Finansų duomenys — kur kibti
Dauguma klaidų finansinėje analizėje atsiranda ne dėl sudėtingų modelių, o dėl netvarkingų duomenų ir netiksliai suformuluotų klausimų.
Šis puslapis padės suprasti, ko reikia norint dirbti su finansiniais duomenimis — kokias žinias verta turėti, kokius įrankius naudoti ir ko realiai tikėtis per pirmąsias savaites.
Kaip vyksta mokymasis
Kiekvienas etapas remiasi ankstesniu. Nėra prasmės pereiti prie portfelio optimizavimo modelių, jei dar nėra aiškus duomenų valymo procesas.
Duomenų šaltiniai
Suprasti, iš kur gaunami finansiniai duomenys — biržos, makroekonominės bazės, įmonių ataskaitos.
Duomenų kokybė
Išmokti identifikuoti trūkstamas reikšmes, dublikatus ir anomalijas naudojant Python arba SQL.
Analizės logika
Transformuoti duomenis į rodiklius — pelningumas, rizika, koreliacija. Interpretuoti, o ne tik skaičiuoti.
Vizualizacija
Pateikti rezultatus aiškiai — interaktyvios ataskaitos, lentelės sprendimų priėmėjams.
Kas tikrai reikalinga prieš pradedant
Nereikia būti matematiku ar programuotoju. Tačiau keletas dalykų padarys mokymą sklandesnį ir efektyvesnį nuo pirmos dienos.
- Bazinis Excel supratimas — formulės, filtrai, išvestinės lentelės
- Pagrindinė finansinė terminija — kas yra pelno marža, P/E santykis, EBITDA
- Noras dirbti su realiais duomenimis, o ne vien su teoriniais pavyzdžiais
- Kompiuteris su galimybe įdiegti Python ir Jupyter Notebook arba Google Colab paskyra
Programavimo patirtis nėra būtina sąlyga — Python pagrindai išmokomi kartu kursų metu.
Ką galima realiai išmokti
Konkretūs įgūdžiai, kuriuos galima pritaikyti darbe po programos — ne abstrakčios kompetencijos, o tikslūs darbai su įrankiais.
