Python für Finanzanalysen und algorithmisches Trading

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!