Introduction to Time Series with Pandas
Ein kostenloses Video-Tutorial von Jose Portilla
Head of Data Science at Pierian Training
86 Kurse
4.667.268 Teilnehmer:innen
Steige mit dem kompletten Kurs tiefer ins Thema ein
Python for Financial Analysis and Algorithmic Trading
Learn numpy , pandas , matplotlib , quantopian , finance , and more for algorithmic trading with Python!
16:35:31 On-Demand-Video • Aktualisiert am Dezember 2020
Use NumPy to quickly work with Numerical Data
Use Pandas for Analyze and Visualize Data
Use Matplotlib to create custom plots
Learn how to use statsmodels for Time Series Analysis
Calculate Financial Statistics, such as Daily Returns, Cumulative Returns, Volatility, etc..
Use Exponentially Weighted Moving Averages
Use ARIMA models on Time Series Data
Calculate the Sharpe Ratio
Optimize Portfolio Allocations
Understand the Capital Asset Pricing Model
Learn about the Efficient Market Hypothesis
Conduct algorithmic Trading on Quantopian
Deutsch [autom.]
Begrüßen Sie alle in dem Abschnitt über die Arbeit mit Pandas mit Zeitreihendaten, da wir nun verstehen, wie man mit Pandas für allgemeine Daten arbeitet. Lassen Sie uns ein paar wichtige Punkte der Arbeit mit Zeitreihendaten mit der Pandas-Bibliothek behandeln, die den größten Teil unserer Daten enthält Sätze werden in Form einer Zeitreihe vorliegen, dh, sie haben eine Art Datums-Zeit-Index und einen entsprechenden Wert für diesen Datums-Zeit-Index. Beispiel: Aktienkurs für ein bestimmtes Datum im Index In diesem Abschnitt erfahren Sie, wie Sie diese speziellen Zeitreihenfunktionen verwenden, um die Art der Daten zu ermitteln, die in diesem Abschnitt behandelt werden. Wir werden in der CS über diese Zeit sprechen. Sprechen Sie über Time Resampling, wie Sie mit Zeitverschiebungen arbeiten, und diskutieren Sie dann auch Pansys eingebaute Rolling- und Expanding-Methoden. Wir sehen uns beim nächsten Vortrag.