Name: Импорт и управление финансовыми данными в Python
Rating: 4.815384615384615 (65 reviews)

Описание курса

Если вы хотите применить навыки Python для науки о данных к реальным финансовым данным, этот курс даст вам ценные инструменты для работы. Сначала вы научитесь переносить данные из Excel в pandas и обратно. Затем — получать котировки акций через различные онлайн-API, например Google или Yahoo! Finance, макроэкономические данные из Федерального резерва, а также обменные курсы с OANDA. В завершение вы научитесь рассчитывать доходность за разные временные горизонты, анализировать результативность акций по секторам для IPO, а также вычислять и обобщать корреляции.

Предварительные требования

Data Manipulation with pandas

Программа

План курса

Импорт данных о биржевых листингах из Excel

В этой главе вы научитесь импортировать, очищать и объединять данные с листов книги Excel в DataFrame pandas. Вы также попрактикуетесь в группировке данных, обобщении информации по категориям и визуализации результатов с помощью подграфиков и тепловых карт. Вы будете работать с данными о компаниях, котирующихся на биржах NASDAQ, NYSE и AMEX: название компании, тикер, последняя рыночная капитализация и цена, сектор или отраслевая группа, год IPO. В главе 2 вы используете эти данные для загрузки и анализа истории цен акций некоторых из этих компаний.

Начать главу

Импорт финансовых данных из интернета

В этой главе рассматривается доступ к онлайн-данным Google Finance и сервиса данных Федерального резерва через `pandas` `DataReader`. Вы будете загружать данные, выполнять базовые операции с ними, объединять ряды данных и визуализировать результаты.

Начать главу

Анализ и визуализация данных

В этой главе вы научитесь описывать ключевые характеристики отдельных переменных с помощью простых метрик. Это поможет лучше понять распределение переменных в вашем наборе данных: какие значения являются центральными или типичными? Насколько разбросаны данные или, напротив, сосредоточены вокруг некоторой средней точки? Есть ли выбросы? Как выглядит общее распределение?

Начать главу

Агрегирование и описание данных по категориям

Эта глава посвящена группировке данных по одной или нескольким категориальным переменным, а также вычислению и визуализации сводной статистики для каждой категории. В процессе работы вы научитесь сравнивать показатели компаний по различным секторам и годам IPO, анализировать глобальное распределение доходов во времени, а также строить различные статистические графики с помощью библиотеки seaborn.