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

مانا سازی داده ها (مثال)
در مثال این پست، اطلاعات مربوط به شاخص S&P500 دریافت و رسم می شود. سپس با استفاده از روش تفاضل گیری داده ها مانا شده و مجددا رسم می شوند.

#مانایی
#تفاضل_گیری
#سری_زمانی
#ایستایی
#پایتون_مالی
#آموزش_پایتون

#stationary
#Difference
#Time_series
#python

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 مانایی داده ها اینبار با آزمون دیکی فولر
آزمون دیکی فولر(Dickey-Fuller) یکی از آزمون های متداول برای بررسی آزمون ریشه واحد و مانایی داده هاست.
فرض H0 این است که داده ها مانا نیستند و برای رد فرض صفر، لازم است که مقدار P-value کمتر از 0.05 باشد. به زبان ساده تر بعد از آزمون دیکی فولر اگر مقدار P-value کمتر از 0.05 شد به معنای آن است که داده ها مانا هستند.
در مثال پست قبل با استفاده از تفاضل گیری، داده های شاخص s&p را مانا کردیم و در شکل نمایش دادیم. در این پست با استفاده از آزمون دیکی فولر این بررسی را انجام می دهیم. همانطور که در نتیجه آزمون مشخص است، بعد از تفاضل گیری، داده مانا شده است.
ان شاء الله در پست های آتی در خصوص پیش بینی داده های مالی (مانند شاخص، قیمت سهم و ...) از طریق سری های زمانی صحبت خواهیم کرد.

#سری_زمانی
#مانایی
#دیکی_فولر
#پایتون مالی
#Dickey_Fuller

عضویت در کانال 👇👇👇

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

معرفی کتاب «معاملات مالی با پایتون؛ یک راهنمای کاربردی برای استفاده از Zipline و سایر کتابخانه های پایتون برای استراتژی های معاملاتی بک تستینگ» به انگلیسی «Financial Trading with Python: A practical guide to using Zipline and other Python libraries for backtesting trading strategies»

اهمیت معاملات الگوریتمی بر کسی پوشیده نیست. در توضیح این کتاب آمده است: معاملات الگوریتمی به شما کمک می کند تا با تدوین استراتژی های مبتنی بر تحلیل کمی برای کسب سود و کاهش ضرر، از بازارها جلوتر باشید.
این کتاب را به عنوان منبع تکمیلی برای علاقه مندان این حوزه توصیه می کنم. (برای شروع کتاب های بهتری هم هستند که قبلا در کانال معرفی کردم و با جستجوی #معرفی_کتاب در کانال می توانید از آن ها استفاده کنید)
پی نوشت: اگر علاقه مند به آشنایی بیشتر با معاملات الگوریتمی هستید، ویدئوهای وبینار کتاب معاملات الگوریتمی (لینک) را می توانید مشاهده بفرمایید.


#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی

#Algorithmic_trading

@python4finance

دانلود کتاب «معاملات مالی با پایتون؛ یک راهنمای کاربردی برای استفاده از Zipline و سایر کتابخانه های پایتون برای استراتژی های معاملاتی بک تستینگ» به انگلیسی «Financial Trading with Python: A practical guide to using Zipline and other Python libraries for backtesting trading strategies»


#معرفی_کتاب
#معاملات_الگوریتمی
#پایتون_مالی

#Algorithmic_trading

@python4finance

دانلود فایل برنامه های همراه کتاب «Financial Trading with Python»

همچنین برای مشاهده صفحه این کتاب در گیت هاب از این لینک استفاده نمایید.

#معرفی_کتاب
#سورس_کد
#معاملات_الگوریتمی
#پایتون_مالی

#Algorithmic_trading

@python4finance