Dieses Kapitel ist eine Einführung in die Grundlagen von Python, einschließlich der Benennung von Variablen und verschiedenen Datentypen in Python.

Willkommen zu Python für den Finanzbereich!

Code ausführen vs. Antworten

Python als Taschenrechner

Variablen

Erstellen von numerischen Variablen

Den durchschnittlichen Umsatz ermitteln

Datentypen

Verschiedene Variablentypen erstellen

Typen bestimmen

Kombinieren von Datentypen

Einstieg in Python

In diesem Kapitel geht es um Listen in Python und wie man sie für die Arbeit mit Daten nutzen kann.

Listen

Listen in Python erstellen

Indexierung von Listenelementen

Mehrere Listenelemente extrahieren

Verschachtelte Listen

Eine verschachtelte Liste anlegen

Auf verschachtelte Listenelement zugreifen

Listenmethoden und -funktionen

Listenmethoden und -funktionen erkunden

Mit Listenmethoden Daten hinzufügen

Aktien mit dem höchsten Preis ermitteln

Dieses Kapitel behandelt Pakete in Python; allen voran das NumPy-Paket und wie man damit Arrays effizient bearbeiten kann.

Arrays

Einen Array erstellen

Elementweise Operationen auf Arrays

Extraktion von Elementen aus einem Array

Zweidimensionale Arrays und Funktionen

Erstellen eines zweidimensionalen Arrays

Teilmengenbildung mit zweidimensionalen Arrays

Berechnung von Array-Statistiken

Eine Zahlenfolge erzeugen

Arrays für Analysen nutzen

Wer ist überdurchschnittlich?

Wer arbeitet im Gesundheitswesen?

Arrays in Python

In diesem Kapitel lernst du das Matplotlib-Paket kennen, mit dem du Liniendiagramme, Streudiagramme und Histogramme erstellen kannst.

Visualisierung in Python

Importieren von matplotlib und pyplot

Achsenbeschriftungen und Titel hinzufügen

Mehrere Linien im selben Diagramm

Streudiagramme

Histogramme

Wofür benutzt man Histogramme im Finanzwesen?

Sind die Daten normal verteilt?

Vergleich zweier Histogramme

Eine Legende hinzufügen

In diesem Kapitel wendest du alle Techniken, die du im Kurs gelernt hast, auf Daten des S&P 100 an.

Der Datensatz

Arrays und NumPy

Ein genauerer Blick auf die Branchen

Arrays filtern

Zusammenfassung der Branchendaten

Kurs-Gewinn-Verhältnisse visualisieren

Trends visualisieren

Histogramm der Kurs-Gewinn-Verhältnisse

Identifiziere den Ausreißer

Benenne den Ausreißer

S&P 100 Fallstudie

Stocks data (I)

Stocks data (II)

S&P 100 data

Course Glossary

Die Finanzbranche nutzt Python für quantitative Analysen, von der Analyse der Handelsdynamik bis hin zu Risikomanagementsystemen. In diesem Kurs lernst du, wie du Finanzdaten analysieren kannst, indem du deine Python-Kenntnisse erweiterst.
<br><br>
Im ersten Kapitel wird erklärt, wie Python und Finanzen zusammenpassen. Du lernst anschließend die Grundlagen von Python kennen, wie zum Beispiel das Ausgeben von Werten, das Durchführen von Berechnungen, das Verstehen von Datentypen und das Erstellen von Variablen.
<br><br>
Als Nächstes lernst du Listen und Arrays in Python kennen und erkundest, wie du sie für die Arbeit mit Daten nutzen kannst. Du wirst die Pakete NumPy und Matplotlib nutzen, um Daten zu bearbeiten und zu visualisieren.
<br><br>
Die schließt den Kurs ab, indem du eine Finanzanalyse mit Python für einen S&P 100 Datensatz durchführst. Hier wirst du deine Python-Kenntnisse nutzen, um Listen zu filtern, Branchendaten zusammenzufassen, Kurs-Gewinn-Verhältnisse in Histogrammen darzustellen, Finanztrends zu visualisieren und Ausreißer zu erkennen.
<br><br>
Am Ende des Kurses wirst du deine erlernten Python-Kenntnisse und praktischen Fähigkeiten in der Finanzanalyse sicher anwenden können. Diese Fähigkeiten sind in der Finanzbranche sehr gefragt, um Probleme im Bereich der quantitativen Finanzwissenschaft zu lösen. Dieser Kurs ist Teil unseres Lernpfads „Finanzgrundlagen in Python“, der perfekt für alle ist, die sich tiefer mit Python für den Finanzbereich beschäftigen wollen.

Die Live-Transkripte der Videos kannst du durch einen Klick auf „Mitschrift anzeigen“ unten links in den Videos aufrufen.

Das Glossar zum Kurs findest du rechts im Bereich „Ressourcen“.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und im bewerteten Test mindestens 70 % erreichen. Du gelangst zum Test, indem du rechts auf den Hinweis zu den CPE-Credits klickst.

<h2>Lerne die Grundlagen von Python für die Finanzwelt</h2>
Die Finanzbranche nutzt Python viel für quantitative Analysen, von der Analyse der Handelsdynamik bis hin zu Risikomanagementsystemen. In diesem Kurs lernst du, wie du deine Finanzdaten analysieren kannst, indem du deine Python-Kenntnisse aufbaust.
<br><br>
<h2>Daten mit Python-Paketen bearbeiten und visualisieren</h2>
Im ersten Kapitel wird erklärt, wie Python und Finanzen zusammenpassen. Du lernst dann die Grundlagen von Python kennen, wie zum Beispiel das Drucken von Ausgaben, das Durchführen von Berechnungen, das Verstehen von Datentypen und das Erstellen von Variablen.
<br><br>
Als Nächstes lernst du Listen und Arrays in Python kennen und schaust dir an, wie du sie für die Arbeit mit Daten nutzen kannst. Du wirst die Pakete NumPy und Matplotlib nutzen, um Daten zu bearbeiten und zu visualisieren.
<br><br>
<h2>Mach eine Finanzanalyse mit Python</h2>
Zum Schluss machst du den Kurs fertig, indem du eine Finanzanalyse mit Python für einen S&amp;P-100-Datensatz machst. Hier wirst du deine Python-Kenntnisse nutzen, um Listen zu filtern, Branchendaten zusammenzufassen, Kurs-Gewinn-Verhältnisse in Histogrammen darzustellen, Finanztrends zu visualisieren und Ausreißer zu erkennen.
<br><br>
Am Ende des Kurses wirst du deine grundlegenden Python-Kenntnisse und praktischen Fähigkeiten in der Finanzanalyse sicher anwenden können. Diese Fähigkeiten sind in der Finanzbranche echt gefragt, um Probleme im Bereich der quantitativen Finanzwissenschaft zu lösen. Dieser Kurs ist Teil unseres Lernpfads „Finanzgrundlagen in Python“, der perfekt für alle ist, die sich tiefer mit Python für Finanzanwendungen beschäftigen wollen.

Erweitern Sie Ihre Finanzkarriere mit Python. Lernen Sie Listen, Arrays und Datenvisualisierungen.

Einführung in Python für den Finanzbereich

Finanzgrundlagen in Python

Grundlagen der Finanzen mit CFI

Wofür benutzt man Histogramme im Finanzwesen?

Einführung in Python für den Finanzbereich

Interaktive Übung