was bringt mir dieser Kurs?
NumPy verwenden, um schnell mit numerischen Daten zu arbeiten
Pandas verwenden, um Daten zu analysieren und visualisieren
Matplotlib verwenden, um benutzerdefinierte Diagramme zu erstellen
Anwendung von statsmodels zur Zeitreihenanalyse erlernen
Finanzstatistiken berechnen, wie tägliche Renditen, kumulative Renditen, Volatilität etc.
Exponentiell gewichtete bewegliche Mittelwerte (EWMA) verwenden
ARIMA-Modelle auf Zeitreihendaten anwenden
Sharpe-Quotienten berechnen
Portfolio-Aufteilung optimieren
Preismodell für Kapitalgüter verstehen
Etwas über die Hypothese des effizienten Marktes lernen
An wen richtet sich dieser Kurs?
