یک قانون طلایی در سرمایه‌گذاری این است که همیشه استراتژی پرتفوی را بر روی داده‌های تاریخی آزمایش کنید، و هنگامی که استراتژی را معامله می‌کنید، به طور مداوم بر عملکرد آن نظارت کنید. در این دوره، با تجزیه و تحلیل انتقادی بازده پورتفولیو با استفاده از بسته PerformanceAnalytics، این را یاد خواهید گرفت. این دوره همچنین نشان می دهد که چگونه می توان وزن های پرتفوی را که به طور بهینه ریسک و بازده را متعادل می کند، تخمین زد. این یک دوره آموزشی مبتنی بر داده است که تئوری پورتفولیو را با تمرین در R ترکیب می کند، که در نمونه های واقعی از پرتفوی سهام و مشکلات تخصیص دارایی نشان داده شده است. اگر می‌خواهید پس از پایان این دوره به کاوش در داده‌ها ادامه دهید، داده‌های استفاده شده در سه فصل اول را می‌توان با استفاده از tseries-package به‌دست آورد.

آیا تا به حال به این فکر کرده اید که آیا صندوق سرمایه گذاری واقعاً یک سرمایه گذاری خوب است؟ یا دو گزینه سرمایه گذاری را با هم مقایسه کرد و پرسید که تفاوت این دو چیست؟ شاخص ریسک این صندوق ها اصلا به چه معناست؟ یا اینکه اغلب در کار روزانه خود با داده های مالی کار می کنید و می خواهید برتری داشته باشید؟ در این دوره آموزشی، با یادگیری پرتفوی، ریسک و بازده و نحوه تحلیل انتقادی آنها، با دنیای هیجان انگیز سرمایه گذاری آشنا می شوید. با کار بر روی داده‌های تاریخی واقعی سهام، یاد می‌گیرید که چگونه معیارهای معنی‌دار ریسک را محاسبه کنید، چگونه عملکرد را تجزیه کنید و چگونه یک پرتفوی بهینه برای ریسک و بازده مورد نظر محاسبه کنید. پس از این دوره، می‌توانید در مورد سرمایه‌گذاری تصمیم‌های مبتنی بر داده بگیرید و درک بهتری از سبد سرمایه‌گذاری داشته باشید.

این دوره به شما می آموزد که چگونه ریسک و بازده سهام اولیه را مانند یک تحلیلگر کمی در وال استریت ارزیابی کنید. این مهم ترین گام در جهت خودکارسازی کامل فرآیندهای ساخت و مدیریت پورتفولیو است. کشف کنید چه عواملی باعث بازدهی پرتفوی شما می شود، سبدهای سهام وزنی با ارزش بازار بسازید، و یاد بگیرید که چگونه ریسک بازار را از طریق تولید سناریو پیش بینی و محافظت کنید.

درک اصول اساسی امور مالی برای اتخاذ تصمیمات مالی مهم از گرفتن وام دانشجویی تا ساختن یک سبد سرمایه گذاری ضروری است. ترکیب دانش مالی اولیه با پایتون به شما امکان می دهد ابزارهای بسیار قدرتمندی بسازید. شما از این دوره با درک ارزش زمانی پول، نحوه مقایسه پروژه های بالقوه و نحوه اتخاذ تصمیمات مالی منطقی و مبتنی بر داده ها آشنا خواهید شد.

اگر می‌خواهید مهارت‌های جدید «Python for Data Science» را در داده‌های مالی دنیای واقعی اعمال کنید، این دوره ابزارهای بسیار ارزشمندی را در اختیار شما قرار می‌دهد. ابتدا یاد می گیرید که چگونه داده ها را از اکسل به پانداها منتقل کنید و برگردانید. سپس، یاد خواهید گرفت که چگونه قیمت سهام را از API های آنلاین مختلف مانند گوگل یا یاهو امور مالی، داده های کلان از فدرال رزرو، و نرخ ارز از OANDA. در نهایت، نحوه محاسبه بازده برای افق های زمانی مختلف را یاد خواهید گرفت. تجزیه و تحلیل عملکرد سهام بر اساس بخش برای IPOها، و محاسبه و خلاصه همبستگی.

اگر تا به حال کاری با سری های زمانی مالی یا اقتصادی انجام داده اید، می دانید که داده ها در اشکال، اندازه ها و دوره های مختلف وجود دارند. دریافت داده‌ها در R می‌تواند استرس‌زا و زمان‌بر باشد، به‌ویژه زمانی که نیاز دارید داده‌ها را از چندین منبع مختلف در یک مجموعه داده ادغام کنید. این دوره شامل وارد کردن داده ها از فایل های محلی و همچنین از منابع اینترنتی می شود.