Python für Finanzanalysen und algorithmisches Trading
4.5 (162 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,176 students enrolled

Python für Finanzanalysen und algorithmisches Trading

Analysiere mit Python Aktienkurse, Finanzdaten und Zeitreihen. Werde Finanzanalyst mit Quandl und Quantopian.
Bestseller
4.5 (162 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,176 students enrolled
Last updated 5/2020
German
Current price: $135.99 Original price: $194.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 20.5 hours on-demand video
  • 8 articles
  • 16 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll 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
  • Führe algorithmisches Trading auf Quantopian durch
Requirements
  • Etwas Erfahrung mit der Programmierung (am besten Python)
  • Die Möglichkeit Anaconda (Python) downzuloaden
  • Grundlagen der Statistik und lineare Algebra sind hilfreich
Description

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, Quantopian, 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

  • Algorithmisches Handeln mit Quantopian

  • 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

  • Algorithmisches Handeln auf Quantopian ausführen


An wen richtet sich dieser Kurs?

  • An jemanden, der mit Python vertraut ist und etwas über Finanzanalysen lernen will!

Who this course is for:
  • Interessenten an Finanzanalysen und algorithmischem Trading
  • Alle die mit Python vertraut sind und ihr Portfolio erweitern möchten
Course content
Expand all 138 lectures 20:32:42
+ Kurseinführung
5 lectures 10:36

Herzlich Willkommen in diesem Kurs!

In dieser Lektion erhältst du wichtige Hinweise rund um den Kurs! Bitte überspringe diese Lektion nicht, wenn dies dein erster Kurs mit uns ist!

Hinweise zum Kurs
03:04

Hier kannst du schon mal das Kursmaterial herunterladen lassen damit es dann später für der Kurs zur Verfügung steht. :-)

Kursmaterialien
01:05
Kurs FAQ
01:43
+ Kurs Materialien und Setup
6 lectures 35:53
Einrichten der Entwicklungsumgebung
00:10
Installations-Notizen
00:43
Python Installation Windows
08:22
Python Installation MAC/Linux
15:14
Jupyter Notebook Übersicht
06:36

Installiere alle Python Abhängigkeiten, die du für diesen Kurs brauchst.

Wichtig Kurseinrichtung! Python Pakete mit Jupyter Notebook installieren
04:48
+ Python Crash Kurs
8 lectures 01:30:22
Willkommen beim Python Crash Kurs
00:25
Einführung zum Python Crash Kurs
02:12
Python Crash Kurs - Teil 1
17:26
Python Crash Kurs - Teil 2
14:10
Python Crash Kurs - Teil 3
13:53
Python Crash Kurs - Teil 4
16:07
Python Crash Kurs - Übung
06:22
Python Crash Kurs - Lösung
19:47
+ Numpy
7 lectures 59:08
Willkommen zu Numpy
00:29
Einführung zu Numpy
01:48
Numpy Arrays
15:11
Numpy Indexing
18:34
Numpy Operations
07:52
Numpy Übung - Aufgabe
03:17
Numpy Übung - Lösung
11:57
Numpy Quiz
6 questions
+ Pandas
13 lectures 02:15:26
Willkommen zu Pandas
00:27
Pandas Zeitreihen (Time Series) Visualisierungen
14:00
DataFrames - Teil 1
13:25
DataFrames - Teil 2
12:53
DataFrames - Teil 3
14:25
Missing Data (Fehlende Daten)
09:49
Groupby (Gruppieren nach)
08:53
Merge, Join und Concatenate Data Frames
16:08
Pandas häufige Operationen
20:18
Hinweis zur Pandas Übung
00:14
Pandas Übung - Aufgabe
03:02
Pandas Übung - Lösung
18:31
+ Visualisierungen mit Matplotlib und Pandas
11 lectures 01:37:44
Willkommen zu den Visualisierungen
00:32
Einführung zu Visualisierungen in Python
02:02
Matplotlib - Teil 1
17:52
Matplotlib - Teil 2
16:38
Matplotlib - Teil 3
14:27
Matplotlib Übung - Aufgabe
03:57
Matplotlib Übung - Lösung
07:40
Pandas Visualisierungen (Teil 1)
09:47
Pandas Visualisierungen (Teil 2)
10:17
Pandas Visualisierungen Übung - Aufgabe
02:20
Pandas Visualisierungen Übung - Lösung
12:12
+ Datenquellen
9 lectures 36:27
Einführung zu Datenquellen
01:54
Daten Input - CSV
04:51
Daten Input - Excel
02:23
Daten Input - HTML
02:44
Daten Input - SQL
05:23
Daten Input - JSON
05:23
Hinweis zum Pandas-Datareader
00:10
Pandas DataReader
05:57
Quandl
07:42
+ Pandas und Zeitreihen (Time Series)
7 lectures 56:13
Willkommen zu Pandas für Zeitreihen
00:15
Datetime Index
12:20
Time Shifts
05:46
Pandas Rolling und Expanding
11:00
Bollinger Bänder
09:18
Pandas Quiz
4 questions
+ Meilenstein Projekt - Aktienmarkt Analyse
8 lectures 01:25:53
Willkommen zum Meilenstein Projekt
00:51
Aktienmarkt Analyse Projekt - Lösung (Teil 2)
17:15
Aktienmarkt Analyse Projekt - Lösung (Teil 3)
14:26
Aktienmarkt Analyse Projekt - Lösung (Teil 4)
14:15
Aktienmarkt Analyse Projekt - Lösung (Teil 5)
13:01
+ Zeitreihen Analyse
15 lectures 02:04:55
Willkommen zur Zeitreihen Analyse
00:51
Einführung zu Zeitreihen
01:51
Zeitreihen Grundlagen
02:56
Einführung zu Statsmodels
12:15
ETS Theorie
03:29
ETS Code
06:45
EWMA Theorie
03:28
EWMA Code
16:01
ACF und PACF
06:47
ARIMA mit Statsmodels
13:04
ARIMA Code - Teil 2
18:48
ARIMA Code - Teil 3
11:17
Diskussion zur PDQ Auswahl
00:07
Zeitreihen-Analyse Quiz
13 questions