Fähigkeitspfad
Finanzgrundlagen in Python
Lerne die Finanz- und Python-Grundlagen, die du brauchst, um datengestützte Finanzentscheidungen zu treffen. Du brauchst keine Vorkenntnisse im Programmieren. In diesem Lernpfad lernst du etwas über Datentypen, Listen, Arrays und den Zeitwert des Geldes, bevor du erfährst, wie du mit Zeitreihendaten arbeiten kannst, um die Leistung von Indizes zu bewerten. Während des Lernpfads arbeitest du mit beliebten Python-Paketen wie pandas, NumPy, statsmodels und pyfolio und lernst, Finanzdaten aus verschiedenen Quellen zu importieren und zu verwalten, z. B. aus Excel-Dateien oder dem Internet. In praktischen Übungen werden deine neuen Kenntnisse vertieft, während du mit realen Daten arbeitest, z. B. mit NASDAQ, AMEX, Investmentportfolios und Daten des S&P 100. Am Ende des Lernpfads bist du in der Lage, dich mit Python in der Finanzwelt zurechtzufinden - du hast gelernt, wie du mit Anlageportfolios arbeitest, Risikomaße berechnest und ein optimales Portfolio auf der Grundlage von Risiko und Rendite berechnest.
Python25 Std.6 KurseLeistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
KI-ASSISTENTMelden Sie sich an, um den KI-Assistenten zu verwendenDie Nutzung unseres KI-Assistenten ist für alle registrierten Nutzer kostenlos. Registrieren Sie sich oder melden Sie sich an, um auf den Assistenten zuzugreifen und Ihre Lernerfahrung zu verbessern.
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.Kursleiter
Melden Sie sich an 15,150,000 Lernende und starten Sie Finanzgrundlagen in Python Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.