ریاضیات مالی ۲

درگيرشدن با بازار سهام، درگيرشدن با رياضيات است. حتي آن چيزي كه به‌عنوان علم مالي اين روزها كادوپيچ مي‌شود و تحويل شما می‌گردد، ورژن بزرگ‌شده رياضيات و آمار است. نرم‌افزار اكسل و يک كتاب رياضيات پايه به من بدهيد. بدون استفاده از فرمول، ٩٠درصد مسئله‌هاي مالي را باهم حل مي‌كنيم. نگاه من در اين زمينه، انقدر افراطي است كه معتقدم اسم رشته مديريت‌مالي بايد مي‌شد رياضيات گرايش مالي. چرا اين حرف را مي‌زنم؟ چون مي‌خواهم در مورد اينكه از كجا شروع كنيم تا معامله‌گر موفقی شویم صحبت كنم. اول اينكه لازم نيست بنشينيد چند صد تا سهم را ارزش‌گذاري كنيد، بعد ارزش را با قيمت مقايسه كنيد، بعد اقدام به خريد كنيد. تنها كافي است شونده و خواننده خوبي باشيد. حجم معاملات، بيشترين تأثیر روي شاخص، گروه‌ها و كانال‌هاي تلگرام و اینستاگرام، روزنامه‌ها، فروم‌ها و وبسايت‌هاي بورسي دائم در حال معرفي سهم هستند. از اين سهم‌ها يک ليست تهيه كنيد. سعي كنيد تعداد سهام این ليست بيشتر از ده پانزده تا نشود. دوم، براي اينكه چيزي را بشناسيد، بايد با آن زندگي كنيد. سهم‌هاي ليست‌تان را بغل كنيد و بخوابيد. هرچقدر بيشتر بتوانيد با سهم‌هاي ليست‌تان وقت بگذرانيد بهتر است. سعي كنيد تبديل به جذب‌كننده اطلاعات شوید. فكر كنيد شما زكرياي رازي هستيد و آن‌ها الكل. هرقدر مي‌توانيد در موردشان مطالعه كنيد. نمي‌گویم تحليل كنيد، مي‌گویم مطالعه كنيد. نظرهاي موافق را بخوانيد، انتقادها را بخوانيد. تحليل سایر افراد را بخوانيد. در موردشان با آدم‌ها صحبت كنيد. پاي تلويزيون در تاكسي در موردشان فكر كنيد و به يک سناريو برسيد. اين سناريو مي‌تواند این‌گونه باشد: قيمت سهام بانک ایکس رشد خواهد كرد. قيمت سهام بانک ایکس در محدوده فعلي نوسان خواهد كرد. قيمت سهام بانک ایکس ريزش خواهد كرد. ممكن است بپرسيد چگونه اين كار را بكنم؟ مگر بدون علم می‌توان تحليل کرد؟ بله مي‌شود. من اگر اين را بگویم كل بورس با چوب دنبالم میفتد، اما بله مي‌شود. شما قدرت تشخيص داريد، مي‌توانيد بين استدلال‌هاي مختلف كه مطالعه مي‌كنيد قضاوت كنيد. نمي‌گویم هركسی هرچه گفت برويد انجام دهيد، حرف من اين است که شما ليسانس علوم سياسي نداريد، ولي در مورد خيلي چيزها صاحب نظرايد. كلاس مربي‌گري فوتبال نرفتيد، ولي در مورد ارنج تيم نظر کارشناسانه مي‌دهيد. شما اين مهارت‌ها را طي زمان كسب كرده‌ايد، همان كار را اينجا هم بكنيد. استدلال‌هاي مختلف را بشنويد و بين آن‌ها قضاوت كنيد كه كدام منطقي‌تر است. سناريو نوشتن، اصلي‌ترين قسمت داستان است. سوم اینکه سناريو و دلايل‌تان براي تحقق آن سناريو را مكتوب كنيد. بانک ایکس بالا مي‌رود؟ چرا؟ تا كجا؟ اين كار چند خاصيت دارد. اول اينكه ذهن‌تان بيشتر درگير موضوع مي‌شود. در واقع شما خلاصه‌اي از تحقيقات‌تان را مي‌نويسيد. يادآوري مي‌كنم، نوشته شما براي خودتان است و لازم نيست خيلي منطقي و جامعه‌پسند باشد. شما الان چند روز است که ليست را هر روز در بازار تعقيب مي‌كنيد كلي مطلب از آن‌ها خوانديد، بايد بتوانيد يک صفحه خلاصه استدلال كنيد. چهارم اینکه آن قسمت از ليست كه بنظرتان خريدني مي‌آید، بيشتر روی آن‌ها تمركز كنيد. بيشتر بخوانيد، بيشتر بنويسيد و در ساعت‌هاي كاري بازار، بيشتر به قيمت‌وروند معاملات‌شان توجه كنيد. سوروس در اين مرحله، معمولاً کمی از آن سهم مي‌خريد تا بتواند بيشتر از نظر عاطفي با آن درگير شود. در كاغذتان جواب اين دو سؤال رو بدهيد: در چه قيمتي بخرم؟ تا چه قيمتي مي‌تواند بالا برود؟ #کامیار_فراهانی_فرد #کامیار_فراهانی #بورس @Shagerd_bourse

خوبه ، درست میگه ، ولی من میگم کاری بهتر وبالاتر میشه کرد، یک شرکت سهامی خاص ۱۰۰ هزار تومنی بزنید، چند نفر سهامدار شریک کنید، و گاهی ارزش گذاری وخرید وفروش سهام خود را انجام بدهید. ( قانون تجارت به شما اجازه میدهد یک فرابورس خصوصی داخل شرکت تان تشکیل بدهید. ) با این شرکت وارد سرمایه گذاری جایگزین بشوید، درصنعت، املاک، بازرگانی کارکنید، فرار مالیاتی نکنید،حسابداری را دقیق انجام بدهید، صورتهای مالی منظم تهیه کنید. بعد از مدتی بورس را طوردیگری میبینیدکه ۹۹ درصدمردم بورس نمیتوانند آن چیزها را بفهمند. این تجربه ۲۰ سال گذشته من است. که با سعی وخطا و به سختی وبه قیمت خورد شدن استخوانهایم تمام شده است، مربی و مشاور و منابع مطالعاتی نداشتم. آن زمان اصلا بورس واین همه منبع خبری و رسانه ای وافراد کارشناس وشبکه های اجتماعی و اینترنت نبود. ولی شما توی چند سطر کل ۲۰ سال تجربه را الان دارید.

دوره آموزشی یادگیری ماشین در 100 روز که تا الان 52 روز آن انجام شده https://github.com/Avik-Jain/100-Days-Of-ML-Code . . .کنسرسیوم مگاپروژه های ایران باشگاهها https://t.me/moranclubsgroup کانالها https://t.me/addlist/f41cbK5p6Do5ZGM0 وبسایت https://www.megaeng.ir .

داونلود نرم افزار Microsoft DeployR for SQL Server نرم افزار DeployR تکنولوژی است که کدهای نوشته شده به زبان برنامه نویسی R را در دسترس تحلیلگرها و مدیران قرار میدهد تا برای توسعه کسب و کارها و تحلیل داده های کلان از الگوریتمهای R استفاده کنند بدون اینکه دانشی در زمینه برنامه نویسی R داشته باشند. قابلیت های کلیدی نرم افزار Microsoft DeployR: - استفاده از یک سرور مرکزی - اکتشاف و مدل سازی سریع و قوی داده ها - سرعت و دقت بالا در انجام عملیات - رابط کاربری ساده و جامع - و ... Gain real-time insights across your transactional and analytical data with a scalable database platform that has everything Microsoft DeployR is an integration technology for deploying R analytics inside web,desktop,mobile, and dashboard applications as well as backend ystems.DeployR turns your R scripts into analytics web services, so R code can be easily executed by applications running on a secure server.Using analytics web services, DeployR also solves key integration problems faced by those adopting R-based analytics alongside existing IT infrastructure.These services make it easy for application developers to collaborate with data scientists to integrate R analytics into their applications without any R programming knowledge. سیستم مورد نیاز - SQL R Server - Java Runtime Environment داونلود و نصب از https://p30download.ir/fa/entry/66364/ برای مشاوره، نصب و راه اندازی، طراحی و پیاده سازی سامانه های سازمانی بزرگ با کارشناسان ما تماس بگیرید. . . .کنسرسیوم مگاپروژه های ایران باشگاهها https://t.me/moranclubsgroup کانالها https://t.me/addlist/f41cbK5p6Do5ZGM0 وبسایت https://www.megaeng.ir .

سرور پاوربی آی Power BI خودتان را رایگان راه اندازی کنید. نرم افزار Power BI Report Server یک سرویس گزارش دهی محلی با یک پورتال تحت وب است که با کمک آن می توانید گزارش ها و KPI ها را نمایش داده و مدیریت کنید. همراه با آن ابزارهایی برای ایجاد گزارشهای Power BI، گزارشهای صفحه بندی شده، گزارشهای تلفن همراه و KPI ها در اختیار شما قرار می گیرد. Power BI یک راهکار هوش تجاری و تحلیل کسب و کار است که به شما اجازه می دهد بدون نوشتن یک خط کد، داده های خود را در قالب نمودار های گوناگون مصور ساخته و گزارش های خود را با دیگران به اشتراک بگذارید. این سرویس به شما امکان می دهد به صدها نوع منبع داده متصل شده و داده های خود را در قالب داشبردها و گزارش های مختلف، هم به صورت نصبی بر روی سیستم‌های داخلی سازمان (on-premises) و هم در فضای ابری (Cloud) به طور همزمان، ایجاد نمایید. کاربران نیز می توانند به روش های مختلفی مانند مشاهده آنها در یک مرورگر وب یا دستگاه تلفن همراه و یا دریافت ایمیل، به این گزارشات دسترسی پیدا کنند. از ویژگی های قابل توجه این محصول ویژگی های قدرتمند گرافیکی آن می باشد که شما می توانید اطلاعات آماری را در قالب جداول و نمودار های مختلفی نمایش دهید. Power BI Report Server عملیات گزارش گیری را طی سه مرحله کلی انجام می دهد. ابتدا اطلاعات و گزارشات به شکل های مختلفی جمع آوری و طراحی می شوند. سپس گزارشات تهیه شده را به سرور گزارش دهنده ارسال می کنید و در مرحله آخر با دسترسی به سرور گزارش، امکان نمایش گزارشات را در داشبورد تحت وب خود خواهید داشت. Power BI Report Server مشابه سرویس های گزارش دهی SQL Server و سرویس آنلاین Power BI است، اما به روش های مختلف. قابلیت های کلیدی نرم افزار Power BI Report Server: - تهیه گزارشات دقیق آماری از داده ها - امکان سازماندهی گزارش ها در دسته های مختلف - نشان دادن گزارش ها به شکل جداول و نمودار - امکان مدیریت، ویرایش و بروزرسانی گزارش ها - ارائه یک پورتال تحت وب - ارائه روش های مختلف برای دسترسی کاربران - و ... Power BI Report Server Screenshot 1Power BI Report Server Screenshot 2Power BI Report Server Screenshot 3Power BI Report Server Screenshot 4 Power BI Report Server Power BI Report Server is an on-premises report server with a web portal in which you display and manage reports and KPIs. Along with it come the tools to create Power BI reports, paginated reports, mobile reports, and KPIs. Your users can access those reports in different ways: viewing them in a web browser or mobile device, or as an email in their in-box. More info (open/close) سیستم مورد نیاز Supported Operating System - Windows Server 2016, Windows 10, Windows Server 2019 - .NET Framework 4.7 or later - SQL Server Database Engine (2012 or later), to store the report server database - SQL Server Analysis Services (2012 SP1 CU4 or later), for your Live Analysis Services data sources Recommended Hardware Processor: Minimum: x64 Processor 1.4 GHz – Recommended 2.0 GHz or faster Memory: Minimum 1 GB – Recommended At least 4 GB Disk space: a minimum of 1 GB of available hard-disk space داونلود و نصب از https://p30download.ir/fa/entry/93544/ برای مشاوره، نصب و راه اندازی، طراحی و پیاده سازی سامانه های سازمانی بزرگ با کارشناسان ما تماس بگیرید. . . .کنسرسیوم مگاپروژه های ایران باشگاهها https://t.me/moranclubsgroup کانالها https://t.me/addlist/f41cbK5p6Do5ZGM0 وبسایت https://www.megaeng.ir .

✅ Everything about Linear Regression 🔥🔥 ✅ همه چیز در مورد رگرسیون خطی 🔥🔥 ✅ در قالب اسلاید و به زبان ساده 🦦🦦 ✅ Objectives : ➡️What is machine learning ➡️Types of data and terminology ➡️Types of machine learning ➡️ Supervised learning ➡️ Linear regression ➡️ Least square and Gradient Descent ➡️ Hands on implementing Linear Regression from sketch. #ml #statisticallearning #machinelearning #datascience AIwithParissan | AI Tutorials

رودمپ بسیار کامل علم داده در سه سطح مبتدی متوسط و پیشرفته 🔰 Advanced 🔰 1. Deep Learning    video_camera Deep Learning Fundamentals    📹 Introduction to Deep Learning - MIT    video_camera Specialization    📕 Dive into Deep Learning (En) | (Ar) version arrow_rightPart1 & Part2    video_camera Deep Learning UC Berkely    closed_book github of Dive into DL    video_camera Stanford Lecture - Convolutional Neural Networks for Visual Recognition    video_camera University of Waterloo - ML / DL 2. Tensorflow    📹 Specialization    video_camera Youtube     fast.ai's Deep Learning Courses TensorFlow beats PyTorch in visualization capabilities and deploying trained models. Go for PyTorch if you want flexibility, debugging capabilities, and short training duration. 3. PyTorch    video_camera PyTorch (UC Berkeley - Youtube) - Lec3 (The 5 parts)    video_camera PyTorch - Dr. Data Science - Youtube    video_camera Pytorch Tutorial - Aladdin - Youtube    📹 PyTorch Course (2022) - Youtube    closed_book Deep Learning With Pytorch    closed_book Machine Learning with PyTorch and Scikit-Learn -2022 4. Advanced Data Science    video_camera Advanced Data Science with IBM Specialization 5. NLP    video_camera Specialization    video_camera Arabic - Ahmed El Sallab    video_camera Introduction to Natural Language Processing in Python 6. Inferential Statistics    video_camera Specialization, 2nd & 3rd courses    video_camera course 7. Bayesian Statistics    video_camera 1 - From Concept to Data Analysis    video_camera 2 - Techniques and Models    📹 3 - Mixture Models 8. Model Deployment    📕 Flask tutorial    video_camera TensorFlow: Data and Deployment Specialization    video_camera Deploy Models with TensorFlow Serving and Flask    video_camera How to Deploy a Machine Learning Model to Google Cloud - Daniel Bourke    if you`re intersted in more deployment methods, search for (FastAPI - Heroku - chitra) 9. Probabilistic Graphical Models    video_camera Specialization

رودمپ بسیار کامل علم داده در سه سطح مبتدی متوسط و پیشرفته 🔰 Intermediate 🔰 1. Math for ML: consists of Linear Algebra, Calculus and PCA. 📹 Mathematics for Machine Learning and Data Science - Andrew Ng video_camera Specialization 📹 Mathematics for Machine Learning - Most of the needed basics small_blue_diamondLinear Algebra    video_camera Khan Academy - Linear Algebra    📹 Mathematics for Machine Learning: Linear Algebra    video_camera 3Blue1Brown - Essence of Linear Algebra small_blue_diamondCalculus    📹 Multivariate Calculus - Coursera    video_camera Essence of calculus - Youtube small_blue_diamondPCA    📹 PCA - Coursera 2. Machine Learning    video_camera Coursera - Old Course by Andrew Ng (Octave/Matlab)    video_camera Coursera Andrew`s new ML Specialization (Python)    video_camera Machine Learning Stanford Full Course on YouTube by Andrew    video_camera CS480/680 Intro to Machine Learning - Spring 2019 - University of Waterloo    📹 SYDE 522 – Machine Intelligence (Winter 2018, University of Waterloo)    video_camera Introduction to Machine Learning Course - Udacity    📹 Hesham Asem - Arabic content    📹 IBM ML with Python    video_camera Machine Learning From Scratch - YouTube (Python Engineer)    closed_book Hands On ML (1st & 2nd & 3rd) Editions | example code 'Notebooks'    video_camera ML Algorithms in Practice    video_camera ML scientist    video_camera Project 3. Web Scraping/APIs    video_camera course    closed_book intro2    closed_book Tutorial    closed_book Book for both topics APIs    closed_book Tutorial    closed_book Article    closed_book Tutorial 4. Stats.    closed_book This stats - Book    📕 Think Bayes - Book 5. Advanced SQL    video_camera More advanced SQL    video_camera Joining Data in SQL 7. Feature Engineering    📕 Tutorial    closed_book Article    closed_book Book 8. interpet Shapley-based explanations of ML models.    closed_book SHAP    closed_book Kaggle ML explainability After finishing this level apply to 2 or 3 good sized projects.

رودمپ بسیار کامل علم داده در سه سطح مبتدی متوسط و پیشرفته 🎥 🔰 Beginner 🔰 Algorithms Book Every piece of code could be called an algorithm, but this book covers the more interesting bits. Specializations (data structures-algorithms) 1. Descriptive Statistics    video_camera Intro to descriptive statistics    video_camera Statistics Fundamentals - StatQuest - Youtube    📕 Online statistics education    closed_book Intro to descriptive statistics Article1 & Article2    video_camera Arabic Course    video_camera Intro to Inferential Statistics++    closed_book Practical Statistics for Data Scientists 2. Probability    video_camera Khan Academy    video_camera Arabic Course    📕 Introduction to Probability 3. Programming Languages  small_blue_diamondR - good tool for visualization and statistical analysis.    video_camera Introduction to R (Datacamp)    📹 Data Science Specialization - coursera    📕 An Introduction to R    closed_book R for Data Science  small_blue_diamondPython100    video_camera Introduction to Python Programming    video_camera OOP    video_camera Arabic - Hassouna | Elzero    video_camera Python Full Course - FreeCodeCamp on YouTube    closed_book Intro to Python for CS and Data Science    more in OOP 4. Pandas    video_camera Corey Schafer-Youtube    📕 Kaggle    closed_book Docs    video_camera Data School-Youtube    📹 Arabic Course 5. Numpy    📕 Kaggle    video_camera Arabic Course    closed_book Tutorial    closed_book Docs 6. Scipy    closed_book Tutorial    📕 Docs 7. Data Cleaning: One of the MOST important skills that you need to master to become a good data scientist, you need to practice on many datasets to master it.    Read this    video_camera Course 1    closed_book Notebook1    closed_book Notebook2    closed_book Notebook3    📕 Kaggle Data cleaning 8. Data Visualization bar_chart    video_camera Introduction to Data Visualization with Matplotlib or    video_camera Corey Schafer - Playlist on Youtube or    video_camera sentdex - Playlist on YouTube    closed_book Kaggle to Data Visualization with Seaborn    video_camera Playlist-Youtube    video_camera Course1: Intro to Data Visualization with Seaborn    video_camera Course2: Intermediate Data Visualization with Seaborn    📹 Course3: Understanding and Visualizing with Python 9. EDA Note: it's already mentioned in the above probability course    video_camera DataCamp-EDA in Python    video_camera IBM-EDA for Machine Learning 10. Dashboards  Power BI    video_camera Power BI Desktop - Coursera    📹 Power BI training    video_camera Arabic - Youtube  Tableau    📕 Tutorial    video_camera docs    video_camera course - datacamp    video_camera Simplilearn - Youtube 11. SQL and DB    video_camera SQL for Data Analysis (simplilearn or Udacity)    video_camera Intro to SQL or IBM (SQL for Data Science)    video_camera Intro to Relational Databases in SQL    video_camera Arabic Course    📹 Joining Data in SQL    memo Practice HackerRank & DataLemur 12. Python Regular Expression    closed_book Tutorial 13. Time Series Analysis    video_camera Track    closed_book Book    closed_book fbprohet    video_camera Arabic Source Video1 & Video2

#پروژه۱۴_۱۴۰۲ #منو_تحلیل_سهام به نظرتون این پروژه ارتقا بدیم در یک ربات تلگرام چطوره؟ و بعد از آن تمامی مدل های پیش بینی به این منو تحلیل اضافه کنیم! نظرات کامنت کنید... با تشکر A.B