Python4Finance

در صورتی که برای دسترسی به کانال پایتون برای مالی در تلگرام دچار مشکل هستید می توانید از صفجه اینستاگرام و بله کانال نیز استفاده بفرمایید. 🔸اینستاگرام: لینک 🔸بله: لینک

نمودار جعبه ای (Boxplot) یک نمودار بسیار خوب برای کارهای آماری یکی از خصوصیات متخصصین علم داده، توجه به داده هاست. شناخت داده و به اصلاح پیدا کردن شم شناخت داده ها، برای انتخاب مدل صحیح بسیار حائز اهمیت است. یکی از نمودارهای بسیار خوب برای شناخت داده ها، نمودار جعبه ای است. این نمودار؛ مقادیر حداقل، حداکثر، چارک اول و چارک سوم، میانه و حتی داده های پرت را هم نمایش می دهد و به راحتی می توانید میزان تمرکز داده ها و چولگی آنها را مشاهده کنید. در تصویر این پست داده های مربوط به دو سهم بین المللی به کمک نمودار جعبه ای رسم می شود. #آمار #نمودار_جعبه_ای #پایتون_مالی #box_plot ✅عضویت در کانال پایتون برای مالی t.me/python4finance

آیا علم داده مالی داریم؟ برای پاسخ به این سوال، ابتدا زیر بنای علم داده را با هم بررسی کنیم: 1-علوم کامپیوتر: بدیهی است که اصولا علم داده به دلیل گسترش دانش کامپیوتر و توانایی انجام محاسبات گسترده و حل معادلات پیچیده توسط رایانه ها توسعه پیدا کرده است. 2-ریاضیات و آمار: زیر بنای تحلیل علمی مسائل، آمار و ریاضیات است. اگر چه نگاه ما در علم داده با نگاه سنتی به آمار متفاوت است اما به هر حال زیربنای ریاضیاتی و آماری قابلیت اتکای نتایج را به شدت افزایش می دهد. 3-تخصص در یک کسب و کار: بدون شناخت یک کسب و کار تحلیل های ما، تحلیل های کاربردی نبوده و صرفا تشخیص یکسری روابط بین متغیرهای مربوط و نامربوط است. جمع بندی: علوم کامپیوتر+ریاضیات و آمار = یادگیری ماشین علوم کامپیوتر+شناخت کسب وکار= توسعه نرم افزارهای سنتی ریاضی و آمار+شناخت کسب وکار= تحلیل داده علوم کامپیوتر+ریاضیات و آمار+شناخت کسب وکار = علم داده پس به طور کلی در علم داده، شناخت کسب و کار و استفاده از دانش آن جزء لاینفک کار است. بنابراین اگر فردی صرفا ریاضیات و آمار و دانش کامپیوتر را مسلط باشد، دانشمند داده نیست بلکه تحلیل گر داده است. 🆔 @python4finance

آیا علم داده مالی داریم؟ چند وقت پیش یکی از دوستان سوالی از من پرسید که آیا علم داده مالی داریم یا خیر؟ برای پاسخ به این سوال، ابتدا زیر بنای علم داده را با هم بررسی کنیم: 1- علوم کامپیوتر: بدیهی است که اصولا علم داده به دلیل گسترش دانش کامپیوتر و توانایی انجام محاسبات گسترده و حل معادلات پیچیده توسط رایانه ها توسعه پیدا کرده است. 2- ریاضیات و آمار: زیر بنای تحلیل علمی مسائل، آمار و ریاضیات است. اگر چه نگاه ما در علم داده با نگاه سنتی به آمار متفاوت است اما به هر حال زیربنای ریاضیاتی و آماری قابلیت اتکای نتایج را به شدت افزایش می دهد. 3- تخصص در یک حیطه یا کسب و کار: بدون شناخت یک کسب و کار تحلیل های ما، تحلیل های کاربردی نخواهد بود و صرفا تشخیص یکسری روابط بین متغیرهای مربوط و نامربوط خواهد بود. جمع بندی: ➖ علوم کامپیوتر + ریاضیات و آمار = یادگیری ماشین ➖علوم کامپیوتر + شناخت کسب وکار= توسعه نرم افزارهای سنتی ➖ریاضی و آمار+ شناخت کسب وکار= تحلیل داده ➖علوم کامپیوتر + ریاضیات و آمار + شناخت کسب وکار = علم داده پس به طور کلی در علم داده، شناخت کسب و کار و استفاده از دانش آن جزء لاینفک کار است. بنابراین اگر

میلاد با سعادت شمس الشموس، انیس النفوس، سلطان طوس حضرت علی ابن موسی الرضا(ع) بر شما مبارک. پایتون برای مالی 🆔 @python4finance

معرفی کتاب «یادگیری عمیق برای مالی، به کارگیری تکنیکها و الگوریتم های یادگیری عمیق برای ایجاد استراتژی های قدرتمند معاملاتی» به انگلیسی «Hands-On Deep Learning for Finance , Implement deep learning techniques and algorithms to create powerful trading strategies » یادگیری عمیق زیر مجموعه هوش مصنوعی و یادگیری ماشین است و عمدتا برای تحلیل، از روش شبکه های عصبی استفاده می کند و به نوعی سعی می کند ساختار پردازشی مغز انسان را شبیه سازی کند. با توجه به حجم بسیار زیاد داده ها در اقتصاد و مالی ، استفاده از این مدل ها بسیار متداول شده است. در این کتاب ضمن معرفی یادگیری عمیق، به کاربردهای مالی آن پرداخته شده است. #معرفی_کتاب #یادگیری_عمیق #مالی_کمی #پایتون_مالی #deep_learning #trading_strategies ✅عضویت در کانال پایتون برای مالی t.me/python4finance

نگاهی گذرا به مفهوم مصور سازی داده ها وقتی صحبت از مصور سازی داده ها یا data visualization می کنیم، خیلی ها فکر می کنند منظور استفاده از نمودارهای زیبا و رنگی است، در حالی که مصور سازی داده ها یک مفهوم بسیار فنی و دقیق دارد. در این ویدئو نگاهی گذرا به مفهوم مصورسازی داده ها خواهیم داشت. زبان ویدئو انگلیسی فصیح است. #مصورسازی_داده_ها #پایتون #پایتون_مالی #ویدئو #data_visualization #Python_for_finance #video ✅عضویت در کانال پایتون برای مالی t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

سفارشی سازی نمودارهای مالی در mplfinance قبلا در این پست در خصوص رسم نمودارهای متداول مالی با استفاده از ماژول mplfinance صحبت کرده بودیم. در صورتی که بخواهیم علاوه بر نمودارهای آماده در این ماژول نمودارهای جدیدی را رسم بکنیم کافی است از make_addplot استفاده کنیم. در مثال این پست، نمودارهای باندهای بولینگر با استفاده از mplfinance رسم می شود. #نمودارهای_مالی #نمودار_کندل #باندهای_بولینگر #مدلسازی_مالی #پایتون_مالی #mplfinance ✅عضویت در کانال پایتون برای مالی t.me/python4finance

آخرین فرصت ثبت‌نام در دوره‌ی MBA علم داده و معاملات الگوریتمی خرداد 1401 مزایای دوره: 💢ارائه گواهینامه MBA از سوی دانشگاه الزهرا (س) با قابلیت ترجمه رسمی به پذیرفته شدگان 💢ارائه دروس به صورت کاربردی و مطابق با دانش روز دنیا 💢بهره گيري از اساتيد برجسته بازار سرمایه و علم داده ایران زمان مصاحبه: خرداد 1401 روزهای برگزاری: پنجشنبه و جمعه شرایط پرداخت: امکان پرداخت به صورت نقد و یا اقساط وجود دارد. شرایط تخفیف: ثبت نام گروهی (حداقل 3 نفر): 5% ثبت نام به صورت نقدی تا 20 خرداد ماه شامل 10% تخفیف می باشد. اطلاعات بیشتر و ثبت نام t.me/azvclc

معرفی یک منبع خوب داده های مالی و اقتصادی در مثال این پست داده های مربوط به سهم IBM را در قالب Json دریافت و رسم کرده ایم. البته در این مثال تمرینی از اکانت demo استفاده شده است اما در صورتی که می خواهید به صورت حرفه ای از این API استفاده کنید لازم است اکانت خود را بسازید. #بورس_بین_الملل #دریافت_اطلاعات #پایتون_مالی #API #JSON #Alpha_Vantage پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

معرفی یک منبع خوب داده های مالی و اقتصادی یکی از دغدغه های اصلی متخصصین مالی و معامله گران الگوریتمی دسترسی به داده های صحیح و در لحظه است و یکی از بهترین روش های دسترسی به داده ها استفاده از API است. قبلا در کانال در خصوص API های متداول صحبت کرده بودیم که اگر آنهای را مشاهده نکرده اید حتما سری به پست های قبلی هم بزنید. (لینک1، لینک2 ، لینک3 ، لینک4 ) در این پست با هم با Alpha Vantage به عنوان یکی از منابع خوب داده آشنا خواهیم شد. اطلاعات این سایت در قالب داده های زیر به صورت API و فایل اکسل و csv برای بیش از بیست سال قابل دریافت است: (1) داده‌های سری زمانی بازار سهام بین الملل و فارکس، (2) داده‌های تحلیل بنیادی، (3) اطلاعات رمز ارزها/کریپتو، (4) شاخص‌های اقتصادی، و (5) اندیکاتورهای تکنیکال. برای اطلاعات بیشتر در خصوص این منبع می توانید به این سایت مراجعه نمایید. در پست بعد با یک مثال بحث را دنبال خواهیم کرد. #بورس_بین_الملل #دریافت_اطلاعات #پایتون_مالی #API #JSON #Alpha_Vantage پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

خودهمبستگی (Auto Corralation) چیست؟ در بسیاری از مدلها به مفهوم خود همبستگی اشاره می شود. در این ویدئوی کوتاه با هم مفهوم خود همبستگی رو بررسی می کنیم. #ویدئو #خودهمبستگی #video #Auto_correlation پایتون برای مالی در تلگرام 🆔 https://t.me/joinchat/AAAAAFGMkouqbsb86Vfzug

رسم نمودارهای حرفه ای با Altair در مثال این پست، نمودار قیمت سهم مایکروسافت از سال 2020 دریافت و رسم می شود. #پایتون مالی #نمودار #Altair #Matplotlib #python #financial modelling t.me/python4finance

رسم نمودارهای حرفه ای با Altair معمولا در کارهای عمومی و آموزشی از ماژول Matplotlib برای مصور سازی داده ها استفاده می شود. اگر چه این ماژول بسیار حرفه ای و البته کار راه انداز است اما برای کارهای حرفه ای و تجاری عموما از ماژول های دیگری استفاده می شود. یکی از ماژول های بسیار جالب برای کارهای حرفه ای ماژول Altair است. Altair یک کتابخانه حرفه ای برای مصورسازی داده ها در پایتون است که بر اساس Vega و Vega-Lite است. برای نصب این ماژول کافی است از pip install altair استفاده کنید. ساختار عملیاتی این ماژول به شما این امکان را می دهد که طیف گسترده ای از نمودارهای آماری را به سرعت ایجاد کنید. (لینک ماژول) در پست بعدی یک مثال از این ماژول را با یکدیگر بررسی خواهیم کرد. #پایتون مالی #نمودار #Altair #Matplotlib #python #financial modelling t.me/python4finance

دریافت اطلاعات همزمان چند نماد با Tsemodule5 اگرچه در ابتدا ماژول Tsemodule (لینک) با هدف آموزش نحوه دسترسی و فراخوانی اطلاعات از سایت بورس تهران (tsetmc.ir) ایجاد شد، اما به مرور مورد توجه بسیاری قرار گرفت و الان دوستان قابل توجهی از آن استفاده می کنند. در مثال این پست، اطلاعات سه سهم به صورت همزمان از ماژول فراخوانی شده و رسم می شود. #پایتون مالی #بورس تهران #Tsemodule #TesTmc t.me/python4finance

معرفی کتاب «مالی کمی با پایتون: راهنمای عملی برای مدیریت سرمایه گذاری، تجارت و مهندسی مالی » به انگلیسی «Quantitative Finance With Python: A Practical Guide to Investment Management, Trading and Financial Engineering » تا کنون کتاب های زیادی را در خصوص تحلیل های کمی مالی با پایتون و مدلسازی مالی معرفی کرده ام. البته از آنجایی که احساس نویسندگان بر این بوده است که احتمالا متخصصین مالی آشنایی کمتری با علوم کامپیوتر و برنامه نویسی دارند عموما رویکرد غالب کتابها فنی است و تمرکز بیشتر به یادگیری برنامه نویسی معطوف شده است. در این کتاب بر خلاف سایر کتاب ها، تمرکز بیشتر بر بعد مالی قضیه است. نویسنده کتاب Chris Kelliher است که سابقه زیادی در مدیریت سبدهای سرمایه گذاری دارد و در دوره های ریاضیات مالی دانشگاه بوستون تدریس می کند. #معرفی_کتاب #مالی_کمی #پایتون_مالی #Quantitative_Finance #Financial_Theory t.me/python4finance

سنجش نرمال بودن داده ها 3 (normality test) در ادامه پست های قبلی در خصوص نرمال بودن داده ها، عموما برای محاسبه نرمال بودن از دو آماره چولگی(skewness) و کشیدگی (kurtosis) هم استفاده می کنیم. به زبان ساده چولگی معیاری برای سنجش تقارن توزیع و کشیدگی معیاری برای مقایسه بلندی توزیع است. چولگی برای توزیع نرمال برابر صفر و کشیدگی برابر 3 است که برای راحتی کار از معیار کشیدگی مازاد (excess kurtosis) استفاده می کنیم که برابر صفر است. در مثال این پست، بازده روزانه سهم اپل از ابتدای سال 2021 محاسبه شده و توزیع آن رسم شده و چولگی و کشیدگی آن محاسبه می شود. چولگی مثبت به معنای چوله بودن توزیع به سمت راست و کشیدگی مثبت نشان دهنده کشیدگی بیشتر توزیع از حالت نرمال است. #نرمال #کشیدگی #چولگی #scipy #kurtosis #skewness پایتون برای مالی @python4finance