Weiter zum Inhalt

Startseite Python

Kurs

Einführung in das Portfoliorisikomanagement mit Python

MittelSchwierigkeitsgrad

Aktualisiert 04/2026

Kurs kostenlos starten

PythonApplied Finance

4 Std.

13 Videos

51 Übungen

4,250 XP

29,070

Leistungsnachweis

Beliebt bei Lernenden in Tausenden Unternehmen

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

In diesem Kurs lernst du, wie du grundlegende Portfoliorisiken und -renditen wie ein Quant-Analyst an der Wall Street bewertest. Das ist der entscheidende Schritt, um den Aufbau und die Verwaltung deiner Portfolios vollständig zu automatisieren. Finde heraus, welche Faktoren deine Portfoliorenditen antreiben, konstruiere nach Marktkapitalisierung gewichtete Aktienportfolios und lerne, Marktrisiken über Szenario-Generierung zu prognostizieren und abzusichern.

Voraussetzungen

Introduction to Financial Concepts in Python Manipulating Time Series Data in Python

1

Univariates Anlagerisiko und Renditen

Lerne die Grundlagen von Anlagerisiken und Verteilungen finanzieller Renditen kennen.

Finanzrenditen

Finanzielle Zeitreihendaten

Finanzrenditen berechnen

Renditeverteilungen

Mittelwert, Varianz und Normalverteilung

Erster Moment: Mu

Zweites Moment: Varianz

Varianz annualisieren

Schiefe und Kurtosis

Dritter Moment: Schiefe (Skewness)

Vierter Moment: Kurtosis

Statistische Tests auf Normalverteilung

Kapitel starten

2

Portfolio-Investing

Vertiefe dein Verständnis von Investitionen, indem du Portfolios aus Anlagen konstruierst, um deine risikobereinigten Renditen zu verbessern.

Portfoliostruktur und Backtesting

Portfolio-Renditen berechnen

Gleich gewichtete Portfolios

Marktkapitalisierungsgewichtete Portfolios

Korrelation und Kovarianz

Die Korrelationsmatrix

Die Kovarianzmatrix

Portfolio-Standardabweichung

Markowitz-Portfolios

Die effiziente Grenze

Sharpe-Ratios

Das MSR-Portfolio

Das GMV-Portfolio

Kapitel starten

3

Faktor-Investing

Lerne die wichtigsten Faktoren kennen, die die Renditen deiner Portfolios beeinflussen, und wie du die Exponierung deines Portfolios gegenüber diesen Faktoren quantifizierst.

Das Capital Asset Pricing Model

Überschussrenditen

Beta mithilfe der Kovarianz berechnen

Beta mit dem CAPM berechnen

Adjustiertes R-Quadrat

Alpha- und Multifaktormodelle

Das Fama-French-3-Faktoren-Modell

p-Werte und Koeffizienten

Ökonomische Intuition in der Faktorenmodellierung

Der effiziente Markt und Alpha

Das 3-Faktoren-Modell erweitern

Das 5-Faktoren-Modell

Alpha vs. R-Quadrat

Kapitel starten

4

Value at Risk

In diesem Kapitel lernst du zwei verschiedene Methoden kennen, um die Wahrscheinlichkeit von Verlusten und die erwarteten Höhen dieser Verluste für eine bestimmte Anlage oder ein Portfolio von Anlagen zu schätzen.

Schwanzrisiko schätzen

Historischer Drawdown

Historischer Value at Risk

Historischer Expected Shortfall

VaR-Erweiterungen

VaR- und CVaR-Quantile ändern

Parametrisches VaR

Risikokennzahlen skalieren

Zufallspfade

Eine Random-Walk-Simulation

Monte-Carlo-Simulationen

Monte-Carlo-VaR

Risiko verstehen

Kapitel starten

Einführung in das Portfoliorisikomanagement mit Python

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte Einführung in das Portfoliorisikomanagement mit Python heute!

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.