Ga naar hoofdinhoud

Cursus

Financiële data importeren en beheren in Python

GemiddeldVaardigheidsniveau

Bijgewerkt 02-2023

In deze cursus leer je hoe je financiële gegevens in Python kunt importeren en beheren met behulp van verschillende tools en bronnen.

Start Cursus Kosteloos

PythonApplied Finance

5 u

16 videos

53 Opdrachten

4,350 XP

45,046

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Wil je je nieuwe vaardigheden uit 'Python for Data Science' toepassen op echte financiële data? Dan krijg je in deze cursus een aantal zeer waardevolle tools. Eerst leer je hoe je data vanuit Excel naar pandas haalt en weer terug. Daarna leer je hoe je aandelenkoersen ophaalt via verschillende online API’s zoals Google of Yahoo! Finance, macrodata van de Federal Reserve en wisselkoersen van OANDA. Tot slot leer je hoe je rendementen voor verschillende tijdshorizonnen berekent, hoe je aandelenprestaties per sector voor IPO’s analyseert, en hoe je correlaties berekent en samenvat.

Vereisten

Data Manipulation with pandas

1

Noteringsgegevens uit Excel importeren

In dit hoofdstuk leer je hoe je data uit werkbladen in een Excel-werkmap importeert, opschoont en samenvoegt tot één pandas DataFrame. Je oefent ook met het groeperen van data, het samenvatten van informatie per categorie en het visualiseren van het resultaat met subplots en heatmaps. Je werkt met data over bedrijven die genoteerd staan aan de beurzen NASDAQ, NYSE en AMEX, met informatie over bedrijfsnaam, tickersymbool, laatste marktkapitalisatie en prijs, sector of bedrijfstak en IPO-jaar. In hoofdstuk 2 bouw je hierop voort om koersgeschiedenis voor een aantal van deze bedrijven te downloaden en te analyseren.

Data uit CSV lezen, bekijken en opschonen

Importeer beursnoteringen van de NASDAQ

Hoe los je de data-import op?

Lees data in met .read_csv() met de juiste parse-argumenten

Gegevens lezen uit Excel-werkbladen

Laad noteringsinfo uit één werkblad

Laad listinggegevens uit twee werkbladen

Gegevens combineren uit meerdere werkbladen

Laad alle noteringsdata en itereren over key-value-koppels in een dictionary

Hoeveel bedrijven staan er genoteerd op de NYSE en NASDAQ?

Automatiseer het laden en samenvoegen van data uit meerdere Excel-werkbladen

Hoofdstuk beginnen

2

Financiële data van het web importeren

In dit hoofdstuk maak je kennis met online datatoegang tot Google Finance en de Federal Reserve Data Service via de pandas DataReader. Je haalt data op, voert basisbewerkingen uit, combineert dataseries en visualiseert de resultaten.

De DataReader: online toegang tot financiële data

Haal koersgegevens op voor één bedrijf

Visualiseer een aandelenkoers-trend

Economische data van de Federal Reserve

Visualiseer de langetermijntrend van de olieprijs

Vergelijk arbeidsparticipatie en werkloosheidspercentages

Vergelijk het rendement van obligaties en aandelen

Selecteer aandelen en haal data op uit Yahoo! Finance

Selecteer de 5 grootste consumentenbedrijven

Haal de ticker op van het grootste consumer services-bedrijf

Vind het grootste consumentbedrijft dat na 1998 werd genoteerd

Haal meerdere aandelen op en werk met een MultiIndex

Haal gegevens op voor de 3 grootste financiële bedrijven

Hoofdstuk beginnen

3

Je data samenvatten en het resultaat visualiseren

In dit hoofdstuk leer je hoe je de belangrijkste kenmerken van afzonderlijke variabelen vastlegt in eenvoudige kengetallen. Daardoor wordt het makkelijker om de verdeling van de variabelen in je gegevensset te begrijpen: Welke waarden zijn centraal of typisch voor je data? Is je data sterk verspreid, of juist smal geconcentreerd rond een midden? Zijn er uitschieters? Hoe ziet de totale verdeling eruit?

Vat je data samen met beschrijvende statistieken

Som de armste en rijkste landen ter wereld op

Wereldinkomens: centrale neiging

Beschrijf de verdeling van je gegevens met kwantielen

Wereldwijde inkomens: Spreiding

Decielen van de mondiale inkomensverdeling

Alle statistieken ophalen

Visualiseer de verdeling van je data

De internationale inkomensverdeling visualiseren

Groeipercentages in Brazilië, China en de VS

Waarden in de verdeling markeren

Categorische variabelen samenvatten

Bedrijven per sector op alle beurzen

Technology-IPO’s per jaar op alle beurzen

Hoofdstuk beginnen

4

Je data aggregeren en beschrijven per categorie

In dit hoofdstuk leer je data te groeperen op één of meer categorische variabelen en samenvattende statistieken per categorie te berekenen en te visualiseren. Daarbij leer je bedrijfsstatistieken per sector en IPO-jaargang te vergelijken, de wereldwijde inkomensverdeling in de tijd te analyseren en verschillende statistische grafieken uit de seaborn-bibliotheek te maken.

Groepeer je gegevens per categorie

Mediaan marktkapitalisatie per sector

Mediane marktkapitalisatie per IPO-jaar

Alle samenvattende statistieken per sector

Meer manieren om je gegevens te aggregeren

Bedrijfswaarde per beurs en sector

Bereken meerdere kengetallen per sector en beurs

Samenvattende statistieken per categorie met seaborn

Visualiseer de IPO-tijdlijn voor alle beurzen met countplot()

Wereldwijde mediane inkomens per hoofd van de bevolking in de tijd

Bereken meerdere statistieken per sector en IPO-jaar

Verdelingen per categorie met seaborn

Inflatietrends in China, India en de VS

Verdeling van inflatiecijfers in China, India en de VS

Gefeliciteerd!

Hoofdstuk beginnen

Financiële data importeren en beheren in Python

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Financiële data importeren en beheren in Python!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.