Python für Finanzanalysen und algorithmisches Trading
Learn Python for finance! Analyze stock prices, financial data & time series with Quandl. Become a data-driven financial analyst.
Course Content
Python für Finanzanalysen und algorithmisches Trading is a beginner-level Udemy course taught by Prof. Dr. René Brunner. It runs 20h 15m, is taught in German, and includes a certificate of completion. Learners rate it 4.3 out of 5 from 394 reviews, with 4,351 students enrolled. It is a paid course, last updated June 2025.
Entdecke die Welt der Finanzanalyse mit Python und lerne, wie du algorithmisches Trading umsetzt! Dieser Kurs ist perfekt für alle, die Python als Data Scientist nutzen möchten, um präzise Finanzanalysen durchzuführen.
"Wirklich sau gut erklärt! Dankeschön... Man kann alles sofort anwenden! :-)" (★★★★★ P. Livadas)
"Sehr übersichtlich und strukturiert, TOP!" (★★★★★ D. Ebraheim)
Dieser umfassende Kurs bietet dir eine detaillierte Anleitung für alles, was du für die Anwendung von Python in der Finanzwelt und für algorithmisches Trading wissen musst. Wir beginnen mit den Python Grundlagen und tauchen dann tief in die wichtigsten Bibliotheken des Py-Finance Ökosystems ein:
- Jupyter: Interaktive Datenanalyse und Visualisierung.
- NumPy: Für schnelle numerische Verarbeitung und effiziente Berechnungen.
- Pandas: Für effiziente Datenanalyse und Datenmanipulation.
- Matplotlib: Für ansprechende Datenvisualisierung und Diagrammerstellung.
- Statsmodels: Für fortgeschrittene statistische Modellierung und Zeitreihenanalyse.
- Zipline: Für algorithmisches Trading und Backtesting.
Wichtiger Hinweis: Dieser Kurs setzt Grundkenntnisse in Python voraus. Falls du noch keine Erfahrung mit Python hast, empfehle wir dir, zuerst einen unserer Python Kurse zu absolvieren.
Wir behandeln folgende Themen, die von Finanzexperten verwendet werden:
- Python in der Finanzanalyse: Grundlagen und Anwendung.
- NumPy: Effiziente numerische Berechnungen.
- Pandas: Datenanalyse und -visualisierung für Finanzdaten.
- Matplotlib: Erstellung benutzerdefinierter Finanzdiagramme.
- Datenbeschaffung: Verwendung von pandas-datareader und Quandl zur automatischen Datenerfassung.
- Zeitreihenanalyse mit Pandas: Analysiere Finanzdaten über die Zeit.
- Aktienrenditen: Berechnung von kumulativen Tagesrenditen und Volatilität.
- Risikomanagement: Verständnis von Volatilität und Wertpapierrisiko.
- Modellierung: Markov Chains, EWMA (Exponentially Weighted Moving Average).
- Statistische Modelle: Statsmodels ETS (Error-Trend-Seasonality) und ARIMA (Auto-regressive Integrated Moving Averages).
- Autokorrelation: Interpretation von Autokorrelationsdiagrammen und Teil-Autokorrelationsdiagrammen.
- Sharpe-Quotient: Berechnung zur Bewertung der Performance.
- Portfoliooptimierung: Effiziente Grenze und Markowitz Optimierung.
- Investmentfonds: Verschiedene Arten von Investmentfonds.
- Orderbücher: Funktionsweise und Analyse.
- Short Verkäufe: Strategien und Risiken.
- Preismodell für Kapitalgüter (CAPM): Verständnis des CAPM.
- Aktien-Splits und Dividenden: Auswirkungen auf den Aktienkurs.
- Hypothese des effizienten Marktes: Grundlagen und Implikationen.
- Termingeschäfte handeln: Einführung in den Handel mit Terminkontrakten.
Was sind die Voraussetzungen?
- Grundlagen der Programmierung in Python.
- Technische Voraussetzungen: Anaconda (Python) muss heruntergeladen werden.
- Grundkenntnisse in Statistik und Linearer Algebra sind von Vorteil.
Was bringt dir dieser Kurs?
- NumPy: Effiziente Arbeit mit numerischen Daten.
- Pandas: Datenanalyse und Visualisierung meistern.
- Matplotlib: Erstellung von ansprechenden Diagrammen.
- Statsmodels: Anwendung zur Zeitreihenanalyse.
- Berechnung wichtiger Finanzstatistiken (tägliche Renditen, kumulative Renditen, Volatilität).
- Anwendung von EWMA (Exponentially Weighted Moving Average).
- Anwendung von ARIMA-Modellen auf Zeitreihendaten.
- Berechnung des Sharpe-Quotienten.
- Portfoliooptimierung verstehen und anwenden.
- Preismodell für Kapitalgüter (CAPM) verstehen.
- Grundlagen der Hypothese des effizienten Marktes
Need a web app built? Hire the team behind TutorialSearch.io
We ship fast, production-grade full-stack apps (Next.js, React, edge infra) — the same stack that powers this site.