Category: Data Science

Categories
Blog Data Science

Bye-bye trading page part 3

Die Schuldenberge der westlichen Staaten scheinen enorm zu sein. Das Wort „Milliarde“ gehört mittlerweile zum Standardvokabular der Medien, sobald es um Sparpakete oder Konjunkturhilfen geht. Dieser Artikel versucht, wieder ein Gefühl für so grosse Zahlen herzustellen.

Staatsverschuldung der USA

Für viele Länder ist es wichtig, die Staatsverschuldung der USA zu beobachten. Die immer noch grösste Volkswirtschaft der Welt hat einen sehr starken Einfluss auf den internationalen Handel. Ihre derzeitigen Staatschulden betragen mittlerweile 16 Billionen US Dollar.

Quellen

Spiegel. (05.09.2012). US-Staatsschulden steigen auf 16 Billionen Dollar, Staatsverschuldung, Staat & Soziales, Wirtschaft, Nachrichten, Spiegel Online. Internetseite (konsultiert am 13.09.2012): http://www.spiegel.de/wirtschaft/soziales/staatsverschuldung-in-den-usa-steigt-auf-mehr-als-16-billionen-dollar-a-853953.html

Wikipedia. (25.08.2012). Internationaler Vergleich, Bruttonationaleinkommen.
Internetseite (konsultiert am 20.09.2012): http://de.wikipedia.org/wiki/Bruttonationaleinkommen

Pennyturm

Würde man alle Schulden in Form von Pennys aufeinander stapeln, hätte dieser Stapel eine Höhe von 2.48 Milliarden Kilometer. Das entspricht der 11-fachen Distanz der Erde zum Mars. 

Herleitung

Quellen

Wikipedia. (19.09.2012). Thickness, Cemt (Penny), Penny (United States coin).
Internetseite (konsultiert am 19.09.2012):
http://en.wikipedia.org/wiki/Penny_%28United_States_coin%29

Space.com. (29.02.2012). What Is the Distance Between Earth and Mars?.
Internetseite (konsultiert am 19.09.2012):
http://www.space.com/14729-spacekids-distance-earth-mars.html

Schuldenwachstum

Dieser Turm aus Pennys wächst ständig und zwar exponentiell! Diese Wachstumsgeschwindigkeit hat dadurch ideale Voraussetzungen um ein paar Rekorde zu brechen.

Zinssatz einer US Staatsanleihe für 30 Jahre

Für die Wachstumsgeschwindigkeit nehmen wir die Zinsen einer US Staatsanleihe für 30 Jahre. Am 13. September 2012 betrug dieser Zins 2.94% pro Jahr.

(Diesen Wert exponentiell und nicht linear zu berechnen, ist nur dann richtig, wenn die Zinsen wieder durch neue Staatsanleihen finanziert werden. Diese Finanzierungsart war aber in den letzten Jahrzenten der Regelfall.)

Mit diesem Zins würde der Stapel aus Pennys im ersten Jahr um 72.9 Millionen Kilometer wachsen. Das ist mehr als die 189-fache Distanz der Erde zum Mond. Oder anders gesagt, dass wäre eine Wachstumsgeschwindigkeit von 2312 Meter pro Sekunde bzw. die 6.7-fache Schallgeschwindigkeit. Diese Wachstumsgeschwindigkeit erhöht sich aber ständig und nach 407 Jahren wäre sie schneller als das Licht. Wenn sich aber ein Gegenstand mit dieser Geschwindigkeit bewegen würde, wären nach gewissen physikalischen Theorien Zeitreisen möglich. Vielleicht ist das die geplante Lösung des Schuldenproblems 🙂

Herleitung

Quellen

finanzen.net. (13.09.2012). 30j-US-Staatsanleihen, Zinsen, Börse.
Internetseite (konsultiert am 13.09.2012):
http://www.finanzen.net/zinsen/

Wikipedia. (30.05.2012). Lunar Distance.
Internetseite (konsultiert am 20.09.2012):
http://de.wikipedia.org/wiki/Lunar_Distance

Wikipedia. (16.08.2012). Zeitreisen, Überlichtgeschwindigkeit.
Internetseite (konsultiert am 20.09.2012): 
http://de.wikipedia.org/wiki/%C3%9Cberlichtgeschwindigkeit#Zeitreisen

Categories
Blog Data Science

Bye-bye trading page part 2

I still think the math part of the page was quite entertaining.

Zins und Zinseszins

Viele Leute unterschätzen die Kraft des Zinseszins, die Josef Geschichte dient dazu dies auf eine simple Weise zu vermitteln.
In diesem Artikel geht es darum diese zu analysieren und Rückschlüsse daraus zu ziehen.


Die Geschichte
Dirk Müller erzählt die Geschichte am besten.
(ca. ab 1:10)
www.youtube.com/watch

Formeln
Zur berechnung brauchen wir 2 Formeln
Zinseszins: K0 * (1 + i) ^ n = Kn
Zins: K0 + n * (K0 * i) = Kn

K0: Startkapital
i : Zinssatz
n : Jahre
kn: Kapital nach n Jahren

Berechnung
K0 = 0.01
i  = 0.05
n  = 2000

Zinseszins:
Kn = 0.01 * (1 + 0.05) ^ 2000 = 2.4 * 10 ^ 40 $

Zins:
Kn = 0.01 + 2000 * (0.01 * 0.05) = 1.01 $

Umrechnung in visuelle Grösse

Goldpreis = 51’556 $/Kg (5 Aug 2012)
Gewicht Erde = 5,974 · 10 ^ 24 kg

Erden aus purem Gold = (Kn / (Goldpreis* Gewicht Erde)) = 77’634’311’516


Erkenntnis
-Die Dimension stimmt etwa, die Mr. DAX anspricht.
-In 2000 Verzinsungsschritten ist so eine grosse Differenz erreicht…

Weitere Analysen
(folgen 5 Aug 2012)

Quelle
(5 Aug. 2012)
Goldpreis
zkb.is-teledata.ch/html/finanzprodukte/edelmetallkurse/kunden/index.html

Gewicht Erde
de.wikipedia.org/wiki/Erde

Categories
Blog Data Science

Bye-bye trading page part 1

A friend and I used to run a page about trading based on analyses with the programming language R back in 2012. Before I take that page offline, I want to repost a few articles here.

Trading Data in R

Analysen mit R
Die Rechenleistung der heutigen Computer ermöglicht Privatpersonen zu Hause aufwändige Rechenverfahren durchzuführen. Die meisten Nutzer unterschätzen die Leistung ihres Heimcomputer und beschränken sich meistens auf das surfen im Internet oder das Verfassen von Texten. Wenn dann das Hochfahren der Maschine ein wenig dauert, wird der Rechner schnell als langsam denunziert. Erst durch das eigenhändige Programmieren versteht man, wie enorm gross der Nutzen von Computern für die Naturwissenschaften war und ist.

Um einen Computer zu programmieren, muss man mit ihm über eine Programmiersprache kommunizieren. Dabei ist die Programmiersprache R spezialisiert auf quantitative Analysen.

Die Vorteile von R:

  • es ist eine Freeware d.h. jeder kann sie kostenlos nutzen
  • eine grosse Community entwickelt sie stetig weiter
  • in der Statistik geltet R zunehmend als Standardsprache
  • für viele Systeme verfügbar (Linux etc.)
  • es unzählige Hilfe Foren gibt

Wie man sie einsetzt, wird hier ganz nach dem Motto „Learning by Doing“ vorgestellt.

Um mit R zu arbeiten empfehlen wir die Freeware R-Studio. Da sie unserer Meinung nach die ideale Kombination zwischen Übersichtlichkeit und Programmierfreiheit bietet. Sie ist frei im Internet erhältlich

Um Finanzdaten in R zu laden

library("tseries") # Die benoetigten Funktionen befinden sich in der library tseries

# Beispiel mit Novartis
prices <- get.hist.quote("NVS", quote=c("Open", "High", "Low", "Close","Adj"), start="2011-08-01", retclass="zoo")
stock <- as.matrix(prices)
ts.plot(stock[,"Close"])

Categories
Blog Data Science Python

Python random numbers

When I experiment in Python I often need a list of random integers. When I was looking for code to generate that I couldn’t believe how complicated people are doing that and present it after in their blog. Anyway here are two very easy ways to generate random lists. 

import random
[random.randint(1,100) for i in range(10)]
#
import numpy as np
np.random.randint(1,100,10)
 

Categories
Blog Data Science Python

Python Tuples

Tuples are immutable sequences typically used to store heterogeneous data. They are similar to Lists but aren’t the same. In this post, I wanna give you a quick intro in Tuples by explaining the differences to Lists.

myList = [1,2,3]

myTuple = (1,2,3)
 

As you can see instead of square brackets [ ] we use parentheses ( ) to create a Tuple.

myList == myTuple # = False

Out[3]: False

myList[2] = 4

myTuple [2] = 4

Traceback (most recent call last):

File "", line 1, in 

    myTuple [2] = 4

TypeError: 'tuple' object does not support item assignment

myTuple = (1,4,3)
 

Although our List and Tuple have the same content, we can’t compare these two objects. Another insight is that values in a List are mutable whereas the values of a Tuple are immutable. To replace a value you have to redefine the Tuple.

Pack and unpack a Tuple

From edX.org Using Python for Research

x = 12.23

y = 23.34

coordinate = (x,y)

coordinate

Out[8]: (12.23, 23.34)

(c1, c2) = coordinate

c1

Out[10]: 12.23

c2

Out[11]: 23.34

As you can see, Tuples can be useful if you save something meaningful and consistent which you want to protect like coordinates. Another benefit is that Tuples are faster than Lists. Especially when you want to iterate through it, use a Tuple instead of a List. (Sorry WordPress Gutenberg is not a big friend of programmers).