Willkommen bei GuidingData!
Bei GuidingData dreht sich alles um Daten und deren Analyse. Dabei konzentrieren wir uns vornehmlich auf interessante Entwicklungen aus dem Bereich der Finanzmärkte, egal ob es sich dabei um die Analyse von ETFs, Aktienindizes oder die historische Entwicklung der Inflation dreht. Die Ausführungen auf diesem Blog sollen dem Leser Hintergrundinformationen zu Finanzprodukten wie ETFs bereitstellen, da ein grundlegendes Verständnis für die Produkte dabei hilft die richtigen Entscheidungen beim Vermögensaufbau zu treffen.
Neben der Auswertung von Daten werden wir auch Simulationen wie die Monte-Carlo-Methode oder die Simulation bestimmter Anwendungsfälle (z.B. Sparpläne, Ruhestandsportfolios usw.) durchführen, um die Finanzmärkte und den Vermögensaufbau besser zu verstehen. Wir werden uns außedem mit aufschlussreichen Büchern und wissenschaftlichen Publikationen aus den Bereichen Finanzen, Aktien und Investitionen beschäftigen.
Zu mir: Ich heiße Stefan, bin 31 Jahre alt und meine Begeisterung für die unzähligen Möglichkeiten Daten zu analysieren wurde durch mein Studium der Physik geweckt. Ich arbeite nun seit 2018 in Vollzeit in der Automobilbranche und investiere seitdem in ETFs mit dem Ziel mehr finanzielle Freiheit zu erlangen.
Ich selbst bin fest von den wissenschaftlichen Studien zur Überlegenheit des sogenannten passiven Investierens überzeugt.
Passives Investieren ist prognosefreies, nicht-spekulatives Investieren in ganze Asset-Klassen wie z.B. den globalen Aktienmarkt auf Buy-and-Hold-Basis mittels ETFs. Anders als beim aktiven Investieren wird kein kostenträchtiger und oft renditeschädlicher Versuch unternommen den Markt zu schlagen, in dem man Market-Timing betreibt oder sich bei seinen Investments auf bestimmte Wertpapiere konzentriert. In diesem Blog werden wir uns daher häufig mit global diversifizierten Aktienindizes beschäftigen, die die Grundlage für das passive Investieren am Markt bilden.
Da ich häufiger gefragt werde, welche Tools ich nutze, um die Analysen für den Blog zu erstellen: Überwiegend verwendet ich dazu die Programmiersprache Python. Kaum eine andere Programmiersprache eignet sich besser zur Analyse, Aufbereitung und graphischen Darstellung von Daten. Python ist auf diesem Gebiet der Datenanalyse so populär, weil die Sprache Zugang zu diversen Bibliotheken bietet, die eine einfache Umsetzung von elementarer Datenanalyse bis hin zu Machine-Learning-Projekten ermöglicht.
Wenn du Anregungen oder Ideen für ein interessantes Projekt oder eine Kollaboration hast, schreib mir eine E-Mail, meld dich über Social Media oder schreib einen Kommentar.
