 Guten Morgen zusammen. Ich darf Sie herzlich zum Wahlfach Data Science für algorithmische Finanzmarkt und Zeitreinanalyse begrüßen. Es freut mich sehr, dass Sie sich für das Fach entschieden haben und dass wir die Möglichkeit haben, das Semester gemeinsam zu verbringen, wenn auch in digitalem Umfeld und nicht persönlich. Vielleicht ergibt sich ja, je nach Situation, noch die Möglichkeit dazu. Auf alle Fälle freut es mich, dass Sie sich dafür entschieden haben, hier sind, fangen wir doch direkt mal an. Ich stelle mich erst mal vor. Mein Name ist Markus Vogel. Ich bin Doktorand an der TH Aschaffenburg und promoviere im Bereich Finanz- und Risikomodellierung und Chaostheorie. Dieser Kurs ist zusammengefasst, einen Überblick über mein Forschungsgebiet, gepaart mit meiner selbstständigen Tätigkeit im Data Science Bereich, um Ihnen eben diese ganze Thematik näher zu bringen. Fangen wir hier doch einfach mal an mit der Inhaltsübersicht. Ich fange an mit einer kurzen Einleitung. Das sind wir schon mittendrin. Eine Vorstellung und die Ideen, die ich für den Kurs eben habe. Organisatorisches, was Sie alles brauchen. Und letzten Endes, was Sie davon denn überhaupt haben, hier zu sein, bevor wir uns den fachlichen Themen zuwenden. Fachliche Themen sind hier. Wir fangen erst mal an mit Zeitrein und der Analyse derselben. Was sind denn Zeitrein? Wie analysiere ich die? Was bedeutet das alles? Danach gehen wir her und sagen, für diejenigen, die jetzt nicht vielleicht aus der Bankenbranche kommen, was ist denn ein Finanzmarkt? Was tue ich damit? Kann man das essen oder für was braucht man das? Worauf besteht das? Wie funktioniert das? Wir werden dann auch etwas detaillierter darauf eingehen, welche Eigenschaften denn Finanzmarktzeitreien im speziellen aufweisen, was es da gibt und was es zu beachten gibt. Und wir werden, und das sage ich jetzt einfach mal mittendrin, einen sehr weiten Sprung durch viele Disziplinen machen. Das sehen wir direkt danach. Begeben wir uns in ein sehr exotisches, mathematisches Gebiet, was letzten Endes alle natürlichen Objekte beschreiben kann, nämlich Fraktale und fraktale Geometrie der Natur, wo wir kennenlernen werden, was sind denn Fraktale, wie baue ich die, wie messe ich die und was zum, ich sage es jetzt mal, was zum Teufel hat das denn mit Geld und Finanzen zu tun? Wir werden dann diesen Sprung durch verschiedene Fachgebiete weiterführen und sagen, okay, wir gehen jetzt richtig hart in die Statistik rein. Wir machen stochastische Prozesse. Also was sind denn Zufallsprozesse, wie modelliere ich den Zufall und wie kann ich stochastische Prozesse und stochastische Differenzialgleichungen im speziellen nutzen, um Simulationen anzustellen? Das können Sie nicht nur wie, das können Sie nicht nur für Finanzreien machen, so wie wir das machen werden, sondern für alle möglichen Zeitreien oder zeitabhängigen Systeme machen. Das heißt, Sie können diese stochastischen Prozesse universell einsetzen. Danach werden wir ein bisschen weggehen von Finanzen, von, ich sage es mal abgespacester, fraktale Geometrie und von Zufallsprozessen und mehr in die Ingenieurswissenschaften eintauchen. Ich denke, nachdem ich mir die Kursliste angeschaut habe, einige von Ihnen haben davon schon mal was gehört. Wir werden uns danach mit der Signaltheorie befassen. Was bedeutet? Was ist denn ein Signal? Was kann ich damit anfangen? Was sind denn Frequenzinformationen und wie kann ich die denn aus einem Signal extrahieren? Hier werden wir einen ganz kurzen Abstecher machen. Was ist denn eine Fourier-Transformation? Hier brauchen Sie sich wahrscheinlich keine Sorgen machen, dass wir das hoch und runter rechnen. Das wird eher nicht passieren. Wir werden da einen Schritt weitergehen und uns dem Themenkomplex der sogenannten Wavelets zuwenden, wo wir dann nicht nur die Frequenzinformationen, sondern auch die Zeitinformationen eines Signales extrahieren können. Und wir wenden das dann natürlich auch auf Finanzmarktzeit rein an. Das war jetzt natürlich schon fachlich für diejenigen, die das noch nicht gehört haben, etwas viel. Bitte erschrecken Sie nicht, wir kommen dann auch dazu. Was machen wir danach? Danach machen wir Data Science, schließlich, weil der Kurs auch Data Science heißt. Und da ist es mir ein großes Anliegen, dass wir nicht nur über Buzzwords reden. Was finde ich ist eine Unsitte, die sich in diesem ganzen Technologie und auch Data Science oder computerwissenschaftlichen Bereich eingebürgert hat, dass jeder meint mitreden zu müssen, ohne die Begriffe jemals richtig gelernt zu haben. Deswegen werden wir erstmal hergehen, versuchen zu erklären, was ist denn eigentlich Data Science und die Buzzwörter mal ein bisschen auseinanderzuklamüsern. Das ist mir persönlich aus der Praxis heraus ein großes Anliegen. Und natürlich, wenn der Kurs Data Science heißt, werden wir auch hergehen, nachdem wir AI, Machine Learning, Deep Learning und neuronale Netze und die ganzen anderen Begriffe auseinanderklamustert haben, diese auch implementieren und uns im Detail anschauen. Natürlich ist es so, dass der Kurs es nicht zuläs, dass ich hier 20 verschiedene Netztopologien mit ihnen durchspreche. Aber das Ziel meines Kurses ist es, ihnen zumindest einen grundlegenden Überblick zu verschaffen und Basiscode zur Verfügung zu stellen. Und das schaffen wir, denke ich, auch. Wenn wir dieses Data Science, nenne ich es jetzt mal, abgeschlossen haben, gehen wir wirklich noch dazu über alles, was wir vorher kennengelernt haben. Stochastische Prozesse, Finanzmärkte, Zeitreihenanalysen, mit diesen ganzen Data Science Sachen in einen Topf zu schmeißen. Und zwar gehen wir dann mehr in das Thema rein, Algorithmen und Handeln. Darunter verstehe ich und das werden wir in dem Kurs auch so machen. Was ist denn algorithmischer Handel und wo unterscheidet er sich denn von ihnen, wenn sie jetzt zu Hause an ihrem Laptop sitzen? Also was ist quasi maschineller Handel? Computer getriebene Handeln? Was für ein Einfluss hat das denn eigentlich auf uns? Und wie funktioniert den grundlegend ein algorithmisches Trading System? Und wie können sie sich so was selbst bauen? Und bevor wir den Kurs abschließen, hoffe ich, und ich denke, wir kommen da auch dazu, dass ich Ihnen noch einen Ausblick in die Forschung gebe. Sie haben jetzt die letzten Minuten gehört, dass wir hier ganz wilde Themen durchnehmen werden, die auf den ersten Blick erst mal gar nicht so wirklich was miteinander zu tun haben. Es sind verschiedene Fachbereiche, die hier verwoben miteinander agieren. Und was wir machen werden, ist, ich gebe Ihnen einen Ausblick in die aktuelle Forschung. Dass Sie sehen, ich bin nicht der einzige Verrückte, der hier solche Dinge tut, sondern dass es große Forschungsfelder gibt und ganz viele, sehr viele schlaue Leute, die sich damit befassen und ich möchte Ihnen auch näher bringen. Was gibt es denn im Moment an Forschung? Wo stehen wir denn und wo geht die Reise denn hin? So, ich fange jetzt erst mal an, bevor wir mit irgendeinem etwas anderem anfangen, Ihnen zu erklären, was haben Sie denn eigentlich davon mit mir diesen Kurs zu machen? Sie haben was davon, und zwar das Erste, was ich mir auf die Fahne geschrieben habe, ist, Ihnen ein Basiswissen beizubringen und das Verständnis der Themenfelder. Und zwar nicht nur einzeln separat silomäßig, sondern in einer Art und Weise, dass Sie verstehen, wie sind denn diese Themenfelder miteinander verbunden, wie hängen die zusammen und wo ist denn das Basiswissen zu verstehen, was das eigentlich soll? Da kommen wir dann zum weiteren Punkt, zum nächsten Punkt, der hier drauf steht, ist, wenn Sie verstanden haben, es gibt diese und diese Themenfelder und ich habe jetzt ein bisschen was darüber gelernt. Ich möchte da aber mehr dazu wissen, sehe ich diesen Kurs quasi als Grundlage dafür, dass Sie sich in die Lage versetzen können, tiefere Literatur zu lesen, andere Codinganleitungen zu verstehen und auch für diejenigen, die eventuell Masterarbeiten in diesen Themengebieten schreiben möchten oder gerade dabei sind, auch eine Handreichung zu geben, sozusagen, wo Sie sehen können, okay, da kann ich weiterlesen, da kann ich weiterlesen, da sind die vertieften Konzepte und ich verstehe aber die Grundlagen und bin in der Lage, mir das selbst beizubringen, um eben das auch zu gewährleisten, werden Sie im Moodle-Kurs sehen, dass ich für jedes Themengebiet, für jedes Kapitel ausreichend Quellen zur Verfügung gestellt habe. Ich habe die Quellen auch so sortiert, Sie haben einmal online Quellen, das können entweder Internetseiten sein, Codinganleitungen oder PDFs zu gewersten Dokumenten, dann habe ich Ihnen soweit möglich nützliche YouTube-Videos zur Verfügung gestellt. Ich bin ein großer Fan von YouTube, ist ja auch eine der drei größten Medienplattformen, die die Welt zur Zeit zu bieten hat, da habe ich Ihnen aus Yale, Harvard oder hauptsächlich von MIT Kursen zur Verfügung gestellt, die Sie sich weiter anschauen können. Und ich bin sehr bedacht gewesen, mir Quellen auszusuchen, die Ihnen einen tatsächlichen Nutzen stiften, um das mal in BWLer Deutsch ein bisschen darzustellen. Und der dritte Punkt, der mir sehr wichtig ist, dass Sie in der Lage sind, nicht nur das ganze theoretische Zeug, nenn ich es jetzt mal Salob zu verstehen und zu sehen, okay, da gibt es Themengebiete, die hängen miteinander zusammen und die rechnen da witzige Dinge, sondern dass Sie auch sehen können, okay, hier ist der Code dazu, den Code kann ich abschreiben, den Code kann ich kopieren, den Code kann ich benutzen. Und ich habe jetzt eigene Problemstellungen, andere Zeitreihen, andere Gebiete, auf die ich das anwenden möchte, hier sind die Quellen dazu, ich kann selber Coden, ich kann das selber anwenden, ich kann das selber benutzen. Also, ich fasse das nochmal kurz zusammen, die drei Punkte, Nutzen und Ziele, die Sie von diesem Kurs haben sollen, Sie sollen einmal verstehen, worum es geht, wie die ganzen Sachen zusammenhängen, Sie sollen in der Lage sein, wenn Sie das interessiert, tiefer einzusteigen und der wichtigste Punkt ist, Sie sollen es auch benutzen können. So, ich habe ja den Kurs schon fast vorgestellt, also ich fasse das nochmal zusammen, der Kurs besteht aus acht Kapiteln, die sind didaktisch nacheinander angeordnet, eigentlich sind das separate Themengebiete, ich habe es versucht, logisch strukturiert aufzubauen, es mag für den ein oder anderen jetzt vielleicht nicht logisch klingen, andere würden das anders darstellen, ich habe es versucht, so einschneigerfreundlich wie möglich aufeinander aufzubauen. Wie ich es bereits gesagt habe, der Kurs ist interdisziplinär, das heißt, wir nehmen mal aus der angewandten Physik was raus, wir nehmen aus Finance was raus und okay, die Computerwissenschaftler können auf einmal neuronale Netzecoden, die nehmen wir auch noch und wir nehmen uns quasi aus jedem Gebiet das raus, was wir brauchen könnten. Im Volksmund nennt man das auch auf Neudeutsch Cherry Picking, das heißt, wir nehmen uns aus jedem Fachgebiet diese Dinge raus, die für uns nützlich sein könnten, der großen Nutzen für uns als Finanzanalysten oder natürlich auch als Finanzmenschen ist natürlich Geld verdient. Wir versuchen Finanzzeit rein, besser zu analysieren wie bisher, wir versuchen tieferer Erkenntnisse zu finden und wir versuchen natürlich auch Krisen vorher zu sagen und wenn es geht, auf den Weg dahin noch Geld zu verdienen. Ich kann hier gleich mit der Anektote einsteigen, wir werden sehr viel versuchen vorzukasten, wir werden versuchen, Finanzen zu analysieren. Um einen ehemaligen Professor zu zitieren, der bei uns die Asset Management Kurse gegeben hat, wer hat auf die Frage, kann man perfekt vorkasten, geantwortet, meint ihr im Ernst, ich wirb mich mit einem Sauhaufen wie euch rumschlagen, wenn nicht, das könnte. Das ist jetzt vielleicht politisch nicht korrekt, das in einem Kurs zu zitieren und schon gar nicht auf Tonband, allerdings sagt das auch aus, dass wir nicht in der Lage sein werden, 100% perfekte Vorkasse auf den Finanzenmärkten machen zu können, aber wir wollen natürlich bessere Vorkasse machen wie bisher. Deswegen gehen wir her und sagen, okay, die Finanzen selber, die ökonometrischen Modelle selber reichen nicht mehr und wir gehen hier in die angewandte Physik, in die IT oder andere mathematische Felder wie Fraktale oder es gibt aus der Physik noch die Turbulenzlehre, die man damit reinfließen lassen kann, im wahrsten Sinne des Wortes und das fasst sich quasi als Ökonophysik zusammen, was wir hier machen. Wir nehmen aus jedem Feld die Modelle, die geeignet scheinen und testen die auf Finanzen. So, was machen wir denn hier jetzt genau? Jedes Kapitel, was wir hier besprechen, enthält quasi die essentiellen Grundlagen, welche sie brauchen, um dieses Gebiet grob zu verstehen. Warum ist das so? Das ist so, weil wenn Sie jetzt den Inhalt nehmen, ich klick hier nochmal zurück, wenn Sie sich diese Inhaltsübersicht ansehen und zu jedem Punkt drei vertiefte Fächer anbieten, könnten Sie da einen ganzen Studiengang daraus machen. Wir haben hier natürlich die große Herausforderung bzw. ich, die große Herausforderung Ihnen verschiedene Fachbereiche vorzustellen in einem relativ kurzen Umfang. Und zwar so, dass Sie davon was verstehen und damit was anfangen können, ohne dass wir zu tief abtriften. Das heißt auch, dass vertiefte Studium im Umfang von diesem Kurs nicht drin sein wird. Das reicht von mathematischen Konstrukten bis hin zu peiten Implementierung von der ganz speziellen neuronalen Netztopologie. Wir werden es nicht schaffen, in die Tiefen hinabzusteigen, um es mal ganz lyrisch darzustellen. Für das vertiefte Studium habe ich Ihnen allerdings, wie ich es bereits schon mehrfach gesagt habe, viele Quellen zur Verfügung gestellt, dass es sich die Themengebiete, die Sie mehr interessieren oder tief interessieren, sich auch zu, wie nenne ich das denn jetzt, zur Brust nehmen können und dass Sie da auch in der Lage sind, tiefer einzusteigen. So, der Kurs ist halt aufeinander aufgebaut. Ich habe das so konzipiert, dass ich das Wissen des Vorkapitels quasi in den Folgekapiteln benötige, zumindest partiell. Wenn wir jetzt anfangen zu sagen, ich mache Data Science, wie funktioniert ein neuronales Netz, müssen Sie jetzt zum Beispiel nicht wissen, was ist eine Finanzmarktzeitreihe, aber wir werden das alles miteinander verquicken. Deswegen wäre es gut, wenn Sie sich hier nicht nur die Sachen raussuchen, die Sie sich brauchen, sondern dass Sie den Kurs halt mit mir gemeinsam durchleben, wenn ich das jetzt mal. Ich habe lange überlegt, ob ich den nächsten Punkt wirklich so schreiben soll, da ja viele unsere Bitmenschen das vermissen. Aber ich schreibe es einfach hin und zwar, ich verlange von Ihnen hier ein bisschen geistige Flexibilität. Das ist einfach eine Voraussetzung, wenn man hier einen Kurs sucht, sage ich mal, oder dieses Themengebiet sich zu Gemüte führen möchte, was eine Verquickung verschiedener Fachbereiche ist. Ja, wir benutzen hier viele Konzepte aus vielen unterschiedlichen Fachbereichen und versuchen daraus, relevante Informationen zu extrahieren, nützliche Modelle zu bauen und zu verstehen, wie das alles miteinander verbunden ist. Das setzt natürlich voraus, dass man geistig ein bisschen flexibel ist und einen offenen Horizont hat. Aber da Sie sich ja für den Kurs angemeldet haben, gehe ich mal davon aus, dass das bei Ihnen natürlich vorhanden ist. So, ich steige jetzt nochmal etwas tiefer ein. Was ist denn der didaktische Aufbau der Kapitel? Ich versuche, die Kapitel immer gleich zu konzipieren, dass sie für jeden verständlich sind. Also das erste, was ich mache ist, ich stelle das Feld vor und ich gebe ein Übersicht über das jeweilige Feld, was in diesem Kapitel eben vorgestellt wird. Wir machen Theorie und teilweise mathematische Darstellungen. Zur mathematischen Darstellung muss ich gleich von Anfang an sagen, lassen Sie sich davon nicht abschrecken. Ich werde von niemanden hier mathematische Beweise fordern und ich werde auch nicht fordern, dass Sie das in der Präsentation, die Sie erhalten dürfen, vorstellen müssen. Ich habe aber den Anspruch Ihnen aus der Theorie und der Praxis, aus der Verquickung von Theorie und Praxis das Beste mitzugeben. Wenn Sie halt natürlich als Aufgabe mitbekommen oder ich mir als Ziel gesetzt habe, Sie in die Lage zu versetzen, tiefer die Literatur zu lesen und zu verstehen, müssen wir natürlich auch gewisse mathematische Grundlagen darlegen und durchnehmen, die eben in fast jeder Literatur vorhanden sind. Aber wie gesagt, lassen Sie sich davon nicht abschrecken. Ja, der nächste Punkt ist, was ich dann machen werde, nachdem ich das Feld vorgestellt und euch die Theorie oder Ihnen die Theorie beigebracht habe, ist, wie hängt das denn mit anderen Gebieten zusammen und was bringt dieses Gebiet überhaupt, wenn möglich werde ich Anwendungsmeispiele und Grafiken einfügen und was ich gleich dazu sagen kann, den Python Code, die Erläuterung und Interpretation werde ich meistens in einem separaten Video abhandeln. Es heißt, die Vorlesungsunterlage ist reine Theorie und den Python Code werde ich Ihnen mit Ihnen anhand einer Bildschirmpräsentation durchgehen. Wenn wir hier die Übung schon machen, das Semester digital vorzustellen und auch ein Data Science Kurs haben, gehe ich mit Ihnen den Code natürlich direkt durch. Wir lassen den Code dann hier live laufen, in der Hoffnung, dass mir nicht während ich das Video aufnehme, irgendwelche Fehlermeldungen um die Ohren fliegen. Ansonsten machen wir hier ein Live Debugging Video daraus, was ich eigentlich nicht möchte. Aber um zurück zum Thema zu kommen, wir werden den Python Code gemeinsam besprechen, ausführen und die Ergebnisse interpretieren. Der Python Code steht Ihnen in Moodle zur Verfügung. Den können Sie dann nehmen, selber ausführen, manipulieren und einfach damit arbeiten, wie Sie das wünschen. So, ich habe es ja schon mal gesagt, ich denke, dass öfteren das Ziel des Kurses ist, um das ganz kurz zu sagen, die Kernauslagen jedes Kapitel es Ihnen näher zu bringen, die miteinander zu verbinden und den Code umzusetzen. Ja, der Kurs soll einen einführenden Überblick leisten und er soll eben nicht nur eine Einführung sein, mit der Sie relativ wenig anfangen können, wenn Sie das Tiefe interessiert, sondern ich habe mir auch die Mühe gemacht, Ihnen Quellen bereitzustellen, dass Sie halt auch nach Kursende eben weiter in diesen Themenfeldern arbeiten können und eben Handreichungen haben, die auch für andere Fächer oder ihr späteres Leben irgendwie nützlich sind. Neben der geistigen Flexibilität, die ich Ihnen abfordere, habe ich es mir auch zum Ziel gesetzt, hier an akademischen und geistigen Horizonten ein bisschen zu erweitern. Wir sind eine technische Hochschule und ich kann Ihnen wahrscheinlich von vorne rein sagen, dass das Niveau dieses Kurses schwankt und wahrscheinlich etwas höher ist, wie das, was Sie bisher kennengelernt haben, zumindest in manchen Fachbereichen. So, kommen wir zum organisatorischen gleich vorne weg. Um diesen Kurs zu bestehen, um Ihre zwei ECTS-Punkte abzuholen, sollen Sie 15 bis 20 Minuten Präsentation halten in Gruppen. Wir sind circa 15 Leute, das heißt, wenn Sie sich in drei bis vier Gruppen zusammenfinden, wäre das ideal. Wir werden in der ersten Videokonferenz oder in dem Webinar, was ich noch einstellen werde, die Gruppeneinteilung vornehmen. Ob wir jetzt diese Präsentation in Person miteinander durchführen oder ob wir eben auf einen Meeting-Serve umziehen, Sie den Bildschirm teilen und wir das per Videokonferenz machen, das kann ich aufgrund der aktuellen Covid-Situation einfach noch nicht sagen. Das werde ich Ihnen zeitnah kurz vorhersagen. Auf jeden Fall wird es keine Hausarbeit geben, wie manch andere Dozenten, die dann sagen, Präsentation gestrichen, wie man schreibt eine Hausarbeit, nein. Wir sind Data Science-Kurs, also können wir auch eine Präsentation online halten, wenn wir den ganzen Kurs online halten können. Das heißt, Ziel des Kurses ist 15 bis 20 Minuten Präsentation halten in Gruppen. Gruppengröße, drei bis vier Personen. Und die Termine werde ich Ihnen halt kurzfristig ankündigen. So, ich möchte, dass die Präsentation semi-ordentlich aussieht. Das heißt, ich bin kein Fan davon, wenn mir jemand nur irgendwas hinrotzt, nenne ich es jetzt mal, das habe ich in der Praxis zu oft. Sie sollen eine Präsentation bauen, die zumindest halbwegs ordentlich aufgebaut ist. Und wenn Sie die Präsentation halten, planen Sie Halbprofolie, circa ein bis zwei oder drei Minuten. Zeit ein, Profolie, dann kommen Sie bei 15 Minuten auf nicht ganz so viele Folien. Wenn Sie Bilder haben natürlich ein bisschen mehr, aber vertreiben Sie es nicht, machen Sie eine ordentliche Präsentation, und dann ist das gut. Ja, es ist ein Wahlfach, es sind zwei Punkte, und ich verlangt von Ihnen hier nicht das Unmögliche. Was ist der Inhalt der Präsentation? Wir werden im Laufe des Kurses Finanzmarkteffekte und Modelle kennenlernen. Sie werden sehr viele Fachbereiche kennenlernen. Und was ich von Ihnen verlange, ist relativ vage, nenne ich das mal. Vage klingt immer so negativ, nennen wir es mal breit aufgestellt. Suchen Sie sich einen Effekt aus, suchen Sie sich eine Zeitreihe aus, suchen Sie sich ein Modell aus, modellieren Sie das. Schreiben Sie einen Python-Code dazu, und stellen Sie mir das vor. Das ist die Aufgabe. Effekt aussuchen, Modell aussuchen, Zeitreihe aussuchen, Code schreiben, Bildchen machen, vorstellen. Und das jetzt mal ganz platt darzustellen. So, der Python-Code muss in der Präsentation nicht vorgestellt werden, können Sie aber, was ich bräuchte ist, um Ihnen natürlich auch eine Note geben zu können, ist, dass Sie mir den Python-Code zumindest zur Verfügung stellen, damit ich mir den vorher angucken kann. Der Python-Code wird nicht benotet. Genauso wenig müssen Sie mir irgendeine mathematischen Heerleitung machen, oder für Mathe bekommen Sie hier auch keine Note. Die Benotung ist folgendermaßen, mein Doktorvater hat hier ein Template gebaut, wo effektive Fachpräsentationstypische Merkmale enthalten sind, ihre Gistik, Mimik, Ausdrucksweise. Das werde ich natürlich, wenn wir das in der Online-Konferenz machen, natürlich nach unten gewichten. Mir geht es mehr darum, wie ist die Folie aufgebaut, ist die ordentlich gemacht, haben Sie sich Wissen angeeignet, ist der Inhalt ordentlich präsentiert. Also ich denke, die meisten von Ihnen werden schon mal eine Präsentation gehalten haben. Also mein Gott, ich mache es nochmal platt und umgangssprachlich, Effekt aussuchen, Zeitreihe aussuchen, Code schreiben, Modell aussuchen, Bildchen bauen, vorstellen, und dann sind Sie hier durch. Für diejenigen, die tiefer in die Technik wollen, sind gewählender. Für diejenigen, die die anderen Fachbereiche interessieren, auch. Das ist so der Kurs in kurz Zusammenfassung. So. Ich denke, ich habe es schon anklingen lassen, was sind meine Ideen, die ich hatte, als ich diesen Kurs konzipiert habe. Mir kommt es sehr oft vor, dass ich nur trockene und rein akademische Konzepte vorgelegt bekomme, wo sehr elegante und wahrscheinlich auch geistig sehr anspruchsvolle, mathematische Konstrukte und Konzepte und Modelle drin sind, die in der Praxis absolut nutzlos sind, die auf reale Daten einfach nicht anwendbar sind oder die Performance für einen Praktiker nicht ausreicht. Also meine Idee ist es, dass ich Ihnen das Beste aus beiden Welten präsentiere, dass Sie zum einen verstehen, was sind denn die theoretischen, mathematischen Konstrukte und Gedanken dahinter und kann ich das in Code umsetzen und funktioniert das denn auch. Also ich persönlich, ganz persönlich bin ein Mensch, der gerne sieht, wenn ich irgendwelche Formen habe und ich schreibe dann Code dazu, dass es auch tatsächlich funktioniert. Damit ich sehe, dass es meine Zeit auch wert und ich möchte mit diesem Kurs Ihnen eben beides vermitteln. Theorie und Praxis. Und sehen funktioniert das, was wir uns theoretisch überlegen in der Praxis auch. Und das nächste ist, was mir wichtig ist, dass Sie halt auch nach Kursende was davon haben und zwar, dass Sie die Inhalte und Verbindungen verstehen und dass Sie eigenständig in diesen Gebieten weitermachen können und Code schreiben. So, das nennt sich, denke ich, klassisch Blick über den Tellerrand. Ich möchte Ihnen eben hier viele verschiedene Gebiete zeigen, die vielleicht nicht unbedingt so in dem Curriculum Ihres Studiums enthalten sind und ich möchte, dass Sie die Zusammenhänge verstehen. Es hilft Ihnen nichts, siloartig hier aus verschiedenen Gebieten Dinge zu lernen, ohne zu wissen, wie das zusammenhängt. Freienachtemotto, Todeswissen hilft auch nicht beim Geldverdehen. Es hilft Ihnen nicht, aus jedem Bereich mal irgendetwas zu wissen, ohne zu wissen, wie Sie es zusammenführen und wie Sie es praktisch anwenden können. Ich möchte Ihnen eben die Möglichkeit geben, deswegen auch der viele Python Code, dass Sie selbst aktiv werden können, dass Sie experimentieren können, dass Sie die Daten entdecken und begreifen können, was eigentlich auch eine der Kernesenzen des Data Science-Feldes ist, mit Daten zu arbeiten, die Daten zu verstehen und die Daten zu interpretieren. Natürlich, wenn wir schon so einen Kurs machen, der sich an aktuellen Konzepten orientiert, möchte ich natürlich auch, Sie an der aktuellen Forschung teilhaben lassen. Ich möchte Ihnen mal nur aufzeigen, wo ist die aktuelle Forschung, wo sind die praktischen Grenzen, das zusammenzubringen und wo stehen wir denn eigentlich in der Praxis und wo stehen wir in der Forschung und wo gibt es Probleme? Um es nochmal zusammenzufassen, der Kurs versteht sich als How-To-Quant-Paket, habe ich das jetzt mal deklariert. Ich möchte Ihnen einfach mal so ein bisschen die Tätigkeiten eines akademischen quantitativen Analysten oder Research-Analysten ein bisschen näher bringen. Das ist in diesem Fall eine etwas speziellere Erklärung, wie was ein normaler Quant in Anführungszeichen denn so tut. Aber ich finde, es gibt Ihnen die Möglichkeit zu verstehen, wie kann ich quantitative Daten auswerten, aufarbeiten und wenn Sie sich im Finanzbereich bewegen, wie kann ich damit hochwertige Modelle züchten? So zu den Quellen habe ich ja schon relativ viel gesagt, Publikationen, Bücher, Onlinequellen, also es sind meistens Fachblockeinträge, Programmieranleitungen oder YouTube-Videos, die ich für gut befunden habe. Wenn Sie selbst auf YouTube unterwegs sind, können Sie diese Themen, die wir hier bearbeiten, eingeben und Sie finden Videos dazu. Ein Wort der Warnung muss ich Ihnen hier allerdings sagen, Sie können es mitgeben. Es ist einfach so, in Zeiten von YouTube, Facebook und jeder hat Internet, finden Sie auch für alles eine Anleitung. Seien Sie hier allerdings vorsichtig, dass die Qualität und der Inhalt tatsächlich richtig ist. Das Schöne an YouTube, um mal was Positives zu sagen, ist, Sie finden für fast alles, für alle Themengebiete, die Sie interessieren, Anleitungen und Videos von Leuten, die tatsächlich was auf dem Kasten haben. Genau, Horizont-Erweiterung durch Realbezug hatten wir jetzt auch schon mehrfach angesprochen. Ich möchte Ihnen tatsächlich nutzbares Wissen vermitteln und Ihren Horizont ein bisschen erweitern. Wir leben in dieser Bologna-Welt, in der Sie von einem Kurs zu dem nächsten Hetzen von einer Prüfung zur nächsten Hetzen und quasi Ihr Studium nur mit Prüfungsschreiben verbringen. Und ich finde, auch aus meiner persönlichen Erfahrung, raus, dass der Forschungsgedanke in diesen Studiengängen ein bisschen verloren geht. Und ich möchte Ihnen tatsächlich wieder ein bisschen das akademische Leben schmackhaft machen. So, jetzt kommen wir noch kurz zum technischen Setup. Was Sie brauchen ist, also wird Sie jetzt wahrscheinlich nicht wundern und sowas werden Sie wahrscheinlich haben, sonst könnten Sie mir gar nicht zuhören. Ein Laptop oder ein Desktop-Computer, eine Internetverbindung, was Sie zulegen mögen, das wäre eine Python 3.x-Installation. Also ich denke, die aktuelle Installation ist 3.8 oder 3.7. Nehmen Sie bitte keine Zweier-Version von Python, weil mein Code ist in Python 3 geschrieben. Python 3 können Sie einfach in Google eingeben, gibt es umsonst zum Download. Das gibt es für Linux, das gibt es für Apple. Ich glaube, bei Apple ist das sogar schon vorinstalliert und für Microsoft gibt es das auch. Als nächstes möchte ich Sie bitten, es gibt verschiedene Entwicklungsumgebungen, die Sie in Python nutzen können. Das fängt an bei Jupyter Notebooks. Das geht über die IDE, die vom Python selber geliefert wurde. Das geht über PyCharm. Das ist eine Profi-Entwicklungsumgebung. Und was ich für den Kurs hier rausgesucht habe, das nennt sich Visual Studio Code. Visual Studio ist eine Entwicklungsumgebung. Da können Sie Java, C und andere Sachen implementieren. Aber wenn Sie Visual Studio Code nehmen, hat das den Vorteil, Sie müssen keine virtuellen Umgebungen erschaffen, wie bei PyCharm. Sie können einfach unten die Sprache auswählen, der Sie coden wollen. Sie können loslegen. Ich finde persönlich sehr angenehm damit zu arbeiten, wenn es keine großen Programmierprojekte sind. Wenn man das einfach installieren kann, loslegen kann und mit Intelligenz die Autoverfelsständigungen bekommt und über das PIP-Paket sich alle Distributionen und Packages, die fürs Programmieren notwendig sind, einfach runterladen kann. Eine MS Office-Paket gibt es über die Hochschule auch. Bisher brauchen wir das im Kurs nicht, aber es kann nicht schaden, wenn Sie sich Zeitreihen runterladen, die im CSV oder Excel-Format sind, dass Sie sich die vorher angucken können. So, bevor wir jetzt tatsächlich mit unserem Kurs anfangen und starten, noch ein paar Worte zum Abschluss und zwar unter dem Motodataseins wir kommen. Zum Wort Dataseins habe ich ja schon relativ viel erzählt. Es gibt ein Haufen Basswörter, die sich überschneiden, die keiner so wirklich versteht, aber jeder will mitreden. Es ist auch in der Praxis einfach so, es gibt nicht den Data-Scientisten. Data-Scientisten sind eine ganz bunte Mischung aus quantitativ angehauchten Menschen, Mathematiker, Physiker, ich habe sogar mal ein Chemiker kennengelernt, die programmieren können und das Feld ist relativ bunt. Ein Wort der Warnung trotzdem, es gibt einfach Handwerkszeug und Methoden, die werden von allen als beherrscht voraus gesetzt. Ein Data-Scientist, der nicht coden kann und der mit Daten nicht umgehen kann, ist kein Data-Scientist. Wir werden auch, sobald wir in dieses Thema Data-Science einsteigen, mal eine Abstufung machen, was ist ein Data-Scientist, was ist ein Data-Analyst, was ist ein Data-Engineer und wo sind da denn die Unterschiede und warum versteht das keiner? Da werden wir uns auch noch drüber unterhalten. Der nächste Punkt ist eigentlich der wichtigste, bleiben Sie am Ball, seien Sie neugierig und genießen Sie die Experimentierfreude, was eben das Forschen interessant macht. Was ich Ihnen hier in diesem Kurs präsentieren werde, sind Felder und Ideen, die jetzt nicht unbedingt in ein Standardstudium passen. Deswegen möchte ich Sie einfach nur motivieren, sich nicht von der Matte abschrecken zu lassen, sich nicht von dem Code abschrecken zu lassen, sondern sich wirklich mal darauf einzulassen und offen an die Sache ran zu gehen. Und natürlich wäre es mir am liebsten, wenn Sie ein bisschen Leidenschaft mitbringen, wie nennt man das auf beraterdeutschen, ein bisschen Drive mitbringen, ein Wissensturst haben und ein Deckerdrang haben. Ich habe den Kurs nämlich extra so konzipiert, dass Sie den Code nehmen können, ausprobieren, testen, neue Sachen einlesen, Ihre Dinge rausfinden. Ich denke, damit ist zumindest mal die Einleitung abgeschlossen. Ich freue mich sehr, dass wir jetzt weitermachen können und ich sehe Sie im nächsten Video.