معرفی کتاب «علم داده های بزرگ در امور مالی» به انگلیسی «Big Data Science in Finance»
فناوری های مالی در چند دهه اخیر دستخوش تغییرات اساسی شده است. تاکنون سه نسل از Fintech مطرح شده است. در نسل اول و دوم عمدتا تمرکز بر اتصال شبکه ای بین نهادهای مالی و استفاده از فناوری اطلاعات در صنعت مالی بوده است اما در نسل سوم فین تک، به واسطه رشد تکنولوژهای ارتباطی جدید مانند 5G و IoT دسترسی به داده های بسیار بزرگ و استفاده از آنها بر بستر فناوری های نوینی مانند بلاک چین مورد توجه قرار گرفته است.
به طور خلاصه، Fintech 3.0 شامل قابلیت های مالی مدرن چهارگانه زیر است:
➖ هوش مصنوعی (AI)
➖ فناوری بلاک چین و کاربردهای آن
➖ قابلیت اتصال، از جمله 5G
➖ داده ها، از جمله داده های جایگزین
در این کتاب که توسط انتشارات Wiley منتشر شده است به بررسی داده های بزرگ و کاربرد آنها در صنعت مالی با استفاده از پایتون پرداخته می شود.

#معرفی_کتاب
#داده_های_بزرگ

#Big_Data

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «علم داده های بزرگ در امور مالی» به انگلیسی «Big Data Science in Finance»

در این کتاب که توسط انتشارات Wiley منتشر شده است به بررسی داده های بزرگ و کاربرد آنها در صنعت مالی با استفاده از پایتون پرداخته می شود.

#دانلود_کتاب
#داده_های_بزرگ

#Big_Data

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

پایتون در اکسل، یک ترکیب بی نظیر برای متخصصین علم داده
اکسل، قدرتمندترین و متداولترین نرم افزار صفحه گسترده است که تقریبا هر کاربر رایانه با آن آشنایی دارد. برای بسیار از کاربران، اکسل به واسطه امکانات بی نظیری که در محاسبات، مصورسازی و ترکیب داده ها دارد، اولین انتخاب عمده کاربران است. از طرف دیگر پایتون محبوب ترین زبان برنامه نویسی برای تحلیل گران و متخصصین علم داده است. مایکروسافت با همکاری آناکوندا در یک اقدام بسیار ارزشمند قابلیت استفاده از Python را در اکسل فراهم کرده است. این ترکیب بی نظیر باعث می شود که بتوان مدل های پیچیده یادگیری ماشین و هوش مصنوعی را به راحتی در اکسل اجرا کرد.در حال حاضر، این امکان بر روی نسخه ابری و نیز نسخه های پیش نمایش اکسل قابل استفاده است اما به زودی به نسخه های جدید اکسل اضافه می شود. در این فیلم، به معرفی این امکان ارزشمند پرداخته می شود.

#اکسل
#Excel

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

ماژول FinancePy ، یک ماژول جالب برای کار با ابزارهای مشتقه
این ماژول در تحلیل ریسک و ارزشگذاری سهام، فارکس، تحلیل نرخ بهره و کار با ابزارهای مشتقه، امکانات متنوعی را در اختیار شما قرار می دهد.
ماژول FinancePy توسط دکتر دومنیک او کین استاد مالی در دانشگاه EDHEC توسعه داده شده است.
کد این ماژول به همراه مثال های کاربردی را می توانید در لینک گیت هاب ماژول (این لینک) مشاهده نمایید.
در این لینک گیت هاب هم مثال های بسیار متنوعی قرار داده شده است.
به راحتی با استفاده از فرمان زیر می توانید ماژول را نصب کنید:
pip install financepy
استفاده از این ماژول به دانشجویان مقاطع دکتری و کارشناسی ارشد مالی و اقتصاد توصیه می شود.

#معرفی_ماژول
#ابزار_مشتقه
#ریسک
#Risk
#derivatives

پایتون برای مالی
🆔 www.tg-me.com/python4finance

ساخت آرایه بر اساس مقادیر تکراری مشخص!
در خصوص numpy پیش از این مفصل صحبت کرده ایم. البته امکانات این ماژول بسیار زیاد است و معمولا همه توابع آن در کارهای روزانه استفاده نمی شود. یکی از توابع جالب این ماژول، تابع repeat است. (به نوعی برعکس تابع unique عمل می کند) با استفاده از این تابع می توان آرایه با مقادیر تکراری مشخص ساخت. در مثال این پست کارکرد این تابع جالب نمایش داده شده است.
#numpy
#repeat


پایتون برای مالی
🆔 www.tg-me.com/python4finance

مشکل محاسبه IRR مضاعف یا نبود IRR
یکی از مسائل بسیار مهم در اقتصاد مهندسی محاسبه ارزش حال خالص (NPV) و نرخ بازده داخلی (IRR) در طرح‌ها است. در صورتی که در یک طرح، بیش از یکبار تغییر علامت در جریانات نقدی داشته باشیم، احتمال وقوع این پدیده وجود دارد.
در مثال این پست، یک طرح نمونه با IRR مضاعف محاسبه و رسم می شود.
#NPV
#IRR



پایتون برای مالی
🆔 www.tg-me.com/python4finance

میلاد با سعادت فخر عالم امکان، حضرت خاتم الانبیاء (ص) و امام جعفر صادق (ع) مبارک باد.

#مناسبت

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

پایتون 3.12 با ویژگی های جدید
نگاهی به ویژگی ها و امکانات پایتون 3.12

دیروز 10 مهرماه، نسخه پایدار 3.12 پایتون منتشر شد. همچنان در این نسخه هم توسعه دهندگان پایتون تمرکز خود را روی بهبود پیام‌های خطا و بالابردن سرعت پایتون گذاشته‌اند. برای مثال اگر شما یادتان برود یک ماژولی را Import کنید، یا اسم ماژول را درست تایپ نکرده باشید و ... پایتون به شما هشدار مناسب را خواهد داد. همچنین در این نسخه کارایی پایتون 5% به طور متوسط افزایش یافته است. البته ویژگی‌های جدید به همین‌ها منحصر نمی شود و می توانید در این صفحه اهم تغییرات را مشاهده نمایید.

#پایتون3.12
#ویژگی_جدید

عضویت در کانال پایتون برای مالی👇👇👇
🆔 www.tg-me.com/python4finance

رفع خطای pkgutil.ImpImporter در اوبونتو
اگر شما هم از کاربران سیستم عامل لینوکس Ubuntu باشید بعد از ارتقاء به نسخه ۳.۱۲ Python ممکن است با خطای زیر مواجه شده باشید:
module 'pkgutil' has no attribute 'ImpImporter

برای حل این موضوع می توانید از یکی از دو راه حل زیر در ترمینال لینوکس استفاده کنید:
۱- استفاده از دستور
python3.12 -m ensurepip --upgrade

۲- اگر به هر دلیل موفق به استفاده از دستور بالا نشدید؛ دو دستور زیر را در خط فرمان اجرا کنید:
wget https://bootstrap.pypa.io/get-pip.py
python3.12 get-pip.py

توضیحات بیشتر

#پایتون3.12

عضویت در کانال پایتون برای مالی👇👇👇
🆔 www.tg-me.com/python4finance

معرفی کتاب «مدل‌سازی ریسک اعتباری: مبانی نظری، ابزارهای تشخیصی، مثال‌های عملی و کاربردهای عددی در پایتون» به انگلیسی «Credit-Risk Modelling: Theoretical Foundations, Diagnostic Tools, Practical Examples, and Numerical Recipes in Python»

یکی از دغدغه های اصلی بانک ها، بیمه ها و موسسات مالی و اعتباری ؛ تشخیص مشتریان با ریسک بالا است. تشخیص ریسک نکول در مشتریان باعث ایجاد بحث جدیدی تحت عنوان شناخت ریسک اعتباری شده است. البته مدلسازی ریسک اعتباری، علاوه بر داده های قابل اتکا، نیازمند استفاده از مدل های ریاضیاتی و آماری نسبتا پیچیده ای است و مدلهای متعددی برای آن ایجاد شده است.
در این کتاب ریسک اعتباری از پایه توضیح داده می شود و مثال های کاربردی با زبان پایتون ارائه می شود.

#معرفی_کتاب
#ریسک_اعتباری

#Credit-Risk
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «مدل‌سازی ریسک اعتباری: مبانی نظری، ابزارهای تشخیصی، مثال‌های عملی و کاربردهای عددی در پایتون» به انگلیسی «Credit-Risk Modelling: Theoretical Foundations, Diagnostic Tools, Practical Examples, and Numerical Recipes in Python»

*** از عزیزانی که با نقل از منبع مطالب را نشر می دهند، بسیار سپاسگزارم.

#دانلود_کتاب
#ریسک_اعتباری

#Credit-Risk
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

بررسی تاریخی قیمت بیت کوین
بیت کوین، تاثیرگذارترین رمز ارز و متداولترین آنهاست. تحلیل قیمت بیت کوین نقش بسیار مهمی در تحلیل سایر آلتکوین‌ها دارد.
در این ویدئو، نمودار قیمت بیت کوین از سال 2010 تا امروز در دو حالت قیمت بازار و تحلیل لگاریتمی نمایش داده می شود. نکته تکرار شونده در این ویدئو رکورد شکنی بیت کوین، ریزش و مجددا رکورد جدید در بازار است.

#بیت_کوین

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

تغییر در بازه نمایش داده‌ها در Matplotlib
هنگامی که یک سری زمانی را با Matplotlib رسم می کنیم، Matplotlib به صورت هوشمند، بازه‌های زمانی را در ستون x ها در نظر می‌گیرد. گاهی لازم است در نمایش داده‌ها، از بازه‌های زمانی هفتگی، روزانه، ماهانه و ... استفاده کنیم. برای این کار کافی است از ماژول Matplotlib بخش dates را ایمپورت کنیم.
در تصویر این پست؛ سه بازه زمانی پیش فرض، هفتگی و روزانه رسم شده است.

#Matplotlib
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

آشنایی با SHAP، یک ماژول بی نظیر برای یادگیری ماشین
مدل‌های هوش مصنوعی عموما به صورت جعبه سیاه هستند و با گرفتن داده ها، نتایج را بدون ارائه تفسیر دقیق از آنها ارائه می کنند. برای درک اینکه چه ویژگی‌های اصلی بر خروجی مدل تأثیر می‌گذارند، به تکنیک‌های یادگیری ماشینی قابل توضیح نیاز داریم که برخی از این جنبه‌ها را آشکار کند.
برای مثال مدل اعتبار سنجی مشتریان بانک را در نظر بگیرید که می گوید که بانک نباید به فردی وام دهد ولی بانک از نظر قانونی موظف است مبنای هر رد وام را توضیح دهد.
یا یک شرکت بیمه سلامت می‌خواهد عواملی که باعث ایجاد خطر ابتلا به بیماری در هر بیمار می‌شود را شناسایی کند تا بتواند مستقیماً آن عوامل را با مداخلات بهداشتی هدفمند بررسی کند.
برای این منظور از ماژول SHAP استفاده می کنیم.SHAP(SHapley Additive Explanations) روشی مبتنی بر تئوری بازی های مشارکتی است و برای افزایش شفافیت و تفسیرپذیری مدل های یادگیری ماشین استفاده می شود.
برای آشنایی با این ماژول ارزشمند سری به سایت آن بزنید.

#یادگیری_ماشین
#Machine_learning
#SHAP

پایتون برای مالی
🆔 www.tg-me.com/python4finance

یک IDE جالب برای دانشمندان داده (جایگزین Jupyter Notebook)
قبلا در خصوص اینکه کجا کد بنویسیم صحبت کرده بودیم. (به پست‌های در کجا کد بزنیم؟ و #IDE و #vscode مراجعه نمایید.)
یکی از IDEهای جالب که بسیار شبیه Jupyter است و برای کارهای دیتاساینسی که دائما در حال آزمون روی داده های مختلف هستیم مناسب است، nteract است. این نرم افزار متن باز است و طراحی آن بسیار ساده و کاربردی است و به دلیل اینکه در قالب نرم افزار اجرا می شود (بر خلاف Jupyter که روی مرورگر اجرا می شد) محدودیت‌های ژوپیتر را ندارد. امکان افزودن کرنل های مختلف برای اجرای سایر زبان‌های برنامه نویسی از قبیل R، NodeJS ، .Net و ... هم در نرم افزار وجود دارد. برای کسب اطلاعات بیشتر و دانلود nteract به این آدرس مراجعه نمایید.

#nteract
#IDE
#Jupyter_notebook
#Vscode
#در_کجا_کد_بنویسیم

پایتون برای مالی
🆔 @python4finance

در چه مواردی ضریب تعیین یا همان شاخص نیکویی برازش (R2) منفی می شود!؟
عموما در مباحث اقتصاد سنجی و یادگیری ماشین برای سنجش کیفیت مدل های رگرسیون از شاخص R2 استفاده می شود. در تعریف اولیه این شاخص بیان می شود که R2 بیان کننده کیفیت مدل است به عبارت دیگر، دقت مدل ما چقدر است و چقدر مدل امکان پیش بینی صحیح دارد و مقدار آن بین 0 و یک در نظر گرفته می شود که از جذر آن ضریب همبستگی به دست می آید.
اما گاهی ممکن است در محاسبات، R2 منفی شود!
عموما R2 در دو حالت منفی می شود.
1️⃣ زمانی که عرض از مبدا مدل(یا همان B1) صفر در نظر گرفته شود. به دلیل ماهیت تئوریک برخی مدلها، حتما باید عرض از مبدا صفر باشد.
2️⃣ زمانی که پیش بینی مدل با واقعیت بسیار متفاوت باشد. یکی از دلایل این موضوع می تواند ناهمگن بودن دادن ها Train و Test در مدلهای یادگیری ماشین باشد.
در زمانی که R2 منفی باشد، به طور کلی R2 را صفر در نظر می گیریم.

#ارزیابی_مدل
#رگرسیون
#نیکویی_برازش
#accuracy
#R2
#Negetive R2


پایتون برای مالی
🆔 @python4finance

عرض تسلیت به مناسبت شهادت جانسوز دخت نبی گرامی اسلام، حضرت فاطمه زهرا(س)

#مناسبت

پایتون برای مالی
🆔 @python4finance

الهی در این شب یلدا، دل همتون گرم و لب همتون خندون باشه. خدا همه پدر و مادرهایی که هستند رو نگه داره و سایشون بالای سرمون باشه و اونهایی که به رحمت خدا رفتند، غریق رحمت کنه.
ارادتمند: محمدصادق کریمی

@python4finance