Aperçu du cours : https://youtu.be/JgFV5qzAYno Python est en train de devenir le langage de programmation numéro 1 pour la science des données. En raison de sa simplicité et de sa grande lisibilité, Python gagne en importance dans l'industrie financière. A la fin du cours, vous pourrez réaliser les tâches suivantes en utilisant Python : - Importer, pré-traiter, sauvegarder et visualiser des données financières dans pandas Dataframe - Manipuler les données financières existantes en générant de nouvelles variables en utilisant plusieurs colonnes - Rappeler et appliquer les concepts statistiques importants (variable aléatoire, fréquence, distribution, population et échantillon, intervalle de confiance, régression linéaire, etc. ) dans des contextes financiers - Construire un modèle de trading en utilisant un modèle de régression linéaire multiple - Evaluer la performance du modèle de trading en utilisant différents indicateurs d'investissement L'environnement Jupyter Notebook est configuré dans la plateforme de cours pour pratiquer le codage python sans installer d'applications clientes.
Python et statistiques pour l'analyse financière
Instructeur : Xuhu Wan
246 250 déjà inscrits
Inclus avec
(4,315 avis)
Expérience recommandée
Compétences que vous acquerrez
- Catégorie : Analyse des données financières
- Catégorie : Analyse financière
- Catégorie : Programmation en Python
- Catégorie : Analyse statistique
- Catégorie : Visualisation de Données
Détails à connaître
Ajouter à votre profil LinkedIn
5 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Pourquoi les banques d'investissement et les banques de consommateurs utilisent-elles Python pour construire des modèles quantitatifs permettant de prévoir les rendements et d'évaluer les risques ? Qu'est-ce qui fait de Python l'un des outils les plus populaires pour l'analyse financière ? Dans ce module, vous allez apprendre les bases de Python pour importer, manipuler et visualiser des données boursières. Comme Python est très lisible et assez simple, vous pourrez construire l'un des modèles de trading les plus populaires - la stratégie de suivi de tendance - à la fin de ce module !
Inclus
7 vidéos3 lectures1 devoir1 sujet de discussion4 laboratoires non notés
Dans le module précédent, nous avons construit une stratégie de trading simple basée sur les moyennes mobiles 10 et 50, qui sont des "variables aléatoires" dans les statistiques. Dans ce module, nous allons explorer les concepts de base des variables aléatoires. En comprenant la fréquence et la distribution des variables aléatoires, nous approfondissons la discussion sur les probabilités. Dans la dernière partie du module, nous appliquons le concept de probabilité pour mesurer le risque d'investir dans une action en examinant la distribution du logarithme du rendement journalier à l'aide de Python. Les apprenants sont censés avoir des connaissances de base en probabilités avant de suivre ce module.
Inclus
4 vidéos1 devoir3 laboratoires non notés
En analyse financière, nous déduisons toujours le rendement moyen réel des actions ou des fonds d'actions en nous basant sur les données historiques de quelques années. Cette situation est conforme à une partie essentielle des statistiques - l'inférence statistique - qui se base également sur des données d'échantillons pour déduire la population d'une variable cible.Dans ce module, vous allez comprendre le concept de base de l'inférence statistique tel que la population, les échantillons et l'échantillonnage aléatoire. Dans la deuxième partie du module, nous estimerons la fourchette du rendement moyen d'une action à l'aide d'un concept appelé intervalle de confiance, après avoir compris la distribution de la moyenne de l'échantillon.Nous vérifierons également l'affirmation du rendement de l'investissement à l'aide d'un autre concept statistique - le test d'hypothèse.
Inclus
5 vidéos1 lecture1 devoir4 laboratoires non notés
Dans ce module, nous allons explorer la méthode de prédiction la plus souvent utilisée - la régression linéaire. De l'apprentissage de l'association de variables aléatoires au modèle de régression linéaire simple et multiple, nous arrivons enfin à la partie la plus intéressante de ce cours : nous allons construire un modèle utilisant plusieurs indices des marchés mondiaux et prédire la variation du prix d'un ETF du S&P500. Outre la construction d'un modèle de trading boursier, il est également très amusant de tester la performance de vos propres modèles, que je vous montrerai également comment évaluer !
Inclus
6 vidéos1 lecture2 devoirs5 laboratoires non notés
Instructeur
Recommandé si vous êtes intéressé(e) par Finance
Coursera Project Network
The University of Melbourne
University of Colorado Boulder
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
4 315 avis
- 5 stars
58,83 %
- 4 stars
29,44 %
- 3 stars
7,95 %
- 2 stars
1,91 %
- 1 star
1,85 %
Affichage de 3 sur 4315
Révisé le 10 juil. 2020
It was a very good course that gave me quick and dirty tips on how to use python to generate statistical analysis of finance data. Need to update some of the course materials though.
Révisé le 14 janv. 2020
Gives a good introduction to the topic but I needed to allocate time for further reading on the topics presented and to fully grasp the concept, which is more or less expected of any student.
Révisé le 22 avr. 2020
Generally, the course offer many approach with financial data but not very easy to understand for beginner such as myself. I hope there will be more course like this in the future !!!
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous achetez un certificat, vous avez accès à tous les supports de cours, y compris les devoirs notés. Une fois le cours terminé, votre certificat électronique sera ajouté à votre page de réalisations. Vous pourrez alors l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez l'auditer gratuitement.
Vous pouvez prétendre à un remboursement intégral jusqu'à deux semaines après la date de votre paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, la date la plus tardive étant retenue. Vous ne pouvez pas obtenir de remboursement une fois que vous avez obtenu un certificat de cours, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre politique de remboursement complète.