Python für Finanzanalysen und algorithmisches Trading

Analysiere mit Python Aktienkurse, Finanzdaten und Zeitreihen. Werde Finanzanalyst mit Quandl.

3.75 (373 reviews)

Udemy

platform

Deutsch

language

Data & Analytics

What you will learn

Nutze Numpy um schnell mit numerischen Daten zu arbeiten

Nutze Pandas zur Analyse und Visualisierung

Nutze Matplotlib, um benutzerdefinierte Darstellungen zu erstellen

Lerne das statsmodels Modul zur Zeitreihenanalyse kennen

Berechne Finanzstatistiken wie tägliche Renditen, kummulierte Renditen, Volatilität, etc.

Nutze ARIMA Modelle auf Zeitreihen-Daten

Verwende exponentiell gewichtete laufende Durchschnitte

Berechne die Sharpe Ratio

Optimiere Portfolio Allokationen

Verstehe das Capital Asset Pricing Model

Lerne die Hypothese der effizienten Märkte kennen

Why take this course?

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!

Wichtig: Unser Kurs zur Finanzanalyse erfordert Grundkenntnisse der Programmierung mit Python! Falls du die Grundlagen von Python bisher noch nicht erlernt hast, solltest du zuerst einen unserer Python-Kurse durcharbeiten!

Wir werden die folgenden Themen besprechen, die von Finanzexperten verwendet werden:

Python in der Finanzanalyse
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?

Grundlagen der Programmierung in 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?

An jemanden, der mit den Grundlagen von Python vertraut ist und etwas über Finanzanalysen lernen will!

Our review

👩‍🏫 **Course Review Summary:** **Pros:** - The course content is interesting, with a strong foundation laid in Numpy and Pandas, which are essential libraries for data analysis. - High-quality learning materials and practical applications are provided, with the tutor demonstrating expertise and enthusiasm for the subject matter. - A good mix of theory and practice, with various topics covered in detail or briefly as needed. - Additional resources and supplementary materials are available to enhance understanding. - The ability to watch videos at double speed is a helpful feature for accelerated learning. - Clear and concise explanations for many complex concepts. - Comprehensive learning notes that allow for revisiting the material later on. **Cons:** - Some content, particularly sections related to Quantopian, is outdated and no longer applicable due to the platform's discontinuation. - The course lacks a cohesive structure, with videos not always forming a logical sequence. - Spelling mistakes and unpolished introductions to chapters give an impression of a rushed or insufficiently proofread course. - Some technical explanations are holier-than-thou, indicating the instructor may not fully grasp the complexities of advanced topics like ARIMA models. - A notable portion of the course content is not as current as advertised, which may affect its applicability and relevance in the field. **Neutral Points:** - The course provides a solid foundation for Python beginners who are interested in finance or trading. However, there might be a slight expectation mismatch given the title of the course, "Python für Finanzanalysen und algorithmisches Trading." - The instructor's speaking voice is pleasant and conducive to learning. **Overall Impression:** The course is generally well-prepared and offers valuable learning resources for those interested in Python within the context of finance or trading. Despite some shortcomings in terms of outdated content and structural coherence, the educational value and the quality of the materials provided make it a recommended course with caveats regarding its current applicability in certain areas, particularly Quantopian. **Recommendation:** It is recommended if you are new to Python or looking to understand finance and trading applications of Python, but be aware that some sections may require additional research due to outdated content. It is important to verify the relevance of each topic within the current market and technology landscape. If the course were to update its content to reflect the latest trends and discontinuations in platforms like Quantopian, it could potentially achieve a higher level of recommendation.

Charts

Price

Rating

Enrollment distribution

Python für Finanzanalysen und algorithmisches Trading - Distribution chart