Python für Finanzen, 2. Auflage

Kapitel 13. Statistik

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Ich kann mit Statistiken alles beweisen, außer die Wahrheit.

George Canning

Statistik ist ein weites Feld, aber die Werkzeuge und Ergebnisse, die sie liefert, sind für das Finanzwesen unverzichtbar geworden. Das erklärt die Beliebtheit von domänenspezifischen Sprachen wie R in der Finanzbranche. Je ausgefeilter und komplexer die statistischen Modelle werden, desto wichtiger ist es, einfach zu bedienende und leistungsstarke Berechnungslösungen zur Verfügung zu haben.

Ein einzelnes Kapitel in einem Buch wie diesem kann dem Reichtum und der Tiefe des Bereichs der Statistik nicht gerecht werden. Der Ansatz ist daher - wie in vielen anderen Kapiteln auch -, sich auf ausgewählte Themen zu konzentrieren, die wichtig erscheinen oder die einen guten Ausgangspunkt für die Verwendung von Python für die jeweiligen Aufgaben bieten. Das Kapitel hat vier Schwerpunkte:

"Normalitätstests"

Eine große Anzahl wichtiger Finanzmodelle, wie die moderne oder Mean-Variance-Portfoliotheorie (MPT) und das Capital Asset Pricing Model (CAPM), basieren auf der Annahme, dass die Renditen von Wertpapieren normalverteilt sind. Daher werden in diesem Kapitel Ansätze vorgestellt, mit denen eine bestimmte Zeitreihe auf Normalität der Renditen getestet werden kann.

"Portfolio-Optimierung"

Die MPT kann als einer der größten Erfolge der Statistik im Finanzbereich ...