برای تغییر ترتیب داده ها در دیتاست؛ از [loc[::-1 برای جابجا کردن داده ها و از reset_index برای ایندکس گذاری مجدد استفاده می کنیم.
مجدا برنامه را با این شیوه بازنویسی می کنیم.
نتیجه را تصویر مشاهده نمایید.
#پایتون_مالی
#Matplotlib
#TseTmc
پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

سوالات متداول

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
🔸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
🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟
پاسخ
🔸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
🔸پایتون برای اقتصاد سنجی مناسب است؟
پاسخ
🔸آیا پایتون برای هوش تجاری مناسب است؟
پاسخ
🔸دانلود وبینار کاربرد علم داده در اقتصاد و مالی
لینک
🔸طریقه دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ

🔸✅ چگونه از برگزاری دوره ها مطلع شوم؟
پاسخ


#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇
پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

سردار، آسمانی شدنت مبارک.

رسم MA برای اطلاعات دریافتی از TSETMC
در این مثال، اطلاعات مربوط به سایت چکاپا به لحظه از سایت TSETMC دریافت می شود و sma10 و sma20 برای آن رسم می شود.
ترتیب نمایش داده ها هم در شکل اصلاح شده است.

#پایتون_مالی
#Matplotlib
#TseTmc
پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

معاملات الگوریتمی (Algorithmic trading) چیست؟

این چند وقت احتمالا خیلی راجع به معاملات الگوریتمی شنیده باشید. اما واقعا الگوریتم تریدینگ به چه معناست؟
در واقع الگورتیم تریدینگ چیزی نیست جز استفاده از رایانه ها برای معامله بدون دخالت انسان. یعنی الگوریتم های معاملاتی یکبار توسط انسان ها بر اساس قواعد آمار و ریاضی نوشته می شود و از آن به بعد توسط سیستم اجرا می شود و بر اساس نتایج تحلیل ها خرید و فروش خودکار توسط سیستم با سرعت بسیار بالا انجام می شود. در پست های بعد در خصوص این موضوع مفصل توضیح خواهم داد.
فیلم ضمیمه شده در این پست می تواند اطلاعات خوبی در این زمینه به شما بدهد.
#پایتون_مالی
#معاملات_الگوریتمی
#Algorithmic_trading

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

مزایا و ریسک های معاملات الگوریتمی
✅مزایا
1️⃣سرعت عمل بالا: سرعت عمل رایانه ها در انجام یک عملیات بسیار بالاست در صورتی که در این فاصله انسان حتی نمی تواند ماوس خود را تکان دهد.
2️⃣ بدون احساس، قاطع و مصمم: انسان ها معمولا پس از تصمیم گیری دچار احساس می شوند که تصمیم قبلی آنها را تحت الشعاع قرار می دهد، در صورتی که رایانه صرفا بر اساس منطق تصمیم می گیرد.
3️⃣امکان بررسی استراتژی در طول و عرض بازار: سیستم می تواند به راحتی کل بازار را رصد کند و نتیجه دلخواه را حاصل کند.

🅾️ریسک ها
1️⃣خرابی سیستم
2️⃣قطع شدن شبکه
3️⃣ و از همه مهمتر، الگوریتم اشتباه یا ناقص برای تصمیم گیری. یعنی اگر الگورتیم اشتباهی انتخاب شود خصوصا در معاملات با فرکانس بالا، ممکن است خسارت های جبران ناپذیری وارد شود. راه حل این موضوع را پست های آتی خواهم گفت.

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

چرا یادگیری ماشین برای معاملات الگوریتمی لازم است؟

معمولا وقتی صحبت از معاملات الگوریتمی می شود، در ذهن مخاطب معاملات «های فرکونس- یا با سرعت بالا» متبادر می شود. معاملات «های فرکونس» و با بسامد بالا، (به انگلیسی: High-frequency trading) یا اصلاحا معاملات پُرتواتر، گونه‌ای از معاملات هستند که مجموعه‌ای از راهبردهای معاملاتی کامپیوتری با دوره نگهداری بسیار کوتاه می‌باشند. در این روش برنامه‌ها بر روی کامپیوترهای پرسرعت اجرا می‌شوند و داده‌های بازار را با استفاده از الگوریتم‌هایی برای ایجاد فرصت‌های معاملاتی تحلیل می‌کنند.

البته معاملات الگوریتمی با بسامد بالا هستند اما لزوما هر معامله الگورتیمی لزوما بهترین معامله نیست. حتی ممکن است در طول زمان به دلیل شرایط بازار، الگوریتم استفاده شده کارایی خود را از دست بدهد. آنچه باعث بالارفتن کیفیت معاملات و بهتر شدن الگورتیم در طول زمان می شود، بحث یادگیری ماشین است که امروزه یکی از مباحث نوین در صنعت مالی دنیاست و طی آن الگوریتم های مختلف در طول زمان بررسی و حتی تکمیل و اصلاح می شوند.

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

اگر تا کنون در وبینار رایگان
«آشنایی با یادگیری ماشین و کاربرد آن در اقتصاد و مالی» که در تاریخ
دوشنبه 23 دی ماه، از ساعت 20 الی 21:30
برگزار می شود ثبت نام نکرده اید، فرصت را از دست ندهید. مطالب جذاب بسیار زیادی منتظر شما هستند.

لینک ثبت نام: http://python4finance.ir/reg2.htm

کتاب «یادگیری معاملات الگوریتمی با پایتون- Learn Algorithmic Trading». یک کتاب بسیار خوب برای یادگیری سازوکارهای معاملات الگوریتمی با پایتون


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

کتاب «یادگیری معاملات الگوریتمی با پایتون- Learn Algorithmic Trading». یک کتاب بسیار خوب برای یادگیری سازوکارهای معاملات الگوریتمی با پایتون


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست های قبلی تا حدودی در خصوص معاملات الگورتیمی صحبت کردم. البته مبحث معاملات الگورتیمی علی الخصوص الگوریتم های اصلی تحلیل، مبحث بسیار مهم و پیچیده ای است که نیاز به توضیحات بیشتر دارد.
یکی از کتابخانه هایی که برای بک تست (backtest) معاملات الگوریتمی استفاده می شود کتابخانه PyAlgoTrade است.
منظور از backtest این است که شما یک استراتژی معاملاتی خاصی را انتخاب کرده اید و به دنبال تست کردن آن و بررسی کارایی آن هستید، برای این منظور شما با استفاده از داده های گذشته سهام، تحلیل را انجام می دهید و نتیجه را با آنچه در واقعیت اتفاق افتاده است مقایسه می کنید.
در پست های آتی در خصوص شیوه عملکرد این کتابخانه بیشتر توضیح خواهم داد.

#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست قبلی کتابخانه PyAlgoTrade را معرفی کردم. PyAlgoTrade دارای 6 جزء اصلی است:
1- استراتژی ها (Strategies) ، منطق عملیات، یعنی کی بخریم و کی بفروشیم
2- منابع (Feeds) ، یعنی اینکه دیتا را از کجا به دست آوریم. منبع داده ها می تواند فایل های csv باشد و البته محدود به این نیست. حتی می توانید از داده های توئیتر هم برای منبع استفاده کنید.
3- کارگزاران (Brokers)، مسئول اجرا سفارشات.
4-داده های سری (DataSeries) ، یا همان سری زمانی
5- تکنیکال (Technicals)، روش های متداول تحلیل تکنیکال مانند SMA، RSI و ... .
6- بهینه کننده (Optimizer) ، یک کلاس فنی است که توزیع پردازش ها بین رایانه های مختلف یا تجمیع روی یک رایانه را می تواند انجام دهد.

در پست های آتی مثالی را با این کتابخانه انجام خواهیم داد.


#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

لیست توابع داخل یک کتابخانه

یکی از سوالاتی که خیلی از دوستان می پرسند این است که معمولا در هر کتابخانه (ماژول) که استفاده می کنیم حجم زیادی تابع وجود دارد، چگونه می توانیم خیلی سریع توابع داخل یک کتابخانه را متوجه شویم؟ مثلا کتابخانه ریاضیات math چند تابع دارد؟
برای این منظور از تابع dir استفاده می کنیم. توجه داریم که حتما قبل از استفاده از dir باید کتابخانه را import کرده باشیم.

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance

کتاب «معاملات الگوریتمی و معاملات پربسامد»
یک کتاب بسیار خوب برای یادگیری بنیان، سازوکار و آموخته های جهانی معاملات الگوریتمی


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

کتاب «معاملات الگوریتمی و معاملات پربسامد»
یک کتاب بسیار خوب برای یادگیری بنیان، سازوکار و آموخته های جهانی معاملات الگوریتمی


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

معاملات الگوریتمی برای چه کسانی مناسب نیست؟🤔

تا کنون راجع به اینکه معاملات الگوریتمی چه مزایایی دارد صحبت کردیم ، اما واقعیت این است که معاملات الگورتیمی در همه شرایط بهترین انتخاب نیست.
در این پست در خصوص مواردی که معاملات الگورتیمی بهترین انتخاب نیست توضیحاتی ارائه می گردد.

1️⃣ وقتی بازار عمق و نقد شونی اندکی دارد: در بازارهایی که عمق کمی دارند و حجم اندکی خریدار و فروشنده وجود دارد، به جای الگوریتم های علمی بیشتر احساسات و اخبار نهانی باعث سودآوری می شود. همچنین نقد شوندگی اندک باعث گیر افتادن در یک سهم خواهد شد!
2️⃣ اگر سرمایه اندکی دارید: بیشتر الگوها برای پرتفوهای بزرگ طراحی می شوند. از طرفی هزینه طراحی الگوریتم های قدرتمند بالاست و برای سبدهای کوچک به صرفه نیست. همچنین هزینه کارمزد معملات با توجه به حجم بالای معاملات در سبدهای کوچک باعث از صرفه خارج شدن معاملات الگوریتمی می شود.
3️⃣ اگر دید شما برای سرمایه گذاری، بلند مدت است: برخی به دنبال خرید یک سهم با ارزش و نگهداری آن برای مدت طولانی هستند. این افراد بیشتر باید از تحلیل بنیادی استفاده کنند و معاملات الگورتیمی برای آنها کارآمد نیست.
4️⃣ اگر دانش برنامه نویسی ندارید: اگرچه امروزه پلتفرم های متعددی برای انجام معاملات الگوریتمی بدون کدنویسی توسعه داده شده است، اما واقعیت این است که این کد نویسی است که دست شما را برای نوشتن الگورتیم های حرفه ای و خاص باز می کند. این حالت مانند آن است که برای مسافرت سوار اتوبوس شوید، درست است که به مقصد می رسید اما راحتی رفت و آمد با خودروی شخصی خود را ندارید و تابع برنامه اتوبوس هستید.
5️⃣ اگر در علم آمار و اقتصاد تبحر کافی ندارید: آمار و اقتصاد و حتی ریاضیات پیش نیاز تحلیل های انجام شده برای نگارش یک الگوریتم مناسب است. اگر در این علوم تبحر کافی ندارید منطق الگوریتم ها را به خوبی متوجه نخواهید شد.
6️⃣ اگر امکان تهیه تجهیزات مناسب رایانه ای ندارید: برای انجام الگوریتم تریدینگ باید اینترنت پرسرعت و پایدار و رایانه مناسب با قابلیت تحلیل بالا داشته باشید. حساب کنید در صورتی که بخواهید اطلاعات 10 سال 100 سهم را با تناوب 5 دقیقه محاسبه کنید نیازمند یک رایانه بسیار قدرتمند هستید. البته از سیستم های ابری هم می توانید استفاده کنید که کیفیت کمتری دارند و البته هزینه کمتری هم دارند.

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance

آشنایی با NumPy Financial
در واقع تیم توسعه دهنده numpy بعد از ارائه ورژن 1.17 اعلام کرد که از نسخه 1.20 به آن طرف کلا توابع مالی را حذف می کند و این توابع صرفا در کتابخانه numpy-financial ارائه می شوند. البته در حال حاضر این توابع در هر دو کتابخانه هستند ولی لازم است در صورتی که در برنامه های خود از توابع مالی Numpy استفاده کرده اید به تدریج آنها را جایگزین نمایید. اتفاقی که قبلا برای matplotlib افتاده بود و توابع مالی خود را به mpl-finance منتقل کرده بود.

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance