Финансовые данные в Python
Если вы хотите применить свои навыки Data Science для работы с реальными финансовыми данными, то этот курс даст вам несколько очень полезных инструментов.
Преподаватель
Михаил Омельченко
Программист с многолетним опытом. Пишу на Python, Javascript, Typescript и руковожу командами разработчиков. Основатель youtube канал Django School. Стал ментором для десятков учеников и разработал платформу colabteam.dev
5часов
15видео
36упражнений
4350опыта
Описание курсаЕсли вы хотите применить свои навыки Data Science для работы с реальными финансовыми данными, то этот курс даст вам несколько очень полезных инструментов. Вы загрузите данные из Excel в датафрейм, научитесь импортировать цены акций из различных онлайн API, таких как IEX и Yahoo. Узнаете, как рассчитать доходность для различных временных интервалов, проанализируете показатели акций по секторам для IPO, а также рассчитаете и обобщите корреляции между ними.
1. Импорт биржевых данных из Excel
В этой части вы узнаете, как импортировать, очищать и объединять данные из Excel-листов. Также попрактикуетесь в группировке данных, объединении информации по категориям и визуализации результата с помощью графиков и тепловых карт. Вы будете использовать данные о компаниях, зарегистрированных на фондовых биржах NASDAQ, NYSE и AMEX.Чтение, проверка и очистка данных из CSV-файла
50
Получение листинга акций с NASDAQ
100
Как получить корректные данные?
100
Импорт данных с дополнительными параметрами
100
Чтение данных из таблиц Excel
50
Импорт данных из листа Excel
100
Импорт данных из нескольких листов Excel
100
Объединение данных из листов Excel
50
Импорт данных листинга
100
Сколько компаний представлено на биржах NYSE и NASDAQ?
100
Автоматизация загрузки и объединения данных из нескольких листов
100
2. Получение финансовых данных из интернета
В этой части вы узнаете об онлайн-доступе к данным с помощью DataReader библиотеки pandas. Попрактикуетесь в импорте данных, их изменении и узнаете, как объединять и визуализировать серии данных. DataReader: онлайн-доступ к финансовым данным
50
Получение данных одной компании
100
Визуализация динамики цены акции
100
Экономические данные из Федеральной Резервной системы
50
Визуализация долгосрочной динамики цены на нефть
100
Сравнение участия на рынке труда и безработицы
100
Сравнение динамики облигаций и акций
100
Выбор акций и получение данных из YAHOO
50
Топ-5 потребительских компаний
100
Получение тикера крупнейшей компании
100
Крупнейшая компания с IPO после 1998 года
100
3. Обобщение данных и визуализация результата
В этой части вы узнаете, как отразить ключевые характеристики отдельных переменных в простых метриках. В результате вы научитесь анализировать распределение переменных. Какие значения являются центральными или типичными? Данные распределены широко или довольно узко вокруг некоторой средней точки? Есть ли отклонения? Как выглядит общее распределение?Обобщение данных с помощью описательной статистики
50
Выведите список самых бедных и богатых стран в мире
100
Мировые доходы: центральная тенденция
100
Описание распределения данных с помощью квантилей
50
Мировые доходы: дисперсия
100
Децили мирового распределения доходов
100
Получение всех статистических показателей
100
Визуализация распределения данных
50
Визуализация распределения доходов
100
Темпы роста в Бразилии, Китае и США
100
Выделение значений на графике
100
Обобщение категориальных переменных
50
Сравнение распределения листингов в зависимости от сектора
100
IPO в технологическом секторе
100
4. Агрегирование и описание данных по категориям
В этой части вы научитесь группировать данные по одной или нескольким категориальным переменным, а также рассчитывать и визуализировать сводную статистику для каждой категории. В процессе работы вы будете сравнивать статистику компаний, анализировать глобальное распределение доходов и создавать различные статистические диаграммы с помощью библиотеки seaborn.Агрегирование данных по категориям
50
Медианная рыночная капитализация по секторам
100
Медианная рыночная капитализация по году проведения IPO
100
Все показатели статистики по секторам
100
Дополнительные способы агрегирования данных
50
Стоимость компании по биржам и секторам
100
Расчет различных метрик по секторам и биржам
100
Сводная статистика по категориям в seaborn
50
График IPO с помощью функции countplot()
100
Мировой медианный доход на душу населения с течением времени
100
Рассчитайте несколько показателей по секторам и годам проведения IPO
100
Распределение по категориям с помощью seaborn
50
Динамика инфляции в Китае, Индии и США
100
Распределение темпов инфляции в Китае, Индии и США
100
Итоги
50
