Chuyển đến nội dung chính

Trang chủ Python

Khóa học

Xử lý dữ liệu chuỗi thời gian trong Python

Trung cấpTrình độ kỹ năng

Đã cập nhật tháng 05, 2022

Trong khóa học này, bạn sẽ học những kiến thức cơ bản về cách làm việc với dữ liệu chuỗi thời gian.

Bắt Đầu Khóa Học Miễn Phí

PythonData Manipulation

4 gio

16 video

55 Bài tập

4,700 XP

71,665

Giấy chứng nhận Thành tích

Được người học tại hàng ngàn công ty yêu thích

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Trong khóa học này, bạn sẽ học những kiến thức nền tảng về xử lý dữ liệu chuỗi thời gian. Dữ liệu chuỗi thời gian là dữ liệu được lập chỉ mục theo một dãy ngày hoặc thời điểm. Bạn sẽ học cách dùng các phương thức tích hợp trong Pandas để làm việc với chỉ mục này. Bạn cũng sẽ học cách resample chuỗi thời gian để thay đổi tần suất. Khóa học còn hướng dẫn cách tính các giá trị lăn (rolling) và tích lũy cho chuỗi thời gian. Cuối cùng, bạn sẽ vận dụng toàn bộ kỹ năng mới để xây dựng một chỉ số cổ phiếu tỷ trọng theo giá trị từ dữ liệu cổ phiếu thực tế.

Điều kiện tiên quyết

Data Manipulation with pandas

1

Làm việc với chuỗi thời gian trong Pandas

Chương này đặt nền tảng để bạn khai thác các khả năng mạnh mẽ cho chuỗi thời gian mà Pandas cung cấp khi biểu diễn ngày, đặc biệt là qua DateTimeIndex. Bạn sẽ học cách tạo và thao tác thông tin ngày tháng và chuỗi thời gian, cũng như cách tính toán với DataFrame nhận biết thời gian để dịch chuyển dữ liệu theo thời gian hoặc tạo lợi suất theo từng giai đoạn.

Cách làm việc với ngày & thời gian trong pandas

Chuỗi thời gian đầu tiên của bạn

Đánh chỉ mục và lấy mẫu lại chuỗi thời gian

Tạo chuỗi thời gian cho dữ liệu chất lượng không khí

So sánh xu hướng giá cổ phiếu theo năm

Thiết lập và thay đổi tần suất chuỗi thời gian

Độ trễ, thay đổi và lợi suất cho chuỗi giá cổ phiếu

Dịch chuyển giá cổ phiếu theo thời gian

Tính thay đổi giá cổ phiếu

Vẽ lợi suất theo nhiều khoảng thời gian

Bắt Đầu Chương

2

Các chỉ số cơ bản & Resampling cho chuỗi thời gian

Chương này đi sâu hơn vào các chức năng cốt lõi cho chuỗi thời gian thông qua pandas DataTimeIndex. Nội dung giới thiệu resampling và cách so sánh các chuỗi thời gian khác nhau bằng cách chuẩn hóa điểm bắt đầu của chúng.

So sánh tốc độ tăng trưởng của chuỗi thời gian

So sánh hiệu suất của một số loại tài sản

So sánh giá cổ phiếu với một chỉ số tham chiếu

Vẽ chênh lệch hiệu suất so với chỉ số tham chiếu

Thay đổi tần suất chuỗi thời gian: resampling

Chuyển đổi dữ liệu theo tháng sang theo tuần

Tạo dữ liệu hàng tuần từ dữ liệu thất nghiệp theo tháng

Tăng tần suất và nội suy với .resample()

Dùng nội suy để tạo dữ liệu việc làm theo tuần

Nội suy nợ/GDP và so sánh với thất nghiệp

Giảm tần suất & tổng hợp

So sánh xu hướng ozone theo tuần, tháng và năm cho NYC & LA

So sánh giá cổ phiếu trung bình theo tháng của Facebook và Google

So sánh tăng trưởng GDP theo quý và lợi suất cổ phiếu

Trực quan hóa giá trị trung bình tháng, trung vị và độ lệch chuẩn của lợi suất S&P500

Bắt Đầu Chương

3

Hàm cửa sổ: Chỉ số Rolling & Expanding

Chương này sẽ hướng dẫn bạn sử dụng hàm cửa sổ để tính các chỉ số chuỗi thời gian cho cả cửa sổ lăn (rolling) và mở rộng (expanding).

Hàm cửa sổ rolling với pandas

Trung bình trượt chất lượng không khí ở New York City từ năm 2010

Trung vị và độ lệch chuẩn lăn 360 ngày cho dữ liệu ozone NYC từ năm 2000

Các phân vị dạng rolling cho chất lượng không khí hằng ngày ở NYC

Hàm cửa sổ mở rộng với pandas

Tổng tích lũy vs .diff()

Lợi nhuận lũy kế trên $1.000 đầu tư vào google so với apple I

Tỷ suất sinh lợi tích lũy cho $1.000 đầu tư vào Google vs Apple II

Nghiên cứu tình huống: mô phỏng giá S&P500

Bước ngẫu nhiên I

Bước ngẫu nhiên II

Random walk III

Mối quan hệ giữa chuỗi thời gian: tương quan

Tương quan lợi nhuận hằng năm giữa một số cổ phiếu

Bắt Đầu Chương

4

Tổng hợp: Xây dựng chỉ số tỷ trọng theo giá trị

Chương này kết hợp các khái niệm trước đó để hướng dẫn bạn tạo một chỉ số tỷ trọng theo giá trị. Chỉ số này sử dụng dữ liệu vốn hóa thị trường trong danh sách niêm yết sàn giao dịch để tính trọng số và dữ liệu giá cổ phiếu năm 2016. Hiệu suất chỉ số sau đó được so sánh với các thước đo tham chiếu để đánh giá hiệu quả của chỉ số bạn đã tạo.

Chọn thành phần chỉ số và nhập dữ liệu

Khám phá và làm sạch thông tin niêm yết công ty

Chọn và kiểm tra các thành phần của chỉ số

Nhập thông tin giá của các thành phần chỉ số

Xây dựng chỉ số theo trọng số vốn hóa thị trường

Tính số cổ phiếu đang lưu hành

Tạo chuỗi thời gian của giá trị thị trường

Tính toán và vẽ chỉ số tổng hợp

Đánh giá hiệu suất chỉ số

Tính mức đóng góp của từng cổ phiếu vào chỉ số

So sánh hiệu suất chỉ số với benchmark I

So sánh hiệu suất chỉ số với chuẩn đối sánh II

Tương quan chỉ số & xuất ra Excel

Trực quan hóa tương quan giữa các cổ phiếu trong chỉ số của bạn

Lưu phân tích của bạn vào nhiều worksheet Excel

Chúc mừng bạn!

Bắt Đầu Chương

Xử lý dữ liệu chuỗi thời gian trong Python

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Xử lý dữ liệu chuỗi thời gian trong Python ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.