Build your ultimate AI agent
Opis kursu
W kursie „Prognozowanie finansowe w Pythonie" wcielisz się w rolę dyrektora finansowego i nauczysz się doradzać zarządowi w kluczowych kwestiach. Dowiesz się, jak budować prognozy finansowe, poznasz podstawy rachunku zysków i strat oraz bilansu, a także nauczysz się porządkować nieustrukturyzowane dane finansowe. W trakcie kursu przeanalizujesz rzeczywiste zbiory danych firm Netflix, Tesla i Ford, korzystając z biblioteki pandas. Po ukończeniu kursu będziesz potrafić obliczać wskaźniki finansowe, pracować z założeniami i odchyleniami oraz samodzielnie budować prognozy w Pythonie!
Wymagania wstępne
Program kursu
Plan kursu
1
Rachunek zysków i strat
W tym rozdziale poznasz podstawy sprawozdań finansowych, ze szczególnym naciskiem na rachunek zysków i strat, który zawiera informacje o przychodach, kosztach i zyskach. Nauczysz się obliczać wskaźniki rentowności, a zdobytą wiedzę wykorzystasz w praktyce – budując prognozę zysku dla Tesli!
- Wprowadzenie do sprawozdań finansowych50 XP
- Obliczanie zysku brutto100 XP
- Obliczanie zysku netto100 XP
- Składniki zysku netto i zysku brutto50 XP
- Obliczanie sprzedaży i kosztu własnego sprzedaży (COGS)50 XP
- Obliczanie sprzedaży100 XP
- Prognozowanie sprzedaży z rabatem100 XP
- Obliczanie kosztu własnego sprzedaży100 XP
- Obliczanie progu rentowności100 XP
- Praca z surowymi zbiorami danych prognozy50 XP
- Rachunek zysków i strat Tesli100 XP
- Prognozowanie zysku dla Tesli100 XP
2
Bilans i wskaźniki prognoz
W tym rozdziale zgłębisz temat bilansu – omówimy aktywa, pasywa oraz wybrane wskaźniki przydatne do oceny kondycji finansowej i efektywności firmy. Zobaczysz też, jak te wskaźniki mogą pomóc w tworzeniu rzetelnej prognozy finansowej.
3
Formatowanie danych surowych, zarządzanie datami i okresami finansowymi
Znasz już podstawy rachunku zysków i strat oraz bilansu. Konsolidacja danych na potrzeby prognozowania bywa jednak złożona, dlatego w tym rozdziale przyjrzymy się narzędziom, które ułatwiają pracę z danymi finansowymi – poznasz sposoby obsługi dat i różnych okresów finansowych oraz nauczysz się formatować surowe dane do postaci odpowiedniej dla prognoz finansowych.
4
Założenia i odchylenia w prognozach
W tym rozdziale przyjrzymy się dwóm kolejnym elementom tworzenia dobrej prognozy. Najpierw zajmiemy się założeniami – czym są, co na nie wpływa i co się dzieje, gdy jedno z nich ulega zmianie. Następnie przejdziemy do odchyleń: prognoza powstaje w określonym momencie, ale co zrobić, gdy rzeczywiste wyniki nie pokrywają się z założeniami? Potrzebna jest prognoza wrażliwa na zmiany założeń i uwzględniająca odchylenia – właśnie tego będziemy się tutaj uczyć.
Prognozowanie finansowe w Pythonie
Kurs
ukończony
