Bewertung:
Das Buch bietet eine Einführung in das Finanzwesen mit Python, wobei bestimmte Kapitel als besonders hilfreich hervorgehoben werden. Es wurde jedoch wegen des schlechten Schreibens, der ineffektiven Programmierbeispiele und des mangelnden praktischen Nutzens kritisiert.
Vorteile:Tolle Einführung in das Finanzwesen mit Python. Die Kapitel 10 und 12 sind besonders hilfreich als Zusatzmaterial zu Hull's Options, Futures and Other Derivatives.
Nachteile:Schlecht geschrieben; fühlt sich eher an wie Unterrichtsnotizen als ein eigenständiges Produkt. Viele Code-Beispiele funktionieren nicht oder erfordern übermäßige Anpassungen. Aufgrund des ineffektiven Inhalts nicht zu empfehlen.
(basierend auf 5 Leserbewertungen)
Python for Finance
Lernen und Implementieren verschiedener quantitativer Finanzkonzepte mit Hilfe der beliebten Python-Bibliotheken
Hauptmerkmale:
⬤ Verstehen Sie die Grundlagen der Python-Datenstrukturen und arbeiten Sie mit Zeitreihendaten.
⬤ Implementieren Sie Schlüsselkonzepte der quantitativen Finanzwirtschaft mit Hilfe beliebter Python-Bibliotheken wie NumPy, SciPy und matplotlib.
⬤ Ein Schritt-für-Schritt-Tutorial mit vielen Python-Programmen, die Ihnen helfen, die Anwendung von Python im Finanzbereich zu erlernen.
Buchbeschreibung:
Dieses Buch verwendet Python als Berechnungswerkzeug. Da Python kostenlos ist, kann jede Schule oder.
Organisation kann es herunterladen und verwenden.
Dieses Buch ist nach verschiedenen Finanzthemen gegliedert. Mit anderen Worten, die erste Ausgabe konzentriert sich mehr auf Python, während die zweite Ausgabe wirklich versucht, Python auf das Finanzwesen anzuwenden.
Das Buch beginnt mit der Erläuterung von Themen, die ausschließlich mit Python zu tun haben. Dann werden kritische Teile von Python behandelt, wobei Konzepte wie Zeitwert von Geld, Aktien- und Anleihebewertungen, Capital Asset Pricing Model, Multi-Faktor-Modelle, Zeitreihenanalyse, Portfoliotheorie,.
Optionen und Futures.
Dieses Buch wird uns helfen, die Grundlagen der quantitativen Finanzwirtschaft zu erlernen oder zu wiederholen und Python zur Lösung verschiedener Probleme anzuwenden, wie z.B. die Schätzung des Marktrisikos von IBM,.
Durchführung eines Fama-French-3-Faktor-, 5-Faktor- oder Fama-French-Carhart-4-Faktor-Modells, Schätzung des VaR eines 5-Aktien-Portfolios, Schätzung des optimalen Portfolios und Konstruktion der Effizienzgrenze für ein 20-Aktien-Portfolio mit realen Aktien und mit Monte-Carlo-Simulation. Später werden wir auch lernen, wie man das berühmte Black-Scholes-Merton-Optionsmodell nachbildet und wie man exotische Optionen wie die Average Price Call Option bewertet.
Was Sie lernen werden:
⬤ In den ersten beiden Kapiteln werden Sie mit Python vertraut gemacht.
⬤ CAPM, Fama-French-3-Faktor- und Fama-French-Carhart-4-Faktor-Modelle durchführen.
⬤ Lernen Sie, wie man einen Call, Put und verschiedene exotische Optionen bewertet.
⬤ Die Monte-Carlo-Simulation verstehen, ein Python-Programm schreiben, um das Black-Scholes-Merton-Optionsmodell nachzubilden, und einige exotische Optionen bewerten können.
⬤ Das Konzept der Volatilität verstehen und wissen, wie man die Hypothese testet, dass sich die Volatilität im Laufe der Jahre verändert.
⬤ Die ARCH- und GARCH-Prozesse verstehen und wissen, wie man entsprechende Python-Programme schreibt.
Für wen dieses Buch gedacht ist:
Dieses Buch setzt voraus, dass der Leser über einige Grundkenntnisse in Bezug auf Python verfügt. Er/sie hat jedoch keine Kenntnisse über quantitative Finanzen. Darüber hinaus hat er/sie keine Kenntnisse über Finanzdaten.
| ISBN: | 9781787125698 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
