Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

040164 UE Python for Finance I (MA) (2024W)

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 35 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Final Exam: January 13, 2025, 01.15 pm, PC SR 5, OMP1

  • Montag 07.10. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Dienstag 08.10. 18:30 - 20:00 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 14.10. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 21.10. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Dienstag 22.10. 18:30 - 20:00 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 28.10. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 04.11. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Dienstag 05.11. 18:30 - 20:00 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 11.11. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 18.11. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 25.11. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 02.12. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 09.12. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 16.12. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß
  • Montag 13.01. 13:15 - 14:45 PC-Seminarraum 5 Oskar-Morgenstern-Platz 1 1.Untergeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The course provides an introduction to Python, a programming language that has become popular in the financial industry besides other quantitative fields. Participants do not need prior programming experience, though they should have successfully completed Basics of Finance or comparable courses. Prior exposure to econometrics is useful though not strictly necessary.

We will start with an introduction to programming and the basics of Python. Subsequently, the course will consist of an introduction to some of the Python packages most relevant for applications in Finance.

This course is of an applied nature, with the goal of enabling students to use Python to solve problems they may encounter in practice. The course inevitably requires a steep learning curve.

Main Topics of the Course:

1. Python and Programming Basics
2. Numerical Computing with NumPy
3. Data Analysis with pandas
4. Regression Analysis with statsmodels and linearmodels

Furthermore, data visualization with matplotlib will be part of all chapters.

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 including in-class exercises, and a final exam. The final exam date still has to be determined. It will be either January 13, January 20, or January 27. There will be no classes on the other two dates.

Mindestanforderungen und Beurteilungsmaßstab

40% homework exercises
20% in-class exercises and active class participation
40% final exam

Minimum 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://web.archive.org/web/20220130120603/https://www.kevinsheppard.com/files/teaching/python/notes/python_introduction_2021.pdf

McKenney, 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: Mo 14.10.2024 00:01