Python4Finance

قضیه حد مرکزی (Central limit theorem) قضیه حد مرکزی یکی از پرکاربردترین قضیه های آماری است که کاربردهای فراوانی در مدلسازی مالی و یادگیری ماشین دارد. مفهوم کلی این قضیه این است که اگر تعداد زیادی توزیع یکسان مستقل داشته باشیم، مجموع آنها دارای توزیع نرمال خواهد بود فارغ از اینکه اصولا توزیع اولیه از چه نوعی بوده باشد. این موضوع از این جهت اهمیت دارد که در صورتی که بتوانیم خصوصیات توزیع نرمال را به یک توزیع تسری دهیم به راحتی می توانیم میانگین و انحراف معیار توزیع را محاسبه کنیم و توزیع را تفسیر کنیم. در مثال این پست توزیع دوجمله ای (پرتاب دو سکه) در نظر گرفته شده است. ابتدا میانگین برای یک توزیع، سپس 5 توزیع،30 توزیع و 1000 توزیع محاسبه شده است. مشاهده می کنید که با بزرگتر شدن تعداد توزیع ها (یعنی از 30 به بالا) میانگین نمونه ها دارای توزیع نرمال می شود. #قضیه_حد_مرکزی #پایتون_مالی #Central_limit_theorem عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

هم اندیشی در خصوص صحبت های اخیر رهبری در خصوص توجه به هوش مصنوعی و دانشهای نوین امشب 27 آبان ساعت 21 🌐 لینک کلاب (در محیط کلاب هاوس برگزار می شود.) پی نوشت: اگر علاقه مند به دنبال کردن سایر جلسات من در محیط کلاب هاس بودید می توانید من را در آن محیط هم دنبال بفرمایید. لینک من در کلاب هاوس پایتون برای مالی t.me/python4finance

معرفی کتاب «یادگیری ماشین برای اقتصاد و مالی در TensorFlow» به انگلیسی «Machine Learning for Economics and Finance in TensorFlow 2» تمرکز این کتاب بیشتر به بعد فنی است و مدلهای یادگیری ماشین را در قالب مثال های اقتصادی و مالی ارائه می کند. سطح کتاب متوسط و از زبان انگیسی روانی برخوردار است. #معرفی_کتاب #یادگیری_ماشین #تحلیل داده #پایتون_مالی #Machine_learning #Statistics #Data Analysis #TensorFlow t.me/python4finance

لیست اندیکاتورهای مهم اقتصادی در ادامه پست قبل، برای مشاهده لیست اندیکاتورهای مهم اقتصادی می توانید سری به سایت tradingeconomics بزنید. لیست اندیکاتورها از این لینک در دسترس است. همچنین در این سایت امکان بررسی شاخص ها به تفکیک بازار و کشور و نیز پیش بینی شاخص ها وجود دارد. #معرفی_سایت #شاخص‌های_اقتصادی #پایتون_مالی #Econmic_Indicator پایتون برای مالی در تلگرام https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

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

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

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

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

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

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

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

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

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

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

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

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

میلاد با سعادت پیامبر رحمت و مهربانی، حضرت محمد (ص) و امام صادق (ع) مبارک پایتون برای مالی در تلگرام t.me/joinchat/AAAAAFGMkouqbsb86Vfzug