Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Complete 2-in-1 Python for Business and Finance Bootcamp

Khóa học toàn diện 2 trong 1: Python cho Kinh doanh và Tài chính

Khóa học toàn diện 2 trong 1: Python cho Kinh doanh và Tài chính

Khoa học Dữ liệu, Thống kê, Kiểm định Giả thuyết, Hồi quy, Mô phỏng cho Kinh doanh & Tài chính: Lập trình Python VÀ Lý thuyết từ A-Z

4.8
(1,238 đánh giá)
13,823 học viên
Giảng viên
Alexander Hagmann
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 1.369.000đ -94%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
38.0 giờ video
409 bài giảng
35 bài quiz
35 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026

Bạn sẽ học được gì

Học lập trình Python từ con số 0 trong bối cảnh Kinh doanh, Tài chính & Khoa học Dữ liệu (Ví dụ thực tế)
Học Kiến thức Kinh doanh & Tài chính (Giá trị Thời gian của Tiền, Lập ngân sách Vốn, Rủi ro, Lợi nhuận & Tương quan)
Học Thống kê (mô tả & suy luận, Phân phối Xác suất, Khoảng Tin cậy, Kiểm định Giả thuyết)
Học cách sử dụng phương pháp Bootstrapping để thực hiện phân tích thống kê và mô phỏng thực hành
Học Hồi quy (Hiệp phương sai & Tương quan, Hồi quy Tuyến tính, Hồi quy Bội, ANOVA)
Học cách sử dụng tất cả các Gói và Thư viện Khoa học Dữ liệu Python mạnh mẽ và liên quan
Học cách sử dụng Numpy và Scipy cho tính toán số, tài chính và khoa học
Học cách sử dụng Pandas để xử lý Dữ liệu Dạng bảng (Tài chính) - làm sạch, hợp nhất, thao tác
Học cách sử dụng stats (scipy) cho Thống kê và Kiểm định Giả thuyết
Học cách sử dụng statsmodels cho Phân tích Hồi quy và ANOVA
Học cách tạo Biểu đồ và Đồ thị trực quan có ý nghĩa với Matplotlib và Seaborn
Học cách tạo các hàm tự định nghĩa cho ứng dụng Kinh doanh & Tài chính
Học cách giải quyết và lập trình các Dự án thực tế trong Kinh doanh, Tài chính & Thống kê
Học cách khai thác toàn bộ sức mạnh của Python và Numpy với Mô phỏng Monte Carlo
Hiểu và lập trình Tỷ lệ Sharpe, Alpha, Beta, IRR, NPV, Lợi suất đáo hạn (YTM)
Học cách lập trình các khái niệm Tài chính nâng cao: Giá trị Rủi ro (VaR), Danh mục Đầu tư và Mô hình (Đa) Nhân tố
Hiểu sự khác biệt giữa Phân phối Chuẩn và Phân phối t của Student: nên dùng cái nào khi nào

Yêu cầu

Không yêu cầu biết lập trình (Python). Khóa học này bắt đầu từ con số 0 và dạy bạn mọi thứ từ đầu.
Không cần kiến thức chuyên môn về Kinh doanh/Tài chính, Thống kê & Khoa học Dữ liệu! Khóa học giải thích các khái niệm cơ bản và nâng cao một cách trực quan.
Một máy tính để bàn (Windows, Mac hoặc Linux) có khả năng lưu trữ và chạy Anaconda. Khóa học sẽ hướng dẫn bạn cài đặt phần mềm miễn phí cần thiết.
Kết nối internet có khả năng phát video trực tuyến.
Có kỹ năng toán học cấp trung học phổ thông sẽ rất tốt (không bắt buộc, nhưng sẽ hữu ích)

Đối tượng phù hợp

Tất cả các Chuyên gia Kinh doanh và Tài chính (Python là tương lai)
Lập trình viên Python / Nhà Khoa học Máy tính muốn bước vào các Vai trò Kinh doanh, Tài chính & Khoa học Dữ liệu
Các Nhà nghiên cứu cần phân tích tập dữ liệu lớn và thực hiện phân tích thống kê & hồi quy
Tất cả mọi người muốn bổ sung/thay thế Excel tại nơi làm việc để tăng năng suất
Tất cả mọi người muốn nắm bức tranh toàn cảnh: Lập trình và Lý thuyết nền tảng (Thống kê, Hồi quy, Tài chính)

Nội dung khóa học

33 phần • 407 bài giảng
1 Mẹo: Cách tận dụng tối đa khóa học này (đừng bỏ qua!)
2 Câu hỏi thường gặp / Giải đáp thắc mắc của bạn
3 Cách tải xuống và cài đặt Anaconda để lập trình Python
4 Jupyter Notebooks - hãy bắt đầu nào
5 Cách làm việc với Jupyter Notebooks
1 Tổng quan & Tải xuống Tài liệu Khóa học Phần 1 ***Cập nhật tháng 5/2023***
2 Tổng quan Dự án Lập trình Phần 1
1 Giới thiệu Khái niệm Giá trị Thời gian của Tiền (TVM) (Lý thuyết)
2 Tính Giá trị Tương lai (FV) với Python / Ghép lãi
3 ***MỚI*** Bài tập Lập trình Trực tuyến Udemy - Giới thiệu
4 Tính Giá trị Hiện tại (PV) với Python / Chiết khấu
5 Lãi suất và Tỷ suất Lợi nhuận (Lý thuyết)
6 Tính Lãi suất và Tỷ suất Lợi nhuận với Python
7 Giới thiệu về Biến số
8 Chuyên đề: Cách thêm chú thích nội dòng
9 Biến số và Bộ nhớ (Lý thuyết)
10 Thêm về Biến số và Bộ nhớ
11 Biến số - Nên làm, Không nên làm và Quy ước
12 Hàm print()
13 Bài tập Lập trình 1
1 Bài toán TVM với nhiều Dòng tiền
2 Giới thiệu về Danh sách (List) trong Python
3 Lập chỉ mục bắt đầu từ 0 và chỉ mục âm trong Python (Lý thuyết)
4 Lập chỉ mục Danh sách
5 Vòng lặp For - Lặp qua Danh sách
6 Đối tượng range - Một Iterable khác
7 Tính FV và PV cho nhiều Dòng tiền
8 Giá trị Hiện tại Ròng - NPV (Lý thuyết)
9 Tính NPV của một Dự án Đầu tư
10 Bài tập Lập trình 2
1 Kiểu dữ liệu trong Thực tế
2 Hệ thống phân cấp Kiểu dữ liệu (Lý thuyết)
3 Chuyên đề: Kiểu động (Dynamic Typing) trong Python
4 Các Hàm dựng sẵn
5 Số nguyên
6 Số thực dấu phẩy động
7 Cách làm tròn Số thực (và Số nguyên) với round()
8 Thêm về Danh sách
9 Danh sách và Phép toán theo phần tử
10 Cắt lát (Slicing) Danh sách
11 Bảng tra cứu nhanh Cắt lát
12 Thay đổi Phần tử trong Danh sách
13 Sắp xếp và Đảo ngược Danh sách
14 Thêm và xóa Phần tử vào/khỏi Danh sách
15 Đối tượng có thể thay đổi (Mutable) vs. không thể thay đổi (Immutable) (Phần 1)
16 Đối tượng có thể thay đổi (Mutable) vs. không thể thay đổi (Immutable) (Phần 2)
17 Bài tập Lập trình 3
18 Bộ giá trị (Tuple)
19 Từ điển (Dictionary)
20 Giới thiệu về Chuỗi ký tự (String)
21 Thay thế Chuỗi ký tự
22 Giá trị Boolean
23 Toán tử (Lý thuyết)
24 Toán tử So sánh, Logic và Thành viên trong Thực tế
25 Bài tập Lập trình 4
1 Câu lệnh Điều kiện
2 Từ khóa pass, continue và break
3 Tính Thời gian Hoàn vốn của một Dự án
4 Vòng lặp While
5 Tỷ suất Lợi nhuận Nội bộ - IRR (Lý thuyết)
6 Giải Tỷ suất Lợi nhuận Nội bộ (IRR) của một Dự án
7 Trái phiếu và Lợi suất Đáo hạn - YTM (Lý thuyết)
8 Giải Lợi suất Đáo hạn (YTM) của một Trái phiếu
9 Bài tập Lập trình 5
1 Giới thiệu
2 Đồ thị Đường (Line Plot)
3 Đồ thị Phân tán (Scatter Plot)
4 Tùy chỉnh Đồ thị (Phần 1)
5 Tùy chỉnh Đồ thị (Phần 2)
6 Vẽ đồ thị NPV & IRR
7 Bài tập Lập trình 6
1 Module, Gói và Thư viện - Không cần phát minh lại bánh xe
2 Mảng Numpy
3 Lập chỉ mục và Cắt lát Mảng Numpy
4 Phép toán Vectơ hóa với Mảng Numpy
5 Thay đổi Phần tử trong Mảng Numpy & Tính có thể thay đổi (Mutability)
6 View (khung nhìn) vs. copy (bản sao) - Cạm bẫy tiềm ẩn khi cắt lát Mảng Numpy
7 Phương thức và Thuộc tính của Mảng Numpy
8 Hàm Phổ quát (Universal Functions) của Numpy
9 Mảng Boolean và Lọc theo Điều kiện
10 Lọc Nâng cao & Toán tử Bitwise
11 Xác định Thời gian Hoàn vốn của Dự án với np.where()
12 Tạo Mảng Numpy từ Đầu
13 Bài tập Lập trình 7
1 Đánh giá Đầu tư với npf.npv() và npf.irr()
2 Đánh giá Niên kim với npf.fv() - Giai đoạn Tích lũy
3 Đánh giá Niên kim với npf.fv() - Giai đoạn Chi trả
4 Cách giải các khoản thanh toán niên kim với npf.pmt()
5 Cách giải số lần thanh toán định kỳ với npf.nper()
6 Cách tính Giá trị Hợp đồng yêu cầu với npf.pv()
7 Tần suất ghép lãi và lãi suất thực hàng năm
8 Cách đánh giá Kế hoạch Hưu trí từ A-Z
9 Kế hoạch Hưu trí: Phân tích Độ nhạy
10 Phân tích Khoản vay Thế chấp - Xác định Quy mô Nợ
11 Phân tích Khoản vay Thế chấp - Thanh toán Lãi và Lịch trình Khấu hao
12 Tính PV của các khoản trả góp bằng nhau với npf.pv() - Định giá Trái phiếu
13 Lập ngân sách Vốn - Các Dự án loại trừ lẫn nhau (Phần 1)
14 Lập ngân sách Vốn - Các Dự án loại trừ lẫn nhau (Phần 2)
15 Lập ngân sách Vốn - Các Dự án loại trừ lẫn nhau (Phần 3)
16 Bài tập Lập trình 8
1 Thống kê - Tổng quan, Thuật ngữ và Từ vựng
2 Tổng quan Dự án Lập trình Phần 2
3 Tải xuống Tài liệu Khóa học Phần 2 ***Cập nhật tháng 5/2023***
1 Tổng thể vs. Mẫu
2 Trực quan hóa Phân phối Tần suất với plt.hist()
3 Tần suất Tương đối và Tích lũy với plt.hist()
4 Các Tham số Xu hướng Trung tâm (Lý thuyết)
5 Lập trình các Tham số Xu hướng Trung tâm - Trung bình và Trung vị
6 Lập trình các Tham số Xu hướng Trung tâm - Trung bình Nhân (Geometric Mean)
7 Chuyên đề: Tại sao Lợi nhuận Logarit hữu ích
8 Độ biến thiên xung quanh Xu hướng Trung tâm / Độ phân tán (Lý thuyết)
9 Giá trị Tối thiểu, Tối đa và Khoảng biến thiên với Python/Numpy
10 Phương sai và Độ lệch Chuẩn với Python/Numpy
11 Phân vị với Python/Numpy
12 Độ lệch (Skew) và Độ nhọn (Kurtosis) (Lý thuyết)
13 Cách tính Độ lệch và Độ nhọn với scipy.stats
14 Bài tập Lập trình 1
1 Cách tạo Số Ngẫu nhiên với Numpy
2 Khả năng Tái lập với np.random.seed()
3 Phân phối Xác suất - Tổng quan
4 Phân phối Đều Rời rạc
5 Phân phối Đều Liên tục
6 Phân phối Chuẩn (Lý thuyết)
7 Tạo một Biến Ngẫu nhiên phân phối Chuẩn
8 Phân phối Chuẩn - Hàm Mật độ Xác suất (pdf) với scipy.stats
9 Phân phối Chuẩn - Hàm Phân phối Tích lũy (cdf) với scipy.stats
10 Phân phối Chuẩn Chuẩn hóa và
11 Properties of the Standard Normal Distribution (Theory)
12 Probabilities and Z-Values with scipy.stats
13 Confidence Intervals with scipy.stats
14 Coding Exercise 2
1 Sample Statistic, Sampling Error and Sampling Distribution (Theory)
2 Sampling with np.random.choice()
3 Sampling Distribution
4 Standard Error
5 Central Limit Theorem (Coding Part 1)
6 Central Limit Theorem (Coding Part 2)
7 Central Limit Theorem (Theory)
8 Point Estimates vs. Confidence Interval Estimates (known Population Variance)
9 The Student´s t-distribution: What is it and why/when do we use it?
10 Unknown Population Variance - the Standard Case (Example 1)
11 Unknown Population Variance - the Standard Case (Example 2)
12 Student´s t-Distribution vs. Normal Distribution with scipy.stats
13 Bootstrapping with Python: an alternative method without Statistics
14 Coding Exercise 3
1 Hypothesis Testing (Theory)
2 Two-tailed Z-Test with known Population Variance
3 What is the p-value? (Theory)
4 Calculating and interpreting z-statistic and p-value with scipy.stats
5 One-tailed Z-Test with known Population Variance
6 Two-tailed t-Test (unknown Population Variance)
7 One-tailed t-Test (unknown Population Variance)
8 Hypothesis Testing with Bootstrapping
9 Testing for Normality of Financial Returns with scipy.stats
10 Coding Exercise 4
1 *Update Notice*
2 Tổng quan & Tải tài liệu khóa học Phần 3 ***Cập nhật tháng 9/2024***
3 Tổng quan Dự án Lập trình Phần 3
1 Cách làm việc với Danh sách lồng nhau
2 Mảng Numpy 2 chiều
3 Cách cắt mảng Numpy 2 chiều (Phần 1)
4 Cách cắt mảng Numpy 2 chiều (Phần 2)
5 Tóm tắt: Thay đổi phần tử trong mảng Numpy / slice
6 Cách thực hiện các phép toán theo hàng và theo cột
7 Định hình lại và Chuyển vị mảng Numpy 2 chiều
8 Tạo mảng Numpy 2 chiều từ đầu
9 Các phép toán số học & vector hóa với mảng Numpy 2 chiều
10 Tham số keepdims
11 Thêm & Xóa phần tử
12 Hợp nhất và Nối mảng Numpy
13 Bài tập Lập trình 1
1 Định nghĩa hàm đầu tiên do bạn tự tạo
2 Đối số theo vị trí và Đối số từ khóa khác nhau thế nào?
3 Cách làm việc với Đối số mặc định
4 Đối số mặc định None
5 Cách giải nén các đối tượng có thể lặp
6 Chuỗi làm đối số và *args
7 Cách trả về nhiều kết quả
8 Phạm vi - giải thích dễ hiểu
9 Cách tạo Hàm lồng nhau
10 Tổng hợp tất cả - Nghiên cứu tình huống
11 Bài tập Lập trình 2
1 Giá trị rủi ro (VaR) là gì? (Lý thuyết)
2 Phân tích Dữ liệu / Hiệu suất trong quá khứ
3 Cách sử dụng Phương pháp Tham số để tính Giá trị rủi ro (VaR)
4 Cách sử dụng Phương pháp Lịch sử để tính Giá trị rủi ro (VaR)
5 Mô phỏng Monte Carlo cho Giá trị rủi ro - Phương pháp Tham số (Phần 1)
6 Mô phỏng Monte Carlo cho Giá trị rủi ro - Phương pháp Tham số (Phần 2)
7 Mô phỏng Monte Carlo cho Giá trị rủi ro - Phương pháp Tham số (Phần 3)
8 Mô phỏng Monte Carlo cho Giá trị rủi ro - Phương pháp Bootstrap (Phần 1)
9 Mô phỏng Monte Carlo cho Giá trị rủi ro - Phương pháp Bootstrap (Phần 2)
10 Giá trị rủi ro điều kiện (CVaR)
11 Mô phỏng động & phụ thuộc đường đi (Phần 1)
12 Mô phỏng động & phụ thuộc đường đi (Phần 2)
13 Mô phỏng động & phụ thuộc đường đi (Phần 3)
14 Mô phỏng động & phụ thuộc đường đi (Phần 4)
15 Bài tập Lập trình 3
1 Giới thiệu
2 Tải tài liệu khóa học Phần 4 ***Cập nhật tháng 9/2024***
3 Dữ liệu Bảng và DataFrame Pandas
1 Tạo DataFrame Pandas đầu tiên của bạn (từ file csv)
2 Cách đọc file CSV từ các vị trí khác
3 Tùy chọn hiển thị Pandas và các phương thức head() & tail()
4 Kiểm tra dữ liệu lần đầu
5 Hàm, Thuộc tính và Phương thức tích hợp sẵn trong Pandas
6 Khám phá Bộ dữ liệu của riêng bạn: Bài tập Lập trình 1 (Giới thiệu)
7 Khám phá Bộ dữ liệu của riêng bạn: Bài tập Lập trình 1 (Lời giải)
8 Chọn cột
9 Chọn một cột với "ký hiệu chấm"
10 Lập chỉ mục bắt đầu từ 0 và Lập chỉ mục âm
11 Chọn hàng với iloc (lập chỉ mục dựa trên vị trí)
12 Cắt hàng và cột với iloc (lập chỉ mục dựa trên vị trí)
13 Bảng mẹo Lập chỉ mục dựa trên vị trí
14 Chọn hàng với loc (lập chỉ mục dựa trên nhãn)
15 Cắt hàng và cột với loc (lập chỉ mục dựa trên nhãn)
16 Bảng mẹo Lập chỉ mục dựa trên nhãn
17 Tóm tắt, Thực hành tốt nhất và Triển vọng
18 Bài tập Lập trình 2 (Giới thiệu)
19 Bài tập Lập trình 2 (Lời giải)
1 Giới thiệu
2 Những bước đầu với Pandas Series
3 Phân tích Series số với unique(), nunique() và value_counts()
4 Phân tích Series phi số với unique(), nunique(), value_counts()
5 Phương thức copy()
6 Sắp xếp Series và Giới thiệu tham số inplace
7 Bài tập Lập trình 3 (Giới thiệu)
8 Bài tập Lập trình 3 (Lời giải)
9 Những bước đầu với Đối tượng Index Pandas
10 Thay đổi chỉ mục hàng với set_index() và reset_index()
11 Thay đổi nhãn cột
12 Đổi tên nhãn chỉ mục & cột với rename()
13 Bài tập Lập trình 4 (Giới thiệu)
14 Bài tập Lập trình 4 (Lời giải)
15 Sắp xếp DataFrame với sort_index() và sort_values()
16 nunique() và nlargest() / nsmallest() với DataFrame
17 Lọc DataFrame (một điều kiện)
18 Lọc DataFrame bằng nhiều điều kiện (VÀ)
19 Lọc DataFrame bằng nhiều điều kiện (HOẶC)
20 Lọc nâng cao với between(), isin() và ~
21 any() và all()
22 Bài tập Lập trình 5 (Giới thiệu)
23 Bài tập Lập trình 5 (Lời giải)
24 Giới thiệu về Giá trị NA / Giá trị thiếu
25 Xử lý Giá trị NA / Giá trị thiếu
26 Xuất DataFrame ra file csv
27 Thống kê tổng hợp và Tích lũy
28 Phương thức agg()
29 Bài tập Lập trình 6 (Giới thiệu)
30 Bài tập Lập trình 6 (Lời giải)
1 Giới thiệu
2 Trực quan hóa với Matplotlib (Giới thiệu)
3 Tùy chỉnh biểu đồ
4 Biểu đồ tần suất (Histogram) (Phần 1)
5 Biểu đồ tần suất (Histogram) (Phần 2)
6 Biểu đồ phân tán
7 Những bước đầu với Seaborn
8 Biểu đồ phân loại Seaborn
9 Biểu đồ hồi quy Seaborn
10 Thông báo quan trọng cho bài học tiếp theo
11 Bản đồ nhiệt Seaborn
12 Bài tập Lập trình 7 (Giới thiệu)
13 Bài tập Lập trình 7 (Lời giải)
1 Giới thiệu
2 Xóa cột
3 Xóa hàng
4 Thêm cột mới vào DataFrame
5 Các phép toán số học (Phần 1)
6 Các phép toán số học (Phần 2)
7 Tạo DataFrame từ đầu với pd.DataFrame()
8 Thêm hàng mới (Thực hành)
9 Thêm hàng mới vào DataFrame
10 Thao tác phần tử trong DataFrame
11 Bài tập Lập trình 8 (Giới thiệu)
12 Bài tập Lập trình 8 (Lời giải)
13 Giới thiệu về thao tác GroupBy
14 Hiểu đối tượng GroupBy
15 Phân tách với nhiều khóa
16 Phân tách - Áp dụng - Kết hợp
17 Ứng dụng phân tách - Áp dụng - Kết hợp
18 Lập chỉ mục phân cấp với Groupby
19 stack() và unstack()
20 Bài tập Lập trình 9 (Giới thiệu)
21 Bài tập Lập trình 9 (Lời giải)
1 Nhập dữ liệu Chuỗi thời gian từ file csv
2 Chuyển đổi chuỗi thành đối tượng datetime với pd.to_datetime()
3 Phân tích / Trực quan hóa ban đầu Chuỗi thời gian
4 Lập chỉ mục và Cắt Chuỗi thời gian
5 Tạo DatetimeIndex tùy chỉnh với pd.date_range()
6 Cập nhật: Chuỗi tần suất mới (Pandas 3.x)
7 Tổng quan Chuỗi tần suất (Pandas 3.x)
8 Thêm về pd.date_range()
9 Bài tập Lập trình 10 (Giới thiệu)
10 Bài tập Lập trình 10 (Lời giải)
11 Giảm tần suất Chuỗi thời gian với resample() (Phần 1)
12 Giảm tần suất và PeriodIndex
13 Lập chỉ mục nâng cao với reindex()
14 Bài tập Lập trình 11 (Giới thiệu)
15 Bài tập Lập trình 11 (Lời giải)
16 Chuẩn bị (Cài đặt thư viện cần thiết)
17 Nhập dữ liệu Giá cổ phiếu từ Yahoo Finance (vẫn hoạt động!)
18 Kiểm tra và Trực quan hóa ban đầu
19 Chuẩn hóa Chuỗi thời gian về Giá trị cơ sở (100)
20 Phương thức shift()
21 Các phương thức diff() và pct_change()
22 Đo lường hiệu suất cổ phiếu với Lợi suất TRUNG BÌNH và Độ lệch chuẩn của Lợi suất
23 Chuỗi thời gian Tài chính - Lợi suất và Rủi ro
24 Chuỗi thời gian Tài chính - Hiệp phương sai và Tương quan
25 Cập nhật: Chuẩn bị cho pd.read_excel()
26 Nhập dữ liệu Tài chính từ Excel
27 Hợp nhất / Căn chỉnh Chuỗi thời gian Tài chính (thực hành)
28 Bài tập Lập trình 12 (Giới thiệu)
29 Bài tập Lập trình 12 (Lời giải)
1 Giới thiệu
2 Lấy dữ liệu
3 Tạo Danh mục đầu tư có trọng số bằng nhau
4 Tạo nhiều Danh mục đầu tư ngẫu nhiên với Python
5 Tỷ lệ Sharpe và Tài sản phi rủi ro là gì?
6 Phân tích Danh mục đầu tư và Tỷ lệ Sharpe với Python
7 Tìm Danh mục đầu tư Tối ưu
8 Chuyên đề: Tối ưu hóa Danh mục đầu tư với scipy
9 Tỷ lệ Sharpe - trực quan hóa và giải thích
10 Bài tập Lập trình 13 (Giới thiệu)
11 Bài tập Lập trình 13 (Lời giải)
12 Giới thiệu Mô hình định giá tài sản vốn (CAPM)
13 Đường thị trường vốn (CML) & Định lý hai quỹ
14 Hiệu ứng Đa dạng hóa Danh mục đầu tư
15 Rủi ro hệ thống và phi hệ thống
16 Mô hình định giá tài sản vốn (CAPM) & Đường thị trường chứng khoán (SML)
17 Beta và Alpha
18 Định nghĩa lại Danh mục thị trường
19 Cổ phiếu chu kỳ và phi chu kỳ - Cách hiểu khác về Beta
20 Bài tập Lập trình 14 (Giới thiệu)
21 Bài tập Lập trình 14 (Lời giải)
1 Giới thiệu Phân tích Hồi quy
2 Tổng quan Dự án Lập trình Phần 5
3 Tải tài liệu khóa học Phần 5 ***Cập nhật tháng 11/2024***
1 Làm sạch và chuẩn bị Dữ liệu - Cơ sở dữ liệu Phim (Phần 1)
2 Làm sạch và chuẩn bị Dữ liệu - Cơ sở dữ liệu Phim (Phần 2)
3 Hiệp phương sai và Hệ số tương quan (Lý thuyết)
4 Cách tính Hiệp phương sai và Tương quan trong Python
5 Tương quan và Biểu đồ phân tán – Diễn giải trực quan
6 Tạo Khoảng tin cậy cho Hệ số tương quan (Bootstrap)
7 Kiểm định Tương quan (Kiểm định t)
8 Hồi quy tuyến tính là gì? (Lý thuyết)
9 Mô hình Hồi quy Tuyến tính Đơn giản với numpy & Scipy
10 Cách diễn giải Hệ số Chặn và Hệ số Độ dốc
11 Nghiên cứu Tình huống (Phần 1): Mô hình Thị trường (Mô hình Một Yếu tố)
12 Nghiên cứu Tình huống (Phần 2): Mô hình Thị trường (Mô hình Một Yếu tố)
13 Bài tập Lập trình 1
1 Hồi quy OLS (Bình phương Nhỏ nhất Thông thường) - Lý thuyết
2 Hồi quy OLS với statsmodels - Giới thiệu
3 Hồi quy OLS - ANOVA (Lý thuyết)
4 Hồi quy OLS với Statsmodels - ANOVA
5 Hệ số Xác định (R bình phương)
6 Hồi quy OLS với statsmodels và DataFrames
7 Khoảng Tin cậy cho Hệ số Hồi quy - Phương pháp Bootstrap
8 Kiểm định Giả thuyết cho Hệ số Hồi quy (Lý thuyết)
9 Kiểm định Giả thuyết cho Hệ số Hồi quy với statsmodels
10 Phân tích Hồi quy với statsmodels - Bảng Tổng kết
11 Nghiên cứu Tình huống (Phần 3): Mô hình Thị trường (Mô hình Một Yếu tố)
12 Bài tập Lập trình 2
1 Hồi quy Bội (Lý thuyết)
2 Bộ dữ liệu Phim - Chuẩn bị Dữ liệu
3 Phân tích Hồi quy Bội với statsmodels
4 Hệ số Xác định (R bình phương Điều chỉnh)
5 Hệ số Hồi quy, Kiểm định Giả thuyết & Đặc tả Mô hình
6 Cách kiểm định Ý nghĩa của Toàn bộ Mô hình (Kiểm định F)
7 Tạo và làm việc với Biến Giả (Phần 1)
8 Tạo và làm việc với Biến Giả (Phần 2)
9 Bài tập Lập trình 3
1 Fama-French: Giới thiệu
2 Mô hình Một Yếu tố với Danh mục Thị trường Fama-French (Phần 1)
3 Mô hình Một Yếu tố với Danh mục Thị trường Fama-French (Phần 2)
4 Các Yếu tố Quy mô & Giá trị
5 Cách tạo Mô hình Ba Yếu tố Fama-French
6 Các Yếu tố Khả năng Sinh lời và Đầu tư
7 Cách tạo Mô hình Năm Yếu tố Fama-French
8 Bài tập Lập trình 4
1 Hồi quy Tuyến tính - Không hề đơn giản!
2 Phát hiện và Xử lý Ngoại lệ (Phần 1)
3 Phát hiện và Xử lý Ngoại lệ (Phần 2)
4 Mối quan hệ Phi tuyến - Biến đổi Đặc trưng
5 Phát hiện và Xử lý Đa cộng tuyến
6 Phát hiện và Hiệu chỉnh Phương sai Sai số Thay đổi
7 Phát hiện và Xử lý Tương quan Chuỗi (Tự tương quan)
8 Hồi quy Logistic (Lý thuyết)
9 Hồi quy Logistic với statsmodels (Phần 1)
10 Hồi quy Logistic với statsmodels (Phần 2)
1 Tài liệu Tải xuống cho Phần này ***Cập nhật Tháng 11/2024***
2 Giới thiệu OOP và các ví dụ về Lớp
3 ***Cập nhật: yfinance*** HÀNH ĐỘNG CẦN THIẾT!
4 Lớp FinancialInstrument hoạt động thực tế (Phần 1)
5 Lớp FinancialInstrument hoạt động thực tế (Phần 2)
6 Phương thức đặc biệt __init__()
7 Phương thức get_data()
8 Phương thức log_returns()
9 Biểu diễn Chuỗi và phương thức đặc biệt __repr__()
10 Các phương thức plot_prices() và plot_returns()
11 Đóng gói và Thuộc tính được Bảo vệ
12 Phương thức set_ticker()
13 Thêm các phương thức và chỉ số Hiệu suất
14 Kế thừa
15 Kế thừa và Hàm super()
16 Thêm Docstring có ý nghĩa
17 Tạo và Nhập Mô-đun Python (.py)
18 Bài tập Lập trình: Tạo Lớp của riêng bạn
1 Bài giảng Thưởng

Giới thiệu khóa học

Hi and welcome to this Course!

This is the first-ever comprehensive Python Course for Business and Finance Professionals. You will learn and master Python from Zero and the full Python Data Science Stack with real Examples and Projects taken from the Business and Finance world.   

This isn´t just a coding course. You will understand and master all required theoretical concepts behind the projects and the code from scratch.

Important: the quality Benchmark for the theory part is the CFA (Chartered Financial Analyst) Curriculum. The Instructor of this course holds a Master´s Degree in Finance and passed all three CFA Exams. In this course, we leave absolutely no room for wrong/dubious (but frequently promoted) practices like LSTM stock price predictions or using stock prices in linear regressions.         

You will become an expert not only in Python Coding but also in

  • Business & Finance (Time Value of Money, Capital Budgeting, Risk, Return & Correlation, Monte Carlo Simulations, Quality and Risk Management in Production and Finance, Mortgage Loans, Annuities and Retirement Planning, Portfolio Theory, Portfolio Optimization, Asset Pricing & Factor Models, Value-at-Risk)

  • Statistics (descriptive & inferential statistics, Confidence Intervals, Hypothesis Testing, Normal Distribution & Student´s t-distribution, p-value, Bootstrapping Method, Monte Carlo Simulations, Normality of Returns)

  • Regression (Covariance & Correlation, Linear Regression, Multiple Regression and its pitfalls, Hypothesis Testing of Regression Coefficients, Logistic Regression, ANOVA, Dummy Variables, Links to Machine Learning, Fama-French Factor Models)    

This course follows a mutually reinforcing concept: Learning Python and Theory simultaneously: 

  • Learning Python is more effective when having the right context and the right examples (avoid toy examples!).

  • Learning and mastering essential theories and concepts in Business, Finance, Statistics and Regression is way easier and more effective with Python as you can simulate, visualize and dynamically explain the intuition behind theories, math and formulas. 

This course covers in-depth all relevant and commonly used Python Data Science Packages:

  • Python from the very Basics (Standard Library)

  • Numpy and Scipy for Numeric, Scientific, Financial, Statistical Coding and Simulations

  • Pandas to handle, process, clean, aggregate and manipulate Tabular (Financial) Data. You deserve more than just Excel!

  • statsmodels to perform Regression Analysis, Hypothesis Testing and ANOVA

  • Matplotlib and Seaborn for scientific Data Visualization

This course isn´t just videos:

  • Downloadable Jupyter Notebooks with thousands of lines of code

  • Downloadable PDF Files containing hundreds of slides explaining and repeating the most important concepts

  • Downloadable Jupyter Notebook with hundreds of coding exercises incl. hints and solutions

I strictly follow one simple rule in my coding courses: No code without explaining the WHY. You won´t hear comments like "...that´s the Python code, feel free to google for more background information and figure it out yourself". Your boss, your clients, your business partners and your colleges don´t accept that. Why should you ever accept this in a course that builds your career?  Even the best (coding) results have only little value if they can´t be explained and sold to others.

I am Alexander Hagmann, Finance Professional and best-selling Instructor for (Financial) Data Science, Finance with Python and Algorithmic Trading. Students who completed my courses work in the largest and most popular tech and finance companies all over the world. From my own experience and having coached thousands of professionals and companies online and in-person, there is one key finding: Professionals typically start with the wrong parts of the Python Ecosystem, in the wrong context, with the wrong tone and for the wrong career path.

Do it right the first time and save time and nerves! What are you waiting for? There is no risk for you as you have a 30 Days Money Back Guarantee.

Thanks and looking forward to seeing you in the Course!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Analysis
Hiển thị tất cả khoá học Finance
Hiển thị tất cả khoá học Pandas
Hiển thị tất cả khoá học Python Programming
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊