Skip to main content
Back to top
Ctrl
+
K
Statistik für Finanzmärkte
Kurs
1. Erste Schritte
2. Grundlagen der Programmierung: Programmabläufe
3. Einführung in das Arbeiten mit NumPy
4. Pandas DataFrames
5. Erstellung von Grafiken mittels Matplotlib, Seaborn und Plotly
6. Kursdaten: Import und Visualisierung
7. Returnanalyse
8. Regressionsmodelle
9. Risikomaße (Entwurf)
10. Portfoliooptimierung (to do)
Anhang
Weitere Grafiken mit Matplotlib
Verteilungen (to do)
Statistische Tests (to do)
Objektorientierte Programmierung
Computeralgebra mit SymPy
Wissenschaftliches Rechnen mit SciPy
Versionskontrolle mit GIT
Quellen
Literaturverzeichnis
Repository
Open issue
.ipynb
.pdf
Portfoliooptimierung (to do)
10.
Portfoliooptimierung (to do)
#
