قدرتمندی در عین سادگی
همیشه اولین صحبت در خصوص پایتون، سادگی ، نزدیکی به زبان انسان و ساختار قابل درک آن است. اما این به معنای غیرکاربردی بودن آن نیست. ساختار پایتون به ما کمک می کند به جای اینکه دائما حواسمان به مدیریت منابع و سبک برنامه نویسی باشد بیشتر بر روی خود برنامه و کاری که می خواهیم انجام دهیم تمرکز کنیم.


#پایتون_مالی
#طنز



@python4finance

فراخوانی داده های فایل در Numpy
عموما برای دریافت داده های فایل ها (csv یا Excle و ...) از کتابخانه Pandas استفاده می کنیم. اما کتابخانه Numpy خود توانایی واکشی داده ها از فایل های txt و csv را دارد. در واقع فایل های csv نوعی از فایل های txt هستند که داده های هر ستون با علامت کاما «,» و هر سطر با اینتر «n\» از هم جدا شده اند. فرض کنید قیمت های close یک سهم را به ترتیب در یک فایل csv ذخیره کرده ایم، شیوه فراخوانی داده ها و انجام محاسبات مانند تصویر فوق خواهد بود.
فایل های این پست را در پست بعدی، می توانید مشاهده نمایید.
نکته: از آنجایی که در مثال ذکر شده فقط یک ستون وجود دارد نیازی به استفاده از delimiter نبود، اما برای نمایش شکل کلی تابع ذکر شده است.

#پایتون_مالی
#فراخوانی_فایل
#نامپای
#Numpy


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

فراخوانی داده های فایل در Numpy

فایل های مربوط به پست بالا

#پایتون_مالی
#فراخوانی_فایل
#نامپای
#Numpy


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

رسم همزمان دو نمودار با دو مقیاس مختلف

بسیاری از اوقات پیش می آید که می خواهیم دو نمودار با دو مقیاس مختلف را همزمان رسم کنیم. برای مثال می خواهیم رابطه بین دمای هوا و میزان آلودگی را رسم کنیم.
یا اینکه می خواهیم دو متغیر با از یک نوع ولی با مقادیر مختلف را همزمان در یک نمودار داشته باشیم. در این صورت احتمالا نمودار ما چیز جالبی از کار در نمی آید. خوشبختانه در کتابخانه Matplolib امکان رسم محور دوم هم وجود دارد.
در مثال این پست، ابتدا نمودار دو سهم مایکروسافت و گوگل در یک محور رسم می شود. سپس برای نمایش بهتر برای سهم گوگل در محور دوم رسم می شود.
نکته: نمودار حکایت از همبستگی شدید دو سهم گوگل و مایکروسافت در بازه مورد نظر دارد.

#پایتون_مالی
#محور_دوم
#رسم_نمودار
#مت_پلات_لیب
#Matplotlib
#secondary_axis


پایتون برای مالی در تلگرام
@python4finance

معرفی کتاب Python Algorithmic Trading Cookbook

انتشارات packt طی این دو سال اخیر به یکی از قطب های انتشار کتاب و دوره های آموزشی در زمینه مالی کاربردی تبدیل شده است. یکی از کتاب های بسیار خوبی که در زمینه معلات الگوریتمی توسط این موسسه به رشته تحریر درآمده است کتاب
Python Algorithmic Trading Cookbook
است. این کتاب هم مانند سایر کتاب های سری Cookbook ، مستقیم وارد فضای عملی شده و کمتر به بحث های زیرساختی و تئوری می پردازد و برای کسانی که می خواهند خیلی سریع تکنیک ها را یاد بگیرند مناسب است.

#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی
#Algorithmic_Trading

@python4finance

دانلود کتاب Python Algorithmic Trading Cookbook


#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی
#Algorithmic_Trading

@python4finance

استفاده از ماژول builtins

پایتون توابع توکاری(builtin) دارد که به محض اجرا شدن موتور پایتون قابل استفاده هستند. توابعی مانند print ، input ، sum ، type ، dir و ... از جمله توابع توکار پایتون هستند که کاربری عمومی پایتون را تسهیل می کنند. گاهی اوقات ممکن است به دلیل استفاده کاربر از نام توابع توکار در پایتون به عنوان اسم متغیر یا اسم تابع، امکان استفاده از تابع اصلی فراهم نباشد. (البته توصیه می شود که ترجیحا از نام های دیگری استفاده شود) برای رفع این مشکل از ماژول builtins استفاده می کنیم. در تصویر این پست نمونه ای از به کارگیری نام تابع توکار به عنوان نام تابع جدید و نام متغیر و نحوه استفاده از تابع اصلی ذکر شده است.

#توابع_توکار
#پایتون_مالی
#builtins

@python4finance

تفاوت مدلسازی آماری و یادگیری ماشین
مدلسازی آماری و یادگیری ماشین از مباحث بسیار نزدیک به هم هستند که بسیاری از اوقات با هم اشتباه گرفته می شوند.
در این ویدئوی کوتاه، در خصوص شباهت ها و تفاوت های این دو مقوله توضیح داده می شود.
زبان ویدئو انگلیسی بسیار روان است.

#پایتون_مالی
#یادگیری_ماشین
#مدلسازی_آماری
#ویدئو

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

دانشمند داده در یک نگاه

#پایتون_مالی
#اینفوگرافیک

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

عید سعید فطر بر شما گرامیان مبارک.
@python4finance

دریافت سیگنال بر اساس Naive trading strategy

این استراتژی که عموما استراتژی ساده نامیده می شود، مبتنی بر قیمت های تاریخی است و بر اساس تعداد دفعاتی که سهم پست سر هم افزایش(کاهش) قیمت داشته باشد سیگنال خرید(فروش) می دهد و فرض بر این است که در صورتی که قیمت تعداد دفعات مشخصی افزایش یا کاهش داشته باشد، روند ادامه دار خواهد بود.
در این تمرین، بر اساس داده های دریافتی از ماژول Tsemodule3 (اگر با این ماژول آشنایی ندارند حتما به این پست مراجعه نمایید) ، سهم شبندر (لیست نمادها) در یک دوره 100 روزه تحلیل می شود.
فایل تمرین در پست بعد ضمینه می شود.

#سیگنال
#معاملات_الگوریتمی
#پایتون_مالی
#Naive

@python4finance

دریافت سیگنال بر اساس Naive trading strategy

فایل برنامه

#سیگنال
#معاملات_الگوریتمی
#پایتون_مالی
#Naive

@python4finance

بررسی کیفیت ماژول های پایتون
یکی از ویژگی های بسیار خوب پایتون، کامیونیتی بسیار خوب آن است. یعنی برای بیشتر موضوعات، افراد خبره و همچنین ماژول های (کتابخانه) مفصلی وجود دارد که از Pypi.org قابل دانلود است.
اما نکته ای که وجود دارد این است که ما از کجا کیفیت این ماژول را بررسی کنیم. آیا این ماژول در بین استفاده کنندگان محبوب است؟ آیا نگهداری و Maintenance این ماژول خوب بوده است؟ آیا این ماژول دارای مشکلات امنیتی یا باگ بوده؟
یکی از بهترین سایت ها برای این موضوع بخش advisor سایت snyk.io است که از طریق آدرس https://snyk.io/advisor در دسترس است.
شعار این امکان، Find the best package for your next project. است که خود گویای کارکرد آن است!
پیشنهاد می کنم قبل از استفاده از ماژول های جدید در پروژه های خود حتما سری به این سایت بزنید.

#ماژول
#پایتون_مالی
#snyk.io

@python4finance

صفحه پایتون برای مالی در اینستاگرام:
🌐 https://www.instagram.com/python4financeacademy


صفحه پایتون برای مالی در پیام رسان بله:
🌐 https://ble.ir/python4finance

کلیه مطالب همزمان در صفحات بالا هم به روز رسانی می شود.

اسلایدهای وبینار «معاملات الگوریتمی لبه دانش در بازارهای مالی و تریدینگ»
دیروز در وبیناری پیرامون آشنایی با مفاهیم معاملات الگوریتمی در خدمت دوستان و علاقه مندان این حوزه بودم. در این وبینار، ضمن معرفی معاملات الگوریتمی و دلایل گسترش آن، به بررسی تکنیک یادگیری ماشین به عنوان یکی از ابزارهای مواجهه با داده های بزرگ در معاملات الگوریتیمی و جایگزینی برای اقتصاد سنجی متعارف در مدلسازی پرداختیم.

#اسلاید
#یادگیری_ماشین
#پایتون_مالی
#اقتصاد_سنجی

#Machine_learning
#Econometircs


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

معرفی کتاب «متدهای معاملات الگوریتمی، کاربردهایی با استفاده از آمار پیشرفته، بهینه سازی، و یادگیری ماشین» به انگلیسی «Algorithmic Trading Methods: Applications Using Advanced Statistics, Optimization, and Machine Learning Techniques»

اطلاعات بیشتر در خصوص این کتاب و مشاهده کتابهای مشابه

#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی
#Algorithmic_Trading

@python4finance

دانلود کتاب «متدهای معاملات الگوریتمی، کاربردهایی با استفاده از آمار پیشرفته، بهینه سازی، و یادگیری ماشین» به انگلیسی «Algorithmic Trading Methods: Applications Using Advanced Statistics, Optimization, and Machine Learning Techniques»

#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی
#Algorithmic_Trading

@python4finance

دریافت داده های Yahoo Finance در بازه های زمانی 1 دقیقه!

یکی از سوالاتی که خیلی مطرح می شود این است که چگونه اطلاعات مربوط به سایت Yahoo Finance را در بازه های زمانی کوتاه به دست بیاوریم؟
البته افرادی که به صورت تخصصی از این داده ها استفاده می کنند معمولا از Api بروکرهای خود استفاده می کنند، اما خوشبختانه به کمک کتابخانه yfinance هم می توانیم به راحتی از داده های 1 سال تا یک دقیقه استفاده کنیم.
در مثال این پست، داده های مربوط به شرکت اپل برای یک روز ، در فاصله زمانی 1 دقیقه دریافت می شود.
توجه داشته باشید که اطلاعات با دقت زمانی 1 دقیقه برای حداکثر یک هفته اخیر و اطلاعات با دقت زمانی زیر یک روز برای حداکثر 60 روز اخیر در دسترس است.

در پست بعدی؛ با استفاده از اطلاعات به دست آمده از yfinance ، نمودار کندل سهم را مانند آنچه در نرم افزارهایی مثل متاتریدر مشاهده می کنید، به صورت پویا رسم خواهیم کرد.


#معاملات_الگوریتمی
#پایتون_مالی
#yfinance

@python4finance