کتاب «راهنمای پایتون برای اقتصادسنجی مقدماتی مالی» به انگلیسی «python guid to accompany , Introductory Econometrics for Finance»


📌توصیه می کنم در صورتی که برایتان امکان پذیر است حتما از منابع اصلی برای یادگیری استفاده کنید.

#معرفی_کتاب
#اقتصاد_سنجی
#پایتون_مالی


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

امروز 4️⃣1️⃣ همین دوره «مدلسازی مالی و اقتصادی با پایتون» - مقدماتی به پایان رسید. از همه عزیزانی که در این کلاس، بسیار پر انرژی و فعال شرکت کردند تشکر می کنم.
نظر سنجی دوره در تصویر پست ارسال می شود.
#پیام
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
🔸بهترین منابع برای یادگیری پایتون کدام است؟
پاسخ
🔸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
🔸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
🔸میزان استفاده از پایتون در حیطه های مختلف چگونه است؟
لینک
🔸پایتون برای اقتصاد سنجی مناسب است؟
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
🔸طریقه دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ
🔸راه آسان دریافت اطلاعات از بورس تهران چیست؟ (ماژول دریافت اطلاعات از بورس تهران)
پاسخ
🔸کانال آپارت جهت مشاهده وبینارهای علم داده و یادگیری ماشین و جادوی سری های زمانی
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_آموزشی


🔸✅✅✅ چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی)
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

استفاده از Pivot Table در پایتون
اگر شما از کاربران حرفه ای اکسل باشید و یا با نرم افزارهای هوش تجاری مانند Tableau یا PowerBI استفاده کرده باشید حتما با پیوت تیبل ها آشنا هستید. Pivot Table به ما کمک می کنند تا به راحتی بتوانیم داده ها را از حالت سری به حالت جدولی تبدیل کنیم. فرض کنید فروش روزانه یک شرکت و خریداران در یک لیست ذخیره شده اند. حالا می خواهیم کالاهای خریداری شده مشتریان را در یک جدول به صورتی داشته باشیم که سطرها بیان گر روزها و ستون ها بیان گر خریداران باشد و مقدار هم کالاهای خریداری توسط هر مشتری باشد.
برنامه نوشته شده و خروجی آن در تصویر این پست نمایش داده شده است.
فایل csv و برنامه را هم در پست بعدی ارسال خواهم کرد.

#پایتون_مالی
#هوش_تجاری
#پیوت
#pivot_tabel

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

استفاده از Pivot Table در پایتون

فایل های مربوط به پست قبل

#پایتون_مالی
#هوش_تجاری
#پیوت
#pivot_tabel

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

آشنایی با Jupyter Notebook و زبان Markdown

یکی از IDEهای اصلی که در علم داده و مدلسازی مالی از آن استفاده می کنیم Jupyter Notebook است. تعاملی بودن و پشتیبانی از زبان Markdown آن را به یکی از بهترین انتخاب های برنامه نویسان علی الخصوص در فضای آزمایشگاه کرده است.
در این فیلم کوتاه به معرفی و بیان نحوه کارکرد Jupyter Notebook و استفاده از آن و نیز استفاده از زبان Markdown پرداخته شده است.

لینک مشاهده فیلم آشنایی با Jupyter Notebook و زبان Markdown

در صورتی که علاقه مند به مشاهده سایر فیلم های کانال هستید به کانال آپارت (لینک) مراجعه فرمایید.
#پایتون_مالی
#ویدئو
#فیلم_آموزشی
#Jupyter_Notebook
#Markdown


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

معمولا در کلاس‌های آموزشی که در خدمت عزیزان هستم از IDLE و نهایتا VScode برای آموزش برنامه نویسی و مدلسازی استفاده می کنم. اگرچه معمولا برای تحویل برنامه نهایی از همین ها استفاده می شود، اما در فضای علم داده و مدلسازی معمولا از یک IDE قدرتمند به نام Jupyter Niotebook استفاده می شود که مزایای بسیار زیادی دارد. یکی از مزایای استفاده از Jupyter پشتیبانی از زبان Markup است که معمولا برای ارائه توضیحات و ساخت فایل های آموزشی از آن استفاده می شود. قصد داشتم فایل زیر را در قالب یک کارگاه برگزار کنم که بالاخره فرصتی دست داد و توانستم فایل آموزشی را تولید کنم.
دیدن این فایل را به همه عزیزانی که علاقه مند به علم داده و مدلسازی مالی هستند توصیه می کنم.

پی نوشت: از اینکه این مدت کمی با تاخیر مطالب را به روز می کنم از شما عذرخواهی می کنم.

پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

محاسبه رگرسیون با Numpy
قبلا در خصوص محاسبه رگرسیون با استفاده از scipy یا statsmodels صحبت کرده بودیم. برای محاسبه رگرسیون می توانیم از کتابخانه Numpy هم استفاده کنیم. برای این منظور از تابع polyfit استفاده می شود.
در تصویر این پست، کد نمونه و نتیجه حاصله نمایش داده شده است.

#رگرسیون
#پایتون_مالی
#Numpy

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

یکی از سوالاتی که خیلی از دوستان پرسیده بودند معاملات الگوریتمی است. اینکه معاملات الگوریتمی چیست، آینده معاملات الگوریتمی چیست، آیا پایتون برای معاملات الگوریتمی مناسب است، چگونگی کار با داده های مالی و ... . در این کتاب دکتر هیلپیش (Yves Hilpisch) به اختصار با ذکر مثال سوالات فوق را پاسخ داده است.

#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی

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

دانلود کتاب «پایتون برای معاملات الگوریتمی» نگارش 2020

#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی

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

پرکردن نقایص داده ها (interpolate)
یکی از مشکلاتی که در کار با سری های زمانی و دیتافریم ها داریم، داده های ناقص است. برای مثال یک سهم ممکن است در زمان های خاصی بسته باشد یا داده های یک متغیر در زمان های خاصی در دسترس نباشد. این موارد باعث به هم خوردن محاسبات و بعضا error های حین برنامه می شود. پانداس برای مدیریت کردن داده های خالی یا اصطلاحا NaN روش های متنوعی را ارائه می دهد. یکی از این روش ها پر کردن داده ها بر اساس داده های قبلی و بعدی است. به این معنا که پانداس داده های قبلی و بعدی را در نظر می گیرد و جای خالی را با میانگین آنها پر می کند. این کار در هموار سازی داده ها بسیار تاثیر گذار است. در تصویر این پست، نمونه ای این روش با استفاده از تابع interpolate در پانداس نشان داده شده است.

#پانداس
#سری_زمانی
#پایتون_مالی
#داده
#interpolate
#pandas


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

ایجاد یک خروجی(GUI) مانند برنامه های ویندوز - آشنایی با کتابخانه Tkinter

یکی از مزیت های پایتون؛ توانایی ارسال خروجی به شیوه های مختلف است. برای مثال می خواهیم خروجی برنامه را در قالب یک برنامه مانند برنامه های ویندوز (یا سایر سیستم عامل ها) ایجاد کنیم. برای این منظور کتابخانه بسیار جذابی به نام Tkinter وجود دارد که به صورت پیش فرض در هنگام نصب پایتون نصب می شود. در برنامه نمونه که تصویر آن در این پست ضمیمه شده است یک برنامه برای محاسبه FV با استفاده از کتابخانه Tkinter نوشته شده است.

#پایتون_مالی
#خروجی
#GUI
#Tkinter


پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

بیش برازش یا Overfitting چیست؟
یکی از ویژگی های یک مدلسازی خوب، برازش مناسب آن است. یعنی مدل بتواند تا حدود زیادی داده ها را تخمین بزند. اما گاهی پیش می آید که مدل برازش خوبی برای داده های نمونه (Training) دارد اما توفیق چندانی در برازش داده های جدید ندارد. یعنی مدل روی داده استفاده شده برای یادگیری بسیار خوب نتیجه می‌دهد، اما بر روی داده جدید دارای خطای زیاد است.
این اتفاق زمانی ممکن است بیفتد که مجموعه داده ها خیلی کوچک یا خیلی بزرگ و پیچیده باشد و همچنین شامل داده های نویزی نیز باشد ( البته کوچک بودن نیز به تنهایی می تواند مشکل ساز باشد حتی بدون داده های نویزی ).

#پایتون_مالی
#بیش_برازش
#Over_fitting


پایتون برای مالی در تلگرام https://www.tg-me.com/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

ثبت نام دوره MBA علم داده و معاملات الگوریتمی آغاز شد.

1️⃣ مزایای دوره
اعطای گواهینامه MBA دوره های کوتاه مدت دانشگاه الزهرا (س)
ارائه دروس به صورت کاربردی و مطابق با دانش روز دنیا
بهره گيري از اساتيد برجسته علم داده و مطرح بازار سرمایه ایران

🔅بعد از این دوره دانشپذیران می توانند با استفاده از داده‌های مختلف، سناریوهای مختلفی را بررسی و با استفاده از الگورتیم ها نسبت به تحلیل و خرید و فروش سهام و دارایی های مالی اقدام نمایند.

2️⃣شرایط تخفیف:
ثبت نام گروهی (حداقل 3 نفر): 10%
ثبت نام زود هنگام (تا 10 شهریور) و نقد : 20%

3️⃣تعداد واحد :
27 واحد + پایان نامه

4️⃣شیوه برگزاری:
همانند سایر دوره های دانشگاه

5️⃣سایر الزامات دوره:
حداقل مدرک کارشناسی

🌐اطلاعات بیشتر در خصوص دوره

@Alzahra_MBA_DBA

اسلایدهای درس «پایتون برای اقتصادسنجی در اقتصاد»

این اسلایدها مربوط به ارائه Fabian H. C. Raters در دانشگاه Goettingen است. مطالب به صورت خلاصه و مفید ارائه شده است. همچنین فایل های notebook و تمرین هایی برای خودآزمایی در سایت دوره موجود است.
اسلایدها در ضمیمه این پست قرار داده شده است.
سایت دوره

#اسلاید
#اقتصاد
#پایتون_مالی

@python4finance

کار با مقادیر از دست رفته در پایتون - بخش اول

احتمالا عنوان این پست کمی برای شما عحیب باشد. آیا مگر داده ای از دست می رود؟ (🧐)
برای روشن شدن بحث اجازه بدهید مثالی بزنم. فرض کنید در شرکتی کار می کنید که هر روز صبح باید اول وقت ساعت ورود خود را ثبت کنید. از قضا چند روز در ماه به علت عجله ای که داشتید فراموش کردید ساعت ورود خود را ثبت کنید. ساعت ورود شما در این چند روز نه False است، نه 0 (صفر) و نه خالی ( ) است بلکه هیچ است، یعنی هیچ مقداری برای آن ثبت نشده است. در پایتون مقدار هیچ با عبارت None نشان داده می شود.اگر بخواهم یک مثال مالی زده باشم می توانم به میانگین متحرک اشاره کنم.یک سری زمانی با 20 متغیر را در نظر بگیرد. اگر یک میانگین متحرک 3 روزه را روی این داده ها اجرا کنیم، برای سه روز اول طبیعی است که هیچ مقداری نداریم.
هنگامی که با داده های بزرگ کار می کنیم داده های از دست رفته ممکن است باعث بروز خطا در محاسبات و یا محاسبه ناصحیح شوند. از این رو آشنایی با شیوه صحیح کار با داده های از دست رفته بسیار حائز اهمیت است.
در پست های آتی مفصل در این خصوص صحبت می کنیم.

#missing_values
#پایتون_مالی

@python4finance

آشنایی با ActivePython
احتمالا همه شما نام آناکوندا را شنیده اید. آناکوندا (Anaconda) یک ابزار بسیار مناسب برای متخصصین علم داده و مدلسازان مالی است که ابزارهای اصلی کار را به صورت خودکار نصب می کند و کاربر را از نصب مجزا آنها بی نیاز می کند.
یکی دیگر از این ابزارها، نرم افزار ActivePython است. این ابزار، 303 پکیج از پکیج هایی که برای کار با داده ها و به طور کلی علم داده استفاده می شود را با خود نصب می کند. لازم به ذکر است ActivePython محصول شرکت activestate است و علاوه بر پایتون ابزارهای بسیار خوبی را برای Perl، Ruby،Go و چند زبان دیگر توصعه داده است.
برای دانلود این ابزار می توانید به سایت ActivePython مراجعه فرمایید.

#ActivePython
#Anaconda
#پایتون_مالی

@python4finance

کار با مقادیر از دست رفته در پایتون - بخش دوم

در پایتون داده های از دست رفته با عبارت None مشخص می شود. عمده موارد None هنگامی است خود ما در جمع آوری داده مشکل داشته باشیم. یا اینکه بخواهیم یک متغیری را درست کنیم و بعدا به آن مقدار بدهیم.(چون در برنامه های بزرگ دادن مقدار به متغیرهایی که استفاده نمی شوند ممکن است باعث بالارفتن مصرف حافظه در برنامه شده و رایانه را کند یا با خطا مواجه کند)
در تصویر این پست مثالی از کار با داده های None در پایتون نشان داده شده است. در پست های آتی در خصوص مقادیر از دست رفته در Numpy و Pandas صحبت خواهیم کرد.


#missing_values
#داده_ازدست_رفته
#پایتون_مالی

@python4finance