اعمال یک تابع روی دیتافریم با تابع apply
یکی از توابع کارآمد در کار با دیتافریم ها تابع apply است. به کمک این تابع می توانید توابع مورد نظر خود را روی دیتافریم اعمال کنید. تابع apply بعد از groupby استفاده می شود.
یک مثال:
فرض کنید میزان خرید و فروش سهام خود را از دو سهم A و B به صورت روزانه ثبت کرده اید.
می خواهیم میزان خرید و فروش کل از هر سهم را محاسبه کنیم.
می خواهیم درصد خرید و فروش هر کدام از سهم ها را نیز محاسبه کنیم.
در مثال این پست می توانید نمونه کد این مثال را مشاهده نمایید.


#دیتافریم
#اعمال_تابع
#پایتون_مالی
#dataframe
#pandas
#groupby
#apply

@python4finance

یک ماژول دیگر برای زمان بندی (schedule)
قبلا در این لینک در خصوص اجرای برنامه در زمان های مشخص یا همان schedule صحبت کردیم.
یکی دیگر از ماژول های جالب ماژول schedule است. این ماژول این امکان را به شما می دهد که مثلا یک تابعی را در روزهای دوشنبه ، یا مثلا ساعت خاصی در هر روز اجرا کنید. (قبل از اجرای برنامه با pip install schedule ماژول را نصب کنید)

#پایتون_مالی
#time
#sleep
#schedule

@python4finance

📢فراخوان همکاری با نشریه علمی_تخصصی #علم_داده_اقتصادی دانشگاه علامه طباطبایی

🔸نشریه علم داده اقتصادی از تمامی اساتید، دانشجویان، پژوهشگران و مترجمان دعوت به همکاری می نماید تا آثار خود در قالب مقاله، ترجمه و گزارش
در حیطه موضوعات مرتبط با علم داده و‌کاربرد آن در اقتصاد
را جهت داوری و چاپ در نشریه علمی_تخصصی “علم داده اقتصادی” ارسال نمایند.

📧علاقه مندان می توانند مطالب خود را جهت بررسی به آدرس زیر ارسال نمایند :

[email protected]


🗓زمان ارسال آثار تا ۱۰ شهریور ماه ۱۴۰۰


📎جهت کسب اطلاعات بیشتر:
@Mohammadnoori76
@Zr_Mobina

بررسی روند GDP ایران و ایالات متحده از سال 2000 تا الان
این اطلاعات به کمک ماژول pandas dataredear و از منبع بانک جهانی (Iran GDP , US GDP) استخراج و رسم شده است.

#پایتون_مالی
#تولید_ناخالص_داخلی
#GDP
#Pandas_datareader


@python4finance

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
🔸مسیر توسعه مدل 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 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
🔸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 3 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)
پاسخ


#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇👇👇

تلگرام www.tg-me.com/python4finance
بله ble.ir/python4finance
اینستاگرام: instagram.com/python4financeacademy

بررسی روند R2 با اضافه شدن نویز به مدل!
یکی از معیارهای سنجش کیفیت مدل های رگرسیون R^2 است. هر چقدر R^2 به یک نزدیک تر باشد کیفیت مدل بالاتر خواهد بود. در مدل این پست، همزمان با اضافه شدن نویز به مدل، مقدار R^2 محاسبه و رسم می شود. کاهش R2 در خلال افزایش نویز کاملا محسوس است.

#ارزیابی_مدل
#رگرسیون
#نیکویی_برازش
#R^2
#fitness_of_regression_model


@python4finance

کتابخانه investpy یک کتابخانه بی نظیر برای سرمایه گذاران
تاکنون کتابخانه های مختلفی را برای دریافت داده، تحلیل داده ها و نهایتا دریافت سیگنال معرفی کرده ایم.
یکی از کتابخانه های بینظیر در این حیطه کتابخانه investpy است. در واقع این کتابخانه رابط پایتون برای اتصال به سایت investing.com است. به کمک این ماژول شما به اطلاعات بیش از 39952 سهم، 82221 صندوق، 11403 ETF و 4697 رمز ارز دسترسی دارید!
اطلاعات مربوط به بازارهای سرمایه بسیاری از کشورها مانند آمریکا، فرانسه، روسیه، آلمان، هند و بیشتر کشورهای مهم جهان (البته به جز ایران😉) در این ماژول در دسترس است. اما مهمترین مزیت این ماژول دریافت سیگنال مستقیم از ماژول است. (صفحه ماژول)
در پست بعدی یک مثال کاربردی را با هم بررسی خواهیم کرد.

#تحلیل_تکنیکال
#پایتون_مالی
#technical_indicators
#investpy


www.tg-me.com/python4finance

کتابخانه investpy یک کتابخانه بی نظیر برای سرمایه گذاران
در مثال این پست، اطلاعات مربوط به سهم شرکت اپل، از ابتدای سال 2021 دریافت و بر اساس 12 اندیکاتور تکنیکال تحلیل می شود.
سیگنال مربوط به هر کدام از اندیکاتورها در مقابل آن نمایش داده شده است. برای کسب اطلاعات بیشتر در این خصوص به صفحه این ماژول مراجعه نمایید.

#تحلیل_تکنیکال
#پایتون_مالی
#technical_indicators
#investpy


www.tg-me.com/python4finance

دانلود کتاب «یادگیری آماری با ریاضیات و پایتون» به انگلیسی «Statistical Learning with Math and Python

یادگیری آماری یک شاخه از آمار کاربردی است که در پاسخ به یادگیری ماشین ظاهر شده است و بر مدل‌های آماری و ارزیابی عدم قطعیت تاکید دارد. در این کتاب، مفاهیم و مدلهای اصلی یادگیری آماری با ذکر مثال هایی از پایتون توضیح داده می شود.

#معرفی_کتاب
#یادگیری_ماشین
#یادگیری_آماری
#پایتون_مالی
#Statistical_Learning
#Machine_Learning

@python4finance

دانلود کتاب «یادگیری آماری با ریاضیات و پایتون» به انگلیسی «Statistical Learning with Math and Python


#معرفی_کتاب
#یادگیری_ماشین
#یادگیری_آماری
#پایتون_مالی
#Statistical_Learning
#Machine_Learning

@python4finance

مقایسه عناصر دو دیتافریم
حالتی را تصور کنید که شما داده های مربوط به یک نماد (مثلا بیت کوین) را در یک بازه زمانی مشخص از دو کارگزاری مختلف دریافت می کنید اما در محاسبات (مثلا محاسبه انحراف معیار یا میانگین) نتایج مختلفی را مشاهده می کنید. در این حالت ابتدا لازم است یکسان بودن داده ها را بررسی کنید. برای بررسی یکسان بودن داده ها از تابع compare در pandas استفاده می کنیم.
در مثال این پست، عناصر دو دیتافریم بررسی و تفاوت ها نمایش داده می شود.

#دیتا_فریم
#پانداس
#پایتون_مالی

#DataFrame
#Pandas
#python

@python4finance

ماژول trendet ، یک ماژول جالب برای تشخیص روندهای داده های سری زمانی بازارهای مالی
قبلا در این لینک در خصوص ماژول Investpy کمی توضیح دادم. یکی از ماژول هایی که بر اساس این ماژول نوشته شده ماژول trendet است که هدف آن تشخیص روندهای بازار است. ماژول به صورت بسیار حرفه ای نوشته شده است و تقریبا خودش همه کارها را به صورت خودکار انجام می دهد.
در لینک گیت هاب ماژول، سورس ماژول و چند مثال خوب ذکر شده است.
در مثال این پست، روندهای سهم اپل از ابتدای سال 2021 میلادی استخراج و رسم شده است.
فایل سورس برنامه را هم برای راحتی کار در پست بعد تقدیم خواهم کرد.

#سری_زمانی
#تشخیص_روند
#پایتون_مالی
#time_series
#trendet
#investpy

www.tg-me.com/python4finance

ماژول trendet ، یک ماژول جالب برای تشخیص روندهای داده های سری زمانی بازارهای مالی

فایل سورس برنامه پست بالا، به پیوست تقدیم می گردد.

#سری_زمانی
#تشخیص_روند
#پایتون_مالی
#time_series
#trendet
#investpy

www.tg-me.com/python4finance

یک نکته راجع به فایل بالا
برخی دوستان در پیام خصوصی نوشته بودند که در اجرای فایل بالا دچار مشکل شده اند. دلیل آن مشخص است. نباید اسم فایل شما با اسم ماژول یکی باشد. اسم فایل دانلودی را تغییر دهید تا مشکل برطرف شود.!

دوره MBA علم داده و معاملات الگوریتمی
🔅دوره ای متمایز، برای آنهایی که می خواهند متمایز باشند.

✅مزایای دوره:
اعطای گواهینامه MBA مورد تایید دانشگاه الزهرا (س) با قابلیت ترجمه رسمی به پذیرفته شدگان
ارائه دروس به صورت کاربردی و مطابق با دانش روز دنیا
بهره گيري از اساتيد برجسته بازار سرمایه و علم داده ایران

✅هدف کلان دوره:
آشنا سازی دانش پذیران با شیوه های نوین معاملاتی و کاربردهای علم داده در اقتصاد و مالی و توانایی تولید الگوریتم‌های اختصاصی در بازار سرمایه داخل و خارج و اجرای موفق آنها

✅فرصت های شغلی:
علاوه بر اینکه شرکت کنندگان در این دوره، با مفاهیم تخصصی سرمایه‌گذاری، روش‌های تحلیل و امکان ساخت ربات‌های معامله‌گر برای کارهای روزانه خود آشنا می‌شوند، از فرصتی بی نظیر برای حضور در شرکت های مختلف به عنوان دانشمند داده برخوردار می شوند.
🌐 اطلاعات بیشتر در خصوص دوره MBA علم داده و معاملات الگوریتمی
📌 عضویت در کانال و دریافت اطلاعات بیشتر👇👇👇
www.tg-me.com/Alzahra_MBA_DBA

سنجش مهارت های پایتونی
یکی از کارهای جذاب برای برنامه نویسان، حل تمرین و تست است که هم باعث بالارفتن مهارت های برنامه نویسی و هم یادگیری نکات جدید می شود. سایت های خیلی زیادی برای تمرین آنلاین پایتون وجود دارد. یکی از این سایت ها، سایت vskills.in است که آزمون های متعددی را در زمینه های مختلف فراهم کرده است.
در صفحه پایتون این سایت تمرین های مختلفی را در خصوص پایتون می توانید مشاهده کنید.
اگر علاقه مند به سنجش مهارت های عمومی پایتون خود هستید شرکت در آزمون python-mock-test را به شما توصیه می کنم.

#تمرین
#تست
#مهارت
#پایتون_برای_مالی

@python4finance

السَّلامُ عَلَیْکَ یا اَباعَبْدِاللَّهِ وَ عَلَی الاَْرْواحِ الَّتی حَلَّتْ بِفِناَّئِکَ عَلَیْکَ مِنّی سَلامُ اللَّهِ [اَبَداً] ما بَقیتُ وَ بَقِیَ اللَّیْلُ وَ النَّهارُ وَ لاجَعَلَهُ اللَّهُ آخِرَ الْعَهْدِ مِنّی لِزِیارَتِکُمْ اَلسَّلامُ عَلَی الْحُسَیْنِ وَ عَلی عَلِیِّ بْنِ الْحُسَیْنِ وَ عَلی اَوْلادِ الْحُسَیْنِ وَ عَلی اَصْحابِ الْحُسَیْنِ

@python4finance

مانایی (stationary) در سری های زمانی
تحلیل داده های سری زمانی، یکی از پرکاربردترین و درعین حال زیباترین مباحث در اقتصاد و مالی است. هم از این جهت که بیشتر داده های ما در طول زمان شکل می گیرند و هم از این جهت که قواعد نظام مندی برای تحلیل داده های سری زمانی وجود دارد.
برای استفاده از بیشتر مدل های تحلیل داده های سری شرط اصلی مانا بودن داده هاست. مانایی یا ایستایی (stationary) به معنای آن است که در طول زمان میانگین و واریانس داده ها یکسان باشد و البته کوواریانس هم تابعی از زمان نباشد. به عبارت دیگر لازم است اجزای تشکیل دهنده سری زمانی را با روش هایی از یکدیگر جدا کنیم.
برای تشخیص مانایی یک سری زمانی هم می توان از شکل استفاده کرد و هم می توان از مدل دیکی فولر کمک گرفت.
در تصویر این پست، یک سری زمانی مانا و سه سری زمانی نامانا نمایش داده شده است.
ان شاء الله در پست های آتی مطالب مفصلی را در خصوص سری های زمانی و نیز تحلیل آنها در پایتون تقدیم می کنم.

#مانایی
#سری_زمانی
#ایستایی
#دیکی_فولر
#پایتون_مالی
#آموزش پایتون

#stationary
#Time_series
#Dickey_Fuller
#python

مانا سازی داده ها
برای مانا سازی داده ها، در صورتی که داده ها دارای روند باشند، با روش هایی روند را از سری زمانی جدا می کنیم و یا اصطلاحا روند زدایی می کنیم. اگر داده ها از رفتار گام تصادفی پیروی کنند، معمولا از تفاضل گیری استفاده می کنیم. برای تفاضل گیری کافی است داده ها را یک زمان از یکدیگر کسر کنیم. آنقدر این کار را تکرار می کنیم،تا داده ها مانا شوند.
البته این روش یک اشکال بزرگ دارد و آن اینکه که با هر بار تفاضل گیری، یک ردیف از داده ها را از دست می دهیم. در صورتی که حجم داده ها زیاد باشد این موضوع مسئله مهمی نیست اما در صورتی که حجم داده ها کم باشد، ممکن است در تحلیل های آتی دچار مشکل شویم.
در تصویر این پست، یک مثال ساده از تفاضل گیری نمایش داده شده است. در مثال بعدی، با داده های واقعی در پایتون موضوع را بررسی می کنیم.
#مانایی
#تفاضل_گیری
#سری_زمانی
#ایستایی
#دیکی_فولر
#پایتون_مالی
#آموزش پایتون

#stationary
#Difference
#Time_series
#Dickey_Fuller
#python