Python4Finance

سوالات متداول (به روزشده در 1400/07/13) از آنجایی که خیلی از عزیزان در خصوصی سوالات زیر را پرسیده اند و این سوالات قبلا در کانال پاسخ داده شده است، من عناوین سوالات و پاسخ آنها را جهت مرور خدمت شما قرار می دهم. 🔸چرا پایتون یاد بگیرم؟ پاسخ 🔸بهترین منابع زبان اصلی برای یادگیری پایتون کدام است؟ پاسخ 🔸 آموزش پایتون مقدماتی در کانال #مقدمات 🔸سوالاتمان در خصوص پایتون را از کجا بپرسیم؟ پاسخ 🔸پایتون برای چه رشته هایی مناسب است؟ پاسخ 🔸مسیر یادگیری را ترسیم نمایید. پاسخ 🔸متوسط درآمد یک مدلساز مالی چقدر است؟ پاسخ 🔸کاربردهای مدلسازی مالی چیست؟ پاسخ 🔸مسیر توسعه مدل چیست؟؟ پاسخ 🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟ تعریف الگوریتم های یادگیری ماشین مفاهیم یادگیری ماشین 🔸پایتون یا اکسل، کدام بهتر است؟ پاسخ 🔸پایتون یا R ، کدام یک را یاد بگیرم؟ پاسخ 🔸آیا پایتون جایگزین MQL می شود؟ پاسخ 🔸خروجی پایتون چیست؟ (پایتون در کجا اجرا می شود؟) پاسخ 🔸میزان استفاده از پایتون در حیطه های مختلف چگونه است؟ لینک 🔸پایتون برای اقتصاد سنجی مناسب است؟ پاسخ 🔸آیا امکان رسم نمودارهای کندل با پایتون وجود دارد؟ پاسخ 🔸آیا پایتون برای هوش تجاری مناسب است؟ پاسخ 🔸آیا روش های معاملات الگوریتمی همان روش های تحلیل تکنیکال است؟ پاسخ 🔸آیا در ایران امکان معاملات الگورتیمی وجود دارد؟ پاسخ نامه رئیس سازمان بورس در خصوص معاملات الگوریتمی 🔸دریافت اطلاعات نفت خام و ارزهای دیجیتال (رمز ارز)، ارزهای خارجی 1-نفت خام ، 2-ارز دیجیتال ، 3-رمز ارز و ارزهای خارجی در تایم فریم های کوتاه ، 4-قیمت رمز ارزها فقط با استفاده از Yahoo Finance 🔸چه موضوعاتی را برای پایان نامه و رساله خود انتخاب کنم؟ پاسخ 🔸از کدام IDE برای برنامه نویسی پایتون استفاده کنم؟ پاسخ 🔸مسیر تبدیل شدن به یک دانشمند علم داده در حیطه مالی و اقتصاد پاسخ 🔸دریافت اطلاعات از TSETMC (بورس ایران) پاسخ 🔸راه آسان دریافت اطلاعات از بورس تهران چیست؟ (ماژول دریافت اطلاعات از بورس تهران) نسخه 4 ماژول 🔸کانال آپارت جهت مشاهده وبینارهای «مرور کتاب معاملات الگوریتمی»، «علم داده» و «یادگیری ماشین» و «جادوی سری های زمانی»، «کار با jupyter و زبان مارک دان» ، «خودکار سازی فرآیندها» و ... لینک 🔸فیلم آموزشی «دریافت اطلاعات بورس ایران با پایتون کتابخانه pandas» لینک 🔸مشاهده کتاب های معرفی شده در کانال #معرفی_کتاب 🔸مشاهده اسلایدهای آموزشی ارائه شده در کانال #اسلاید 🔸✅✅✅ چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی سال 1400) توضیح: برای مشاهده نمونه دوره ها می توانید به کانال آپارات مراجعه فرمایید. با پرکردن این فرم در زمان برگزاری رویداد ها (کلاس ها و وبینارها) از طریق پیامک یا ایمیل به شما اطلاع رسانی خواهد شد. #پایتون_مالی #پاسخ_سوالات #FAQ عضویت در کانال 👇👇👇 تلگرام t.me/python4finance بله (آرشیو کانال) ble.ir/python4finance اینستاگرام: instagram.com/python4financeacademy

دوستان خوب بزرگترین سرمایه هر انسانی هستند. از تمام دوستان بزرگواری که با پیام های پر از مهر و محبت خود انرژی ویژه ای می دهند صمیمانه تشکر می کنم. عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

دستور رئیس سازمان بورس برای اجرای دستورالعمل معاملات الگوریتمی برای همه سرمایه‌گذاران عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

علوم کامپیوتر، آمار و علم داده #علوم کامپیوتر #آمار #علم داده عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

مدل قیمت گذاری دارایی های سرمایه ای (CAPM) در این پست مرز کارا برای دو سهم شبندر و ایران خودرو با استفاده از Tsemodule4 رسم شده است. #CAPM #Efficient_Frontier عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

مدل قیمت گذاری دارایی های سرمایه ای (CAPM) یکی از روش های متداول برای مدل‌سازی میزان ریسک مالی است و رابطه میان ریسک سیستمی و بازده مورد انتظار یک دارایی را توضیح می‌دهد. به بیان خیلی ساده، در این مدل سبدهای مختلفی از دارایی ها تشکیل می شود و از میان آنها یک سبددارایی با ریسک کم و بازده بالا انتخاب می شود. مرز کارا (Efficient Frontier)، مجموعه ای از پورتفوی های بهینه ای است که بالاترین بازده مورد انتظار را در ازای یک سطح مشخص از ریسک، یا کمترین ریسک را برای یک سطح معین از بازده مورد انتظار ارائه می دهند. اوراق بهاداری که در زیر مرز کارا قرار دارند، بهینه نیستند. شما می ‌توانید با انتخاب هر پورتفوی دیگری که روی مرز کارا قرار می‌گیرد، میزان ریسکی را که مایل به پذیرش آن هستید را معین کنید. در پست آینده، مرز کارا را برای دو سهم شبندر و ایران خودرو با استفاده از Tsemodule4 رسم خواهیم کرد. #CAPM #Efficient_Frontier عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

استاندارد سازی و نرمال سازی داده ها در پایتون بخش دوم در قسمت قبل در خصوص استاندارد سازی و نرمال سازی صحبت کردیم. استاندارد سازی و نرمال سازی در مدلهای یادگیری ماشین هم بسیار حائز اهمیت است. با استفاده از کتابخانه sklearn به راحتی می توانیم عملیات استاندارد سازی و نرمال سازی و برعکس را انجام دهیم. در مثال این پست یک دیتاست فرضی از 1 تا 100 درست می شود. یکبار استاندارد سازی شده و یکبار نرمال می شود و سپس با استفاده از matplotlib رسم هر سه دیتاست انجام می شود. #نرمال_سازی #استاندارد_سازی #پایتون_مالی #Normalization #Standardize #python_for_finance عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

استاندارد سازی و نرمال سازی داده ها در پایتون عموما در بیشتر مدلها نیازمند مقایسه داده های متغیرهای مختلف هستیم. برای مثال سهمی را در نظر بگیرید که در کانال 2000 تومان در حال معامله است و سهم دیگری در کانال 500 تومان. آیا می توان این دو داده را با یکدیگر مقایسه کرد؟ پاسخ منفی است چرا که این دو سهم به لحاظ مقیاس با یکدیگر برابر نیستند. استاندارد سازی داده‌ کمک می‌کند که اهمیت آن‌ها به واحد اندازه‌گیری‌شان بستگی نداشته باشد و میانگین آن‌ها صفر (μ=0) و انحراف معیار نیز برابر با واحد (σ=۱) شود. یکی دیگر از روش‌های تغییر مقیاس، استفاده از روش نرمال‌سازی Min-Max است (نرمال‌سازی (Normalization)). به این ترتیب علاوه بر یکسان سازی مقیاس داده‌ها، کران‌های تغییر آن‌ها نیز در بازه [0,1] خواهد بود. استانداردسازی و نرمال سازی یکی از مهمترین ابزارهای کار با داده ها خصوصا در مدلهای مقایسه ای است. در پست بعد مثالی در این زمنیه را با هم بررسی خواهیم کرد. #نرمال_سازی #استاندارد_سازی #پایتون_مالی #Normalization #standardize #python_for_finance عضویت در کانال پایتون برای مالی👇👇👇 🆔 t.me/python4finance

تا قیامت نرود نقش تو از لوح ضمیر حیرتم کشت، بگو این چه معماست حسین… السلام علیک یا اباعبدالله فررسیدن اربعین حسینی را خدمت شما عزیزان تسلیت عرض می کنم. t.me/python4finance

معرفی کتاب «پای اومو، مدلسازی بهینه یابی با پایتون » به انگلیسی «Pyomo-Optimization Modeling in Python» چون اخیرا در کانال بحث از بهینه سازی داشتیم حیفم آمد این کتاب را خدمت شما معرفی نکنم. بهینه سازی خطی یا برنامه ریزی خطی یکی از اصلی ترین انواع مدلهایی است که برای نگارش پایان نامه ها و رساله ها مورد استفاده قرار می گیرد. در این کتاب ماژول Pyomo با جزئیات و مثال های مختلف معرفی می شود. #معرفی_کتاب #بهینه_یابی #پایتون_مالی #optimization #linear_programming t.me/python4finance

➖ لینک های مهم 🔸کانال آپارت جهت مشاهده وبینارها و فایل های آموزشی لینک 🔸 کتاب های معرفی شده در کانال #معرفی_کتاب 🔸 اسلایدهای آموزشی ارائه شده در کانال #اسلاید 🔸اینستاگرام: لینک 🔸کانال در شبکه بله (برای افرادی که در اتصال به تلگرام دچار مشکل می شوند): لینک 🔸کلیپ های آموزشی #ویدئو 🔸سوالات متداول لینک @python4finance

بهینه یابی خطی اینبار با PuLP (بخش دوم) شرکتی را در نظر بگیرید که 4 محصول x1، x2،x3 و x4 را تولید می کند. این شرکت می خواهد سود خود را بر اساس تابع تولید و نیز قیدهای داده شده حداکثر کند. حل مسئله با استفاده از PuLP به این صورت خواهد بود. نتیجه جالب است! سود شما زمانی حداکثر می شود که از کالای 1، پنج عدد و از کالای 3 ، چهل و پنج عدد و سایر کالاها صفر عدد تولید شود. #بهینه_یابی #بهینه سازی خطی #پایتون_مالی #optimization #PuLP #python_for_finance عضویت در کانال 👇👇👇 تلگرام t.me/python4finance

9 الگوریتم اصلی یادگیری ماشین #یادگیری_ماشین عضویت در کانال 👇👇👇 تلگرام t.me/python4finance بله ble.ir/python4finance

بهینه یابی خطی اینبار با PuLP در پست های قبل در خصوص بهینه یابی با استفاده از کتابخانه Scipy صحبت کردیم. البته الگوریتم Scipy به گونه ای است که صرفا مسائل را از طریق minimize کردن حل می کند و برای حل مسائل حداکثر سازی باید به گونه ای مسئله را به حداقل سازی تبدیل کنیم. یکی دیگر از کتابخانه های بسیار جالب برای حل مسائل بهینه یابی خطی کتابخانه PuLP است. این کتابخانه امکانات بسیار جالبی را برای حل مسائل بهینه یابی بدون قید و مقید در اختیار ما قرار می دهد. در پست بعد یک مدل بهینه یابی مقید با استفاده از کتابخانه PuLP را با یکدیگر بررسی خواهیم کرد. برای کسب اطلاعات بیشتر در این خصوص می توانید به صفحه گیت هاب این ماژول مراجعه فرمایید. ** پی نوشت: بهینه یابی یکی از پرکاربردترین روش های حل مسائل است و در مواردی مانند حداکثر سازی سود، حداقل کردن هزینه ها، انتخاب بهترین سبدسهام با استفاده مدل CAPM و ... استفاده می شود. #بهینه_یابی #بهینه سازی خطی #پایتون_مالی #optimization #PuLP #python_for_finance عضویت در کانال 👇👇👇 تلگرام t.me/python4finance بله ble.ir/python4finance

معرفی کتاب «دستور العمل تمیزکردن داده ها» به انگلیسی «Python Data Cleaning Cookbook» داده مهمترین دارایی ما در دنیای اطلاعات است و دریافت داده و پاکسازی آن اولین قدم در مدلسازی و ارائه تحلیل است. در این کتاب کلیه فرآیندهای تبدیل داده های کثیف به داده های قابل استفاده در مدلسازی را به زبان پایتون توضیح داده می شود. دانستن موضوعات این کتاب برای همه علاقه مندان علم داده و نیز مدلسازی مالی ضروری است. #معرفی_کتاب #تمیز_کردن_داده_ها #داده_های_کثیف #پایتون_مالی #Data_cleaning t.me/python4finance

به بهانه تولد 2 سالگی کانال و 6 هزارتایی شدن تقریبا اواخر مرداد 98 بود که نوشتن در کانال python4finance رو شروع کردم. هدفم به اشتراک گذاشتن دانشی بود که فکر می کردم شاید برای دیگران نیز مفید باشد. در این مدت عزیزان زیادی با پیام های پر مهر خود انگیزه بخشیدند و دوستان زیادی به دایره دوستانم اضافه شد. خدای متعال را به خاطر این نعمت شاکرم و از همه شما عزیزانی که در جمع دنبال کنندگان کانال هستید صمیمانه تشکر می کنم. ارادتمند شما: محمدصادق کریمی مهرآبادی

حل دستگاه معادلات (چند معادله چند مجهول) در Numpy یکی از روش های حل سیستم‌های معادلات خطی، استفاده از روش ماتریسی است به این صورت که ضرایب متغیرها را در یک ماتریس و نتیجه را در ماتریس دیگر می نویسیم و به وسیله جبر ماتریس ها، متغیرها را محاسبه می کنیم. در مثال این پست، یک دستگاه معادلات با سه متغیر و سه مجهول توسط Numpy حل شده است. #دستگاه معادلات #معادلات خطی #مدلسازی_مالی #پایتون_مالی #Numpy ✅عضویت در کانال پایتون برای مالی t.me/python4finance

قابل توجه علاقه مندان دوره MBA علم داده و معاملات الگوریتمی به اطلاع می رساند، زمان مصاحبه شفاهی دوره، روز سه شنبه مورخ 23 شهریورماه خواهد بود. همچنین عزیزانی که هنوز موفق به ثبت نام نشده اند صرفا تا پایان وقت اداری دوشنبه فرصت باقیست. کانال دوره های MBA و DBA دانشگاه الزهرا (س): t.me/Alzahra_MBA_DBA