课程概述： https://youtu.be/JgFV5qzAYno Python 现已成为数据科学的第一编程语言。由于 Python 的简单性和高可读性，它在金融行业的重要性日益凸显。 课程结合了 Python 编码和统计概念，并将其应用于分析股票等金融数据。 课程结束后，您可以使用 Python 实现以下目标： - 将金融数据导入 pandas Dataframe，并对其进行预处理、保存和可视化 - 通过使用多列生成新变量来处理现有金融数据 - 回顾并应用重要的统计概念（随机变量、频率、分布、群体和样本、置信区间、线性回归等）。使用多元线性回归模型建立交易模型 - 使用不同的投资指标评估交易模型的性能 在课程平台中配置了 Jupyter Notebook 环境，以便在不安装任何客户端应用程序的情况下练习 Python 编码。
用于财务分析的 Python 和统计
了解顶级公司的员工如何掌握热门技能
该课程共有4个模块
为什么投资银行和消费银行使用 Python 建立量化模型来预测收益和评估风险？是什么让 Python 成为最受欢迎的金融分析工具之一？在本模块中，您将学习导入、操作和可视化股票数据的 Python 基础知识。由于 Python 可读性高且足够简单，在本模块结束时，您可以构建最流行的交易模型之一--趋势跟踪策略！
涵盖的内容
7个视频4篇阅读材料1个作业1个讨论话题4个非评分实验室
在上一模块中，我们基于移动平均线 10 和 50（在统计学中属于 "随机变量"）建立了一个简单的交易策略。在本模块中，我们将探讨随机变量的基本概念。通过了解随机变量的频率和分布，我们将进一步扩展到概率的讨论。在本模块的后半部分，我们将运用概率概念，通过使用 python 查看对数日收益率的分布，来衡量投资股票的风险。希望学员在学习本模块之前具备基本的概率知识。
涵盖的内容
4个视频1个作业3个非评分实验室
在金融分析中，我们总是根据几年的历史数据推断股票或股票基金的实际平均收益率。这种情况与统计学的核心部分--统计推断--是一致的，我们也是根据样本数据来推断目标变量的总体。在本模块中，您将了解统计推断的基本概念，如总体、样本和随机抽样。在本模块的第二部分，我们将在了解样本平均值的分布后，使用置信区间这一概念来估计股票平均收益的范围。我们还将使用另一个统计概念--假设检验来验证投资收益的说法。
涵盖的内容
5个视频1篇阅读材料1个作业4个非评分实验室
在本模块中，我们将探索最常用的预测方法--线性回归。从学习随机变量的关联到简单和多元线性回归模型，我们终于来到了本课程最有趣的部分：我们将使用全球市场的多个指数建立一个模型，并预测 S&P500 ETF 的价格变化。除了建立股票交易模型，测试自己的模型性能也是一件非常有趣的事情，我也会教你如何评估这些模型！
涵盖的内容
6个视频1篇阅读材料2个作业5个非评分实验室
位教师
授课教师评分
4.3 (1,220个评价)
从 金融 浏览更多内容
状态：免费试用Corporate Finance Institute
状态：免费试用
状态：免费试用University of Illinois Urbana-Champaign
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.4
4,564 条评论
- 5 stars
59.23%
- 4 stars
29.26%
- 3 stars
7.74%
- 2 stars
1.90%
- 1 star
1.85%
显示 3/4564 个
DB
5
已于 Apr 30, 2020审阅
I learned a lot about different charts and approaches to their evaluation. And at the same time I remembered the course of probability theory. It's not very simple, but you should try.
EC
4
已于 Nov 9, 2019审阅
The course was very good and gave useful skills for statistical analysis with python. I do wish there was a more detailed introduction to the course for people who may not have a technical background.
AI
5
已于 May 9, 2020审阅
This is a good course. I did not learned or gone through any of the Python module before joining this course, but the training was good. Thank you Xuhu Wan for your training.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
购买证书后，您就可以访问所有课程资料，包括已评分的作业。完成课程后，您的电子证书将添加到您的 "成就 "页面--您可以从那里打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，