This chapter is an introduction to basics in Python, including how to name variables and various data types in Python.

Welcome to Python for Finance!

Run code vs. submit answer

Python as a calculator

Variables

Creating numeric variables

Finding the average revenue

Data types

Creating different types of variables

Determining types

Combining data types

Welcome to Python

This chapter introduces lists in Python and how they can be used to work with data.

Lists

Creating lists in Python

Indexing list items

Slicing multiple list elements

Nested lists

Stock up a nested list

Subset a nested list

List methods and functions

Exploring list methods and functions

Using list methods to add data

Finding stock with maximum price

This chapter introduces packages in Python, specifically the NumPy package and how it can be efficiently used to manipulate arrays.

Arrays

Create an array

Elementwise operations on arrays

Subsetting elements from an array

2D arrays and functions

Creating a 2D array

Subsetting 2D arrays

Calculating array stats

Generating a sequence of numbers

Using arrays for analysis

Who's above average?

Who's in health care?

Arrays in Python

In this chapter, you will be introduced to the Matplotlib package for creating line plots, scatter plots, and histograms.

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

Visualization in Python

In this chapter, you will get a chance to apply all the techniques you learned in the course on the S&P 100 data.

Introducing the dataset

Arrays and NumPy

A closer look at the sectors

Filtering arrays

Summarizing sector data

Plot P/E ratios

Visualizing trends

Histogram of P/E ratios

Identify the outlier

Name the outlier

S&P 100 Case Study

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

Sind die Daten normal verteilt?

Übungsanweisungen

Interaktive praktische Übung