040031 KU Python for Finance I (MA) (2022S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 07.02.2022 09:00 bis Mo 21.02.2022 23:59
- Anmeldung von Do 24.02.2022 09:00 bis Fr 25.02.2022 23:59
- Abmeldung bis Mo 14.03.2022 23:59
Details
max. 35 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
The course will be taught in person if use of the room's full capacity is permitted. Otherwise the course format will be digital.
Dienstag
01.03.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
08.03.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
15.03.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
22.03.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
29.03.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
05.04.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Dienstag
26.04.
13:15 - 16:30
Digital
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
The grade will be based on homework exercises that participants are expected to present in class, active class participation, and a final exam.
Mindestanforderungen und Beurteilungsmaßstab
60% homework exercises
10% active class participation
30% final examMinimum requirement for a positive grade: a total of 50%.
10% active class participation
30% final examMinimum requirement for a positive grade: a total of 50%.
Prüfungsstoff
All material covered in class.
Literatur
Main reference:Sheppard, Kevin. Introduction to Python for Econometrics, Statistics and Data Analysis, 2021. https://www.kevinsheppard.com/files/teaching/python/notes/python_introduction_2021.pdfMcKenney, Wes. Python for Data Analysis, 2nd edition, 2017. O'Reilly Media.Official Python documentation and tutorials: https://docs.python.org/3/tutorial/index.html
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Do 11.05.2023 11:26
2. Numerical Computing with NumPy
3. Data Analysis with pandas
4. Regression Analysis with statsmodels and linearmodelsFurthermore, data visualization with matplotlib will be part of all chapters.