Im vorherigen Modul haben wir eine einfache Handelsstrategie auf der Grundlage der gleitenden Durchschnitte 10 und 50 entwickelt, die in der Statistik "Zufallsvariablen" sind. In diesem Modul werden wir uns mit den grundlegenden Konzepten von Zufallsvariablen beschäftigen. Wenn wir die Häufigkeit und Verteilung von Zufallsvariablen verstehen, können wir die Diskussion über die Wahrscheinlichkeit vertiefen. Im späteren Teil des Moduls wenden wir das Wahrscheinlichkeitskonzept bei der Messung des Risikos einer Aktienanlage an, indem wir die Verteilung der logarithmischen Tagesrendite mit Python untersuchen. Es wird erwartet, dass Sie vor der Teilnahme an diesem Modul über Grundkenntnisse der Wahrscheinlichkeitsrechnung verfügen.

In der Finanzanalyse schließen wir immer auf die tatsächliche durchschnittliche Rendite von Aktien oder Aktienfonds, basierend auf den historischen Daten einiger Jahre. Diese Situation entspricht einem Kernbereich der Statistik - der statistischen Inferenz -, bei der wir uns ebenfalls auf Stichprobendaten stützen, um auf die Grundgesamtheit einer Zielvariablen zu schließen.in diesem Modul werden Sie das Grundkonzept der statistischen Inferenz wie Grundgesamtheit, Stichproben und Zufallsstichproben verstehen. Im zweiten Teil des Moduls werden wir den Bereich der mittleren Rendite einer Aktie mit Hilfe des Konfidenzintervalls schätzen, nachdem wir die Verteilung des Stichprobenmittelwerts verstanden haben.

In diesem Modul werden wir die am häufigsten verwendete Vorhersagemethode erkunden - die lineare Regression. Vom Erlernen der Assoziation von Zufallsvariablen bis hin zu einfachen und multiplen linearen Regressionsmodellen kommen wir schließlich zum interessantesten Teil dieses Kurses: Wir werden ein Modell mit mehreren Indizes aus den globalen Märkten erstellen und die Kursänderung eines ETF des S&P500 vorhersagen. Neben dem Aufbau eines Aktienhandelsmodells macht es auch großen Spaß, die Leistung Ihrer eigenen Modelle zu testen, und ich werde Ihnen auch zeigen, wie Sie diese auswerten können!