Python4Finance

آشنایی با استراتژی های مبتنی بر همبستگی (Correlation Trading Strategies) عموما در تحلیل ها، بر اساس فاکتورهای مختلفی مانند تغییرات قیمت، ریسک و ... استراتژی سیگنال خرید یا فروش برای یک دارایی دریافت می شود. همچنین در تشکیل یک پورتفو برای کاهش ریسک سعی می کنیم دارایی هایی را انتخاب کنیم که همبستگی کمتری دارند تا ریسک سبد را پایین بیاوریم. اما گاهی به دلایلی امکان متنوع سازی غیر همبسته وجود ندارد (مثلا در فارکس که جفت ارز همزمان بررسی می شوند) و برای نتیجه گیری بهتر لازم است از همبستگی دو دارایی سیگنال خرید یا فروش دریافت کنیم. مثال: دو دارایی symbol1 و symbol2 را در نظر بگیرید. بر اساس همبستگی قیمت این دو نماد، هنگامی که Z-score کمتر از -1 است، نماد1 را به قیمت 3 دلار short sell می کنیم و آن را به قیمت 4 دلار می خریم، در حالی که، زمانی که Z-score در محدوده [-1,+1] است، با خرید نماد2 به قیمت 1 دلار و فروش آن به قیمت 3 دلار خرید از موقعیت خارج می شویم. اگر فقط 1 سهم از دو نماد را بدست آوریم، سود این معامله (3-4 دلار)+(3-1 دلار)=1 دلار خواهد بود. #همبستگی #استراتژی پایتون برای مالی در تلگرام 🆔 @python4financ

از کدام مدل استفاده کنیم؟ یادگیری ماشین یا یادگیری عمیق؟ یکی از سوالات متداولی که علی الخصوص برای دانشجویان در حین انتخاب موضوع پایان نامه یا رساله ایجاد می شود این است که من برای مدلسازی از کدام استفاده کنم؟ یادگیری ماشین یا یادگیری عمیق. این سوال را می توان از ابعاد مختلف بررسی کرد. اما قبل از آن: ➖ یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است که بر ساختار لایه‌ای الگوریتم‌هایی موسوم به شبکه‌ی عصبی مصنوعی کار می کند. حالا پاسخ سوال: در مدل های یادگیری ماشین عموما انتخاب خصوصیات ( features) توسط یک فرد متخصص انجام می شود و لایه انسانی همچنان در کارکرد مدل موثر است درحالی‌که یک الگوریتم یادگیری عمیق ویژگی‌ها را به‌طور خودکار استخراج می‌کند و از خطاهای موجود در خروجی برای بهبود خود استفاده می‌کند. اما نکته حائز اهمیت اینجاست که مدلهای یادگیری ماشین عموما برای داده های با حجم کوچک بسیار خوب هستتند و از دقت بالایی برخوردارند اما برای داده های بزرگ عموما مدلهای یادگیری عمیق دقت و عملکرد بهتری دارند. پس معیار شما حجم داده ها خواهد بود. #یادگیری ماشین #یادگیری عمیق پایتون برای مالی در تلگرام 🆔 @python4finance

به روزرسانی یکجای همه ماژول های Python یکی از مسائلی که همه ما معمولا با آن مواجه هستیم بحث به روز رسانی ماژول های پایتون در مقاطع مختلف است. این مسئله زمانی مهمتر می شود که مدتی از نصب ماژول ها گذشته باشد و بیشتر ماژول ها نسخه های جدیدی را ارائه کرده باشند که به روزرسانی تک تک ماژول ها زمان زیادی را از شما خواهد گرفت. یکی از راه حل های جالب برای این موضوع این است که خط فرمان را باز کنید (همان CMD در ویندوز یا ترمینال در LInux) و دستورات زیر را در آن اجرا کنید: pip freeze > requirements.txt pip install -r requirements.txt --upgrade و تمام. #ماژول #پایتون_مالی #modules #pip پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

مهارت های پایتون خود را با چالش های برنامه نویسی محک بزنید و نکات جدید بیاموزید. - یادگیری پایتون با حل مثال های متنوع - مشاهده کدهای مختلف برای یادگیری الگوهای برنامه نویسی - آشنایی با جامعه برنامه نویسان پایتون عضویت در کانال چالش های پایتون: 🌐 https://t.me/joinchat/ShPXE4sMCpg5ZWQ0

حجم داده‌ها، شاید مهترین عامل در کیفیت مدل باشد. عموما هر چقدر تعداد داده های بیشتری در دسترس باشد، مدل، با دقت بیشتری تخمین زده می شود و بازنمایی بهتری از واقعیت خواهد داشت. پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

محاسبه بازده ماهیانه سهم قبلا در این پست در خصوص شیوه تغییر تایم فریم داده ها صحبت کردیم. فرض کنید داده های مربوط به یک سهم را به صورت روزانه داریم و می خواهیم بازدهی ماهیانه آن را محاسبه کنیم. یک راه بسیار ساده استفاده از تایع resample است. به کمک این تابع می توانیم قاب زمانی داده ها را متناسب با نیاز خود تغییر دهیم. در مثال این پست، اطلاعات سه سهم دریافت شده و بازدهی ماهیانه آنها محاسبه و رسم می شود. بازه های زمانی متداول در resample عبارتند از: B business day frequency D calendar day frequency W weekly frequency M month end frequency BM business month end frequency MS month start frequency BMS business month start frequency Q quarter end frequency BQ business quarter endfrequency QS quarter start frequency BQS business quarter start frequency A year end frequency BA business year end frequency BAS business year start frequency H hourly frequency T minutely frequency #بازده #تایم_فریم #پایتون_مالی #resample #freq پایتون برای مالی در تلگرام t.me/python4finance

محاسبه بازده ماهیانه سهم قبلا در این پست در خصوص شیوه تغییر تایم فریم داده ها صحبت کردیم. فرض کنید داده های مربوط به یک سهم را به صورت روزانه داریم و می خواهیم بازدهی ماهیانه آن را محاسبه کنیم. یک راه بسیار ساده استفاده از تایع resample است. به کمک این تابع می توانیم قاب زمانی داده ها را متناسب با نیاز خود تغییر دهیم. در مثال این پست، اطلاعات سه سهم دریافت شده و بازدهی ماهیانه آنها محاسبه و رسم می شود. بازه های زمانی متداول در resample عبارتند از: B business day frequency D calendar day frequency W weekly frequency M month end frequency BM business month end frequency MS month start frequency BMS business month start frequency Q quarter end frequency BQ business quarter endfrequency QS quarter start frequency BQS business quarter start frequency A year end frequency BA business year end frequency BAS business year start frequency H hourly frequency T minutely frequency #بازده #تایم_فریم #پایتون_مالی #resample #freq پایتون برای مالی در تلگرام t.me/python4finance

محاسبه بازده ماهیانه سهم

تابع محاسبه CAGR در خصوص نرخ رشد مرکب سالانه در این پست مفصل صحبت کردیم. در واقع CAGR یکی از معیارهای مهم بررسی بازده یک سرمایه گذاری است و در محاسبات بک تست بسیار پر کاربرد است. در تصویر این پست یک تابع نمونه برای محاسبه CAGR نوشته شده است. #بازده #نرخ_رشد #مدلسازی_مالی #پایتون_مالی #CAGR پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

تابع محاسبه CAGR در خصوص نرخ رشد مرکب سالانه در این پست مفصل صحبت کردیم. در واقع CAGR یکی از معیارهای مهم بررسی بازده یک سرمایه گذاری است و در محاسبات بک تست بسیار پر کاربرد است. در تصویر این پست یک تابع نمونه برای محاسبه CAGR نوشته شده است. #بازده #نرخ_رشد #مدلسازی_مالی #پایتون_مالی #CAGR پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

جولیا یکی از زبان های متداول علم داده است و با وجود نوپا بودن، توجه افراد زیادی را به خود جذب کرده است. هدف این زبان، حفظ سادگی و زیبایی پایتون در عین سرعت و قدرت C است. خیلی ها معتقدند، چند سال بعد، جولیا رقیب اصلی پایتون در علم داده است. اگر شما هم علاقه مند به یادگیری دانش آینده هستید، فرصت را از دست ندهید و همین الان در کانال آموزشی جولیا برای مالی عضو شوید. عضویت در کانال 👇👇👇 t.me/julia4finance

نمایش مقادیر متغیرها و توابع به صورت زنده بدون اجرای برنامه قبلا در این پست در خصوص استفاده از vscode به عنوان یک IDE همه چیز تمام برای برنامه نویسی پایتون صحبت کرده بودیم. شاید مهمترین مزیت vscode امکان استفاده از افزونه‎ها (extention) برای افزایش قابلیت های vscode است. یکی از این افزونه های جالب، افزونه Python Preview است. به کمک این افزونه می توانید بدون اجرای برنامه و در زمان کد نویسی مقادیر متغیرها و توابع را به صورت زنده مشاهده کنید. کافیست در بخش افزونه ها عبارت Python Preview را جستجو و افزونه را نصب کنید. بعد از بالای صفحه سمت راست بر روی دکمه open preview کلیک کنید. #پیش_نمایش_زنده #پایتون #پایتون_مالی #IDE #Vscode @python4finance

🇮🇳هند در رتبه سوم استارتاپ جهان هند جوانترين کشور استارت آپ است ، اکنون با فعاليت 18 هزار استارت آپ در حوزه هاي مختلف اقتصادي در هند بيش از 300 هزار نفر مشغول بکار هستند . 🌐بروزترین اخبار اقتصادی و تکنولوژی در مسکن‌پلاس https://t.me/maskanplusofficial

فیلم‌هایی که برای ثروتمند شدن باید ببینید👇👇👇 https://www.instagram.com/p/CbQCgA0AGyr/?utm_medium=copy_link

برنامه نویسی غیر همزمان یا Asynchronous در پایتون (بخش دوم) برای انجام دو کار به صورت غیر همزمان باید آنها را به عنوان تابع تعریف کنیم. برای تعریف یک تابع برای اجرای غیرهمزمان از کلمه کلیدی async در تعریف تابع استفاده می کنیم. کلمه await هم برای فراخوانی یک تابع غیر همزمان است. خیلی بحث را پیچیده نکنیم و با یک مثال مفهوم را بررسی کنیم. در مثال این پست یک تابع تعریف شده که عمل چاپ دو کمله one و two را انجام می دهد. چاپ این دو کلمه در یک تابع است و در حالت عادی، تابع زمانی که شروع می شود از ابتدا تا انتهای دستورات را انجام می دهد. اما می خواهیم تاخیری که در چاپ کلمه two وجود دارد روی عملکرد باقی تابع تاثیر نگذارد. خروجی بسیار جالب است. #برنامه_نویسی_غیر_همزمان #پایتون_مالی #Async_Features #Asynchronous_programming پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

بعضی پیام ها اینقدر زیبا هستند که ارزش چندین و چند باره خواندن را دارند. از تمام دوستان بزرگواری که با پیام های پر از مهر و محبت خود انرژی ویژه ای می دهند صمیمانه تشکر می کنم. #پیام عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

برنامه نویسی غیر همزمان یا Asynchronous در پایتون یکی از امکانات بسیار جالبی که از پایتون 3.7 به بعد اضافه شده است، برنامه نویسی غیر همزمان است. فرض کنید به عنوان یک معامله گر می‌خواهیم اطلاعات مربوط به 100 سهم را از tsetmc دریافت کنیم و برای اطمینان همان اطلاعات را از منبع دیگری مثلا fipiran دریافت و اطلاعات را با هم تطبیق دهیم. در حالت عادی لازم است تا اطلاعات مربوطه از tsetmc دریافت شود (این عمل برای حجم زیاد داده ممکن چندین ثانیه طول بکشد و ممکن است به دلیل کندی اینترنت یا دلایل دیگر بیشتر هم شود) و بعد مجددا همین زمان برای fipiran هم طی می شود. به کمک برنامه نویسی غیرهمزمان می توان این کار را همزمان انجام داد و زمان انجام کارها را تا حد زیادی پایین آورد. این موضوع وقتی برنامه شما تعداد زیادی request داشته باشد بیش از پیش حائز اهمیت می شود. در پست بعد، یک مثال در خصوص برنامه نویسی غیر همزمان را با هم بررسی خواهیم کرد. #برنامه_نویسی_غیر_همزمان #پایتون_مالی #Async_Features #Asynchronous_programming پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

محاسبه همبستگی بازده چند سهم با ffn یکی از بهترین ماژول‌های پایتون برای تحلیل گران مالی، ماژول ffn است. در واقع ماژول BT که برای بک تست استفاده می شود بر اساس این ماژول نوشته شده است. در مثال این پست، بازده 4 سهم اپل، مایکروسافت، متا(فیسبوک) و گوگل محاسبه و نمودار همبستگی آن رسم می شود. کل این فرآیند تنها در 6 خط انجام شده است. #بازده #همبستگی #پایتون_مالی #بک_تست #backtest #ffn پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

سال نو مبارک. برایتان سالی سرشار از موفقیت، بهروزی و تندرستی آرزومندم. ارادتمند شما- محمدصادق کریمی

نرخ رشد مرکب سالانه (CAGR) معمولا برای محاسبه میزان بازدهی یک دارایی در طول زمان بسته به نیاز، از معیارهای مختلفی مانند نرخ بازده ساده، نرخ بازده لگاریتمی، میانگین حسابی، میانگین هندسی و ... استفاده می شود. یکی دیگر از معیارهای مقایسه بازدهی متوسط، میانگین نرخ رشد سالانه یا (CAGR) : Compound annual growth rate یک سرمایه‌گذاری است که در دوره‌های طولانی‌تر از یک سال انجام می‌پذیرد. از CAGR عموما برای مقایسه سرمایه‌گذاری های مختلف با یکدیگر استفاده می‌شود. برای محاسبه CAGR، نسبت ارزش سرمایه‌گذاری در پایان دوره به اول دوره‌ محاسبه می‌شود. س‍پس این نسبت به توان معکوس سال‌های سرمایه‌گذاری می‌رسد و در انتها مقدار ۱ از آن کسر می‌گردد. در تصویر این پست مثالی برای محاسبه CAGR قرارداده شده است. #بازده #نرخ_رشد #مدلسازی_مالی #پایتون_مالی #CAGR پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug