Python4Finance
الذهاب إلى القناة على Telegram
کانال Python4Finance آموزش پایتون در اقتصاد و مدیریت مالی هر روز چند نکته را در خصوص پایتون برای مالی بیاموزیم *** آپارت: aparat.com/Python4Finance
إظهار المزيد8 865
المشتركون
-324 ساعات
-77 أيام
-1930 أيام
أرشيف المشاركات
8 866
دسترسی به اندیکاتورهای مهم اقتصادی
یکی از مهمترین اقدامات یک تحلیل گر، رصد شاخص های کلان اقتصادی است. مواردی مانند GDP، بیکاری، تورم و پیش بینی هایی که نهادهایی مانند صندوق بین المللی پول، بانک جهانی و ... انجام می دهند بسیار حائز اهمیت است.
یکی از سایت های جالب در این خصوص، سایت db.nomics است. این سایت حجم زیادی از داده ها را از منابع مختلف جمع آوری کرده و هم به صورت فایل های csv و اکسل و هم از طریق api در اختیار قرار می دهد.
برای پایتون ماژول ویژه ای را هم طراحی کرده است که از طریق این لینک در دسترس است.
حتما سری به این سایت به نشانی db.nomics.world بزنید.
در پست های آتی چند مثال در این خصوص را با یگدیگر بررسی خواهیم کرد.
#معرفی_سایت
#شاخصهای_اقتصادی
#پایتون_مالی
#Econmic_Indicator
عضویت در کانال پایتون برای مالی
t.me/python4finance
8 866
چالش های پایتون برای مالی
خیلی از دوستان در پیام های خصوصی پیشنهاد داشتند فضایی را برای تبادل اطلاعات و تمرین داشته باشیم. اگر شما هم علاقه مند هستید که مشارکت در تمرین و پاسخگویی به سوالات در سطوح مختلف (از آسان به سخت) و با موضوعات مختلف (از پایتون عمومی تا سطوح تخصصی مالی) داشته باشید عضویت در کانال چالش های پایتون برای مالی را به شما توصیه می کنم.
🌐 لینک عضویت
عضویت در کانال پایتون برای مالی
t.me/python4finance
8 866
بررسی شاخص تلاطم VIX
شاخص VIX-Volatility Index است عبارت است از شاخص نوسانات بازار. در واقع شاخص VIX انتظارات معامله گران درباره شاخص سهام S&P500 برای آینده را نشان می دهد و براساس معاملات انجام شده بر روی اختیار خرید و فروش شاخص S&P500 برای ۳۰ روز آینده در بورس اختیارات شیکاگو CBOE بنا شده است. این شاخص معیاری برای اندازه گیری ریسک بازار و میزان هیجان سهامداران است
محدودههایی که برای شاخص VIX در نظر میگیرند به ترتیب زیر است:
کمتر از ۱۲ به معنی ریسک پایینی است که سرمایه گذاران از آینده است.
بین ۱۲ تا ۲۰ به معنی ریسک متعادل از آینده است.
بالای ۲۰ به معنی ریسک زیاد است و سهامداران نسبت به آینده خوشبین نیستند.
در تصویر این پست شاخص VIX برای 5 سال اخیر رسم شده است.
#ریسک
#تلاطم
#پایتون_مالی
#Vix_index
عضویت در کانال پایتون برای مالی
t.me/python4finance
8 866
دوره معاملات الگوریتمی با پایتون-آنلاین
📌شروع دوه: دوشنبه اول آذرماه ۱۴۰۰
مدت: 24 ساعت
📌سرفصل دوره
مقدمه و آشنایی با معاملات الگوریتمی
کار با API ها
تحلیل سریهای زمانی
استراتژی در معاملات الگوریتمی
مدل سازی استراتژیهای تحلیل تکنیکال در معاملات الگوریتمی
استراتژی های مبتنی بر یادگیری ماشین
مدیریت ریسک استراتژی های معاملاتی
ساخت یک سیستم معاملاتی
سنجش کیفیت استراتژی با بک تست
❗️برای شرکت در دوره نیاز به آشنایی با سرفصل های دوره های مدلسازی مالی مقدماتی و پیشرفته است.
✅شرکت برای عموم افراد (آقایان و خانم ها) آزاد است
✅به پذیرفته شدگان در آزمون پایانی گواهی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) اعطا خواهد شد
🌐 ثبت نام
t.me/azvclc
8 866
رفع مشکل نصب matplotlib در پایتون 3.10
اگر شما هم پایتون 3.10 را روی سیستم خود نصب کرده باشید، احتمالا با خطای نصب ماژول matplotlib مواجه شدید. قبلا در این پست در خصوص علت این خطاها توضیح داده بودم. معمولا این خطا در به روز رسانی نسخه های اصلی پایتون اتفاق می افتد مثلا از 3.8 به 3.9 یا از 3.9 به 3.10 و ماژول های اصلی نهایتا بعد از چند هفته ورژن اصلی سازگار خود با نسخه جدید را ارائه می دهند.
اگر به هر دلیلی می خواهید زودتر از آن زمان از ماژول matplotlib استفاده کنید دو راه دارید. یکی اینکه فعلا از ورژن 3.9 استفاده کنید. یا اینکه از نسخه های ما قبل نهایی matplotlib استفاده کنید.
برای مثال می توانید در پایتون 3.10 به این صورت matplotlib را نصب کنید.
pip install matplotlib==3.5.0rc1
بعد از اینکه نسخه نهایی matplotlib ارائه شد، نسخه نهایی را نصب کنید.
#پایتون_مالی
#نصب_ماژول
#Matplotlib
@python4finance
8 866
اسلایدهای جلسه پنجم وبینار مرور کتاب «يادگيري معاملات الگوريتمي با پايتون- Learn Algorithmic Trading»
در این جلسه، ادامه مباحث یادگیری ماشین و کاربرد آن در معاملات الگوریتمی ارائه می شود.
#پایتون_مالی
#مرور_کتاب
#اسلاید
#معاملات_الگوریتمی
#یادگیری_ماشین
#Algorithmic_Trading
#Machine_learning
#slide
پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
فایل های ویدئوی وبینار مرور کتاب «يادگيري معاملات الگوريتمي - Learn Algorithmic Trading»
جلسه پنجم از مرور کتاب بعد از مدتی تاخیر آماده شد. از همه عزیزانی که این مدت پیگیر ادامه موضوع و به نوعی روحیه بخش بودند بسیار سپاسگزارم. در این فایل به ادامه مبحث یادگیری ماشین می پردازیم.
ان شاء الله فایل های بعدی را با سرعت بیشتری تقدیم می کنم.
📌5️⃣ جلسه پنجم (جدید - ادامه یادگیری ماشین)
#پایتون_مالی
#مرور_کتاب
#معاملات_الگوریتمی
#یادگیری_ماشین
#Algorithmic_Trading
#Machine_learning
پایتون برای مالی در تلگرام
https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
پایتون یکی از فراگیرترین زبان های برنامه نویسی است که تقریبا در همه رشته های آموزشی اعم از ریاضیات، فیزیک، علوم اقتصاد و مالی، علوم کامپیوتر، پزشکی و ... استفاده می شود.
اگر به دنبال به دست آوردن یک مزیت رقابتی هستید، عضویت در کانال پایتون برای مالی را به شما توصیه می کنیم.
عضویت در کانال
🆔 t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
عدم نمایش اعداد به صورت نماد علمی در Numpy
یکی از سوالاتی که این چند وقت برخی از همراهان کانال از من پرسیده بودند این است که هنگام کار با Numpy، داده ها با نماد علمی نمایش داده می شوند. چگونه می توان داده ها را به صورت اعشاری ساده نمایش داد؟
برای این کار کافی است عبارت np.set_printoptions(suppress=True) را در برنامه خود درج کنید.
در تصویر این پست این موضوع با یک مثال ساده نمایش داده شده است.
#نماد_علمی
#Numpy
t.me/python4finance
8 866
دانلود کتاب «آشنایی با پایتون برای اقتصاد سنجی، آمار و تحلیل داده» به انگلیسی «Introduction to Python for Econometrics, Statistics and Data 2021 Analysis»
#معرفی_کتاب
#اقتصاد سنجی
#تحلیل داده
#آمار
#پایتون_مالی
#Econometrics
#Statistics
#Data Analysis
t.me/python4finance
8 866
معرفی کتاب «آشنایی با پایتون برای اقتصاد سنجی، آمار و تحلیل داده» به انگلیسی «Introduction to Python for Econometrics, Statistics and Data 2021 Analysis»
کتاب توسط Kevin Sheppard نوشته شده است. وی فارغ التحصیل دوره دکتری از دانشگاه آکسفورد است و در حال حاضر به عنوان دانشیار در این دانشگاه مشغول فعالیت است.
سطح کتاب متوسط و از زبان انگیسی روانی برخوردار است.
#معرفی_کتاب
#اقتصاد سنجی
#تحلیل داده
#آمار
#پایتون_مالی
#Econometrics
#Statistics
#Data Analysis
t.me/python4finance
8 866
دستور جادویی pylab%
عموما در بیشتر کارها ماژول های Numpy و Matplotib را فراخوانی می کنیم. اگر می خواهید از import هر باره این ماژول ها خلاص شوید می توانید از دستور جادویی pylab% استفاده کنید. تقریبا این دستور معادل دستورات زیر است:
from numpy import *
from matplotlib import *
(البته توجه داریم این دستور را داخل notebook یا ipython باید اجرا کنیم)
#ژوپیتر
#دستور_جادویی
#Notebook
#Numpy
#Matplotlib
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
کشف روابط بین متغیرها با Pairplot
یکی از توانایی مهم یک مدلساز مالی و دانشمند داده توانایی استخراج نوع رابطه بین متغیر هاست. ترسیم شکل و مصورسازی داده ها از جمله توانمندی هایی است که به ما در استخراج ضمنی این روابط کمک شایانی می کند. کتابخانه Seaborn یکی از ابزارهای قدرتمند رسم شکل در پایتون است که البته از زیرساخت Matplotlib استفاده می کند.
در تصویر این پست، ابتدا داده های مربوط به سه سهم اپل، مایکروسافت و گوگل و نیز شاخص S&P500 دریافت می شود و به وسیله Pairplot در Seaborn رسم می شود.
#رسم_نمودار
#علم_داده
#Graph
#Data_scinece
#Seaborb
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
بررسی واریانس در Numpy با دقت بیشتر
همه شما احتمالا با مفهوم ریسک سیستماتیک و ضریب بتا آشنا هستید. معمولا برای محاسبه بتا از روش رگرسیون یا تقسیم کواریانس بر واریانس استفاده می شود. امشب یا یکی از گروه ها در حال حل مسئله ای بودیم که متوجه شدیم به صورت پیش فرض محاسبه var در Numpy بر اساس جامعه است نه نمونه در حالی که محاسبه واریانس در ماتریس واریانس کواریانس بر اساس نمونه است! و این موضوع باعث ایجاد تفاوت در محاسبات شده بود.
برای محاسبه واریانس نمونه کافی است درجه آزادی را برابر یک قرار دهید. ( ddof=1).
می توانید موضوع فوق را در مثال بالا مشاهده بفرمایید.
#واریانس
#کواریانس
#نمونه
#جامعه
#بتا
#درجه_آزادی
#Variance
#Covariance
#Sample
#Population
#Beta
#Degree_of_freedom
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
میلاد با سعادت پیامبر رحمت و مهربانی، حضرت محمد (ص) و امام صادق (ع) مبارک
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
دانلود اسلایدهای درس یادگیری ماشین با گراف ها (Machine Learning with Graphs) دانشگاه استفورد
یادگیری ماشین یکی از بحث های بسیار زیبا و کاربردی است که جای خود را تقریبا در تمام عرصه های دانش باز کرده است خصوصا زمانی که داده های زیاد و مدلهای اندکی داریم، این ابزار بسیار کاربردی است.
زمانی که داده های زیادی داریم که ارتباط های خاصی بین داده ها برقرار می شود می توان از مدلهای شبکه عصبی و یادگیری عمیق استفاده کرد. گراف یکی از مهمترین ابزارها در این مدل یادگیری است و روابط بین متغیرها را دقیق تر دنبال می کند. برای مثال یک شبکه اجتماعی مثل تلگرام را در نظر بگیرید. کاربران را می توان گره ها و یال ها را می توان پیام های ارسالی و دریافتی درنظر گرفت.
دوره یادگیری ماشین با گراف های دانشگاه استنفورد یکی از پر سابقه ترین دوره های این حوزه است. در صورتی که به این دوره علاقه داشتید می توانید از طریق این لینک اطلاعات دوره را دریافت کنید.
#اسلاید
#یادگیری_ماشین
#دانشگاه_استنفورد
#پایتون_مالی
#slide
#Machine_learning
#Stanford
#python_for_finance
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
همه سبدهاتو توی یه تخم مرغ نذار!
امشب طبق روال با دانشجوهای دوره مدلسازی پیشرفته کلاس داشتم. کلاس تا نزدیک های 21.30 طول کشید و این هم نتیجه 😂
این فیلم رو یکی از دوستان که دانشجوی این کلاس هستند برام فرستادند. یکی از نعمت های بزرگی که خداوند نصیب من کرده دوستان زیادی است که در این کلاس ها افتخار آشنایی با ایشان را داشته ام.
#طنز
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
کار با داده ها به راحتی یک صفحه گسترده - 2
قبلا در این پست در خصوص ماژول D-Tale و امکاناتی که برای کار با داده ها در قالب یک صفحه گسترده فراهم می کرد صحبت کردیم.
این بار با ماژول دیگری به نام Mito آشنا می شویم. شعار این ماژول عبارت است از:
Do Python analyses 10x faster
که گویای هدف سازندگان آن است. توجه داشته باشید که این ماژول صرفا روی Jupyter Lab اجرا می شود.
بعد از نصب این ماژول می توانید با دو خط زیر Mito را فراخوانی کنید و کار با داده ها را در یک محیط بسیار کاربر پسند دنبال کنید.
import mitosheet
mitosheet.sheet()
برای اطلاعات بیشتر می توانید به صفحه این ماژول در این آدرس مراجعه نمایید.
#Data_table
#Data_farme
#pandas
#Mito
#DTale
#python
پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug
8 866
خصوصیات جدید پایتون 3.10 - بخش چهارم و پایانی
3-استفاده از پرانتزها برای ساختار چندخطی
اگر به خاطر داشته باشید در نسخه های قبلی برای اینکه یک تابع طولانی را در چند خط بنویسیم از \ برای شکستن خط استفاده می کردیم. در این نسخه شما می توانید به راحتی با استفاده از پرانتز این شکست خط را انجام دهید و البته برنامه های خود را خواناتر کنید. البته این ویژگی در پایتون 3.9 هم وجود داشت ولی الان کامل تر شده است.
4- اضافه شدن توابع جدید به ماژول statistics
برای کارهای آماری ماژول های زیادی وجود دارد اما خوبی statistics این است که از ماژول های داخلی پایتون است. در نسخه 3.10 سه تابع covariance, correlation , linear_regression به این ماژول اضافه شده است.
البته تغییرات به همین ها خلاصه نمی شود و اگر علاقه داشتید به همان رفرنس اصلی که پست اول معرفی کردم مراجعه نمایید.
#پایتون3.10
#ویژگی_جدید
#مقدمات
#parentheses
#statistics
عضویت در کانال پایتون برای مالی👇👇👇
🆔 t.me/python4finance
8 866
خصوصیات جدید پایتون 3.10 - بخش سوم
2-بهبود پیامهای خطا
وقتی از پایتون صحبت می کنیم همیشه کاربرپسند بودن و خوش دست بودن آن به ذهن می آید. در این نسخه پیام های خطا هم تا حدود زیادی بهتر شده اند. خصوصا زمانی که در آخر توابع پرانتز "(" را فراموش کنید، یا در آخر دیکشنری "{" آکولاد را جا بیندازید یا حتی اگر ویرگول را در بین یک دستور ننویسید پیام های بسیار مناسب تری را دریافت می کنید که به دیباگینگ برنامه تا حد زیادی کمک می کند.
دو نمونه از خطاهای دریافتی از پایتون 3.9 و 3.10 در تصویر این پست نمایش داده شده است.
#پایتون3.10
#ویژگی_جدید
#مقدمات
#Errors
#Debugging
عضویت در کانال پایتون برای مالی👇👇👇
🆔 t.me/python4finance
