بخشی از نظرات دانشپذیرانی که در دوره های مدلسازی مالی با پایتون دانشگاه الزهرا(س) شرکت کرده اند.
ممنون از حس خوبی که منتقل کردید.🌹🌹🌹

پایتون برای مالی در تلگرام
www.tg-me.com/python4finance

تبدیل رشته به عدد با ویرگول اضافه
تبدیل رشته به عدد را همه ما بارها و بارها استفاده کرده ایم. برای تبدیل یک عدد با فرمت رشته ای به فرمت عددی از تابع int استفاه می کنیم. اما گاهی پیش می آید که عدد با ویرگول به صورت سه رقم سه رقم جدا شده است. برای این منظور یکبار از تابع replace استفاده و بعد مجدد با int عملیات کست را انجام می دهیم.


پایتون برای مالی در تلگرام
www.tg-me.com/python4finance

ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 4

قبلا در پست نسخه 1 و پست نسخه 2 و پست نسخه 3 در خصوص شیوه دریافت اطلاعات از بورس تهران و ماژول TseModule صحبت کرده بودم.
تغییرات این نسخه عبارتند از:
1️⃣ با استفاده از تابع help می توانید راهنمای ماژول را درون برنامه مشاهده نمایید.
2️⃣ شیوه دریافت اطلاعات باز هم بهینه شده است.
3️⃣ تابع stocklist برای نمایش نام نمادها اضافه شده است.
4️⃣در این ورژن امکان استفاده تمام اطلاعات نماد وجود دارد.

✅این ماژول برای کارهای آموزشی نوشته شده است و هدف آن رعایت سادگی و خوانایی برای علاقه مندان است در عین اینکه برای کارهای تجاری هم قابل استفاده است.
✅اگر با شیوه فراخوانی ماژول آشنا نیستید، پست های قبلی را مشاهده بفرمایید.
برای استفاده لازم است تابع زیر را فراخوانی کنید:
stock(stockname="",value=100,newfile=False)
نام نماد: stockname
تعداد روزهای فراخوانی شده: value
فایل جدید: newfile (اگر این مقدار برابر با True باشد، فایل جدید دانلود شده و فایل های قبلی نادیده گرفته می شود)
#tsemodule

@python4finance

رسم نمودارهای مالی برای بازار ایران
قبلا در این پست، طریق رسم انواع نمودارهای مالی مانند OHLC، Candle و ... را با استفاده از کتابخانه mplfinance توضیح داده بودم.
خیلی از دوستان، در خصوص رسم نمودارهای مالی برای بازار ایران سوال پرسیده بودند. برای این کار کافی است نام ستون ها را به نام های استاندارد تبدیل کنیم.
در مثال این پست، اطلاعات 100 روز اخیر سهم شبندر با استفاده از ماژول tsemodule4 دریافت و رسم شده است.

#نمودارهای_مالی
#نمودار_کندل
#مدلسازی_مالی
#پایتون_مالی
#mplfinance
#tsemodule


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

حل دستگاه معادلات (چند معادله چند مجهول) در Numpy
یکی از روش های حل سیستم‌های معادلات خطی، استفاده از روش ماتریسی است به این صورت که ضرایب متغیرها را در یک ماتریس و نتیجه را در ماتریس دیگر می نویسیم و به وسیله جبر ماتریس ها، متغیرها را محاسبه می کنیم.
در مثال این پست، یک دستگاه معادلات با سه متغیر و سه مجهول توسط Numpy حل شده است.

#دستگاه معادلات
#معادلات خطی
#مدلسازی_مالی
#پایتون_مالی
#Numpy



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

به بهانه تولد 2 سالگی کانال و 6 هزارتایی شدن
تقریبا اواخر مرداد 98 بود که نوشتن در کانال python4finance رو شروع کردم. هدفم به اشتراک گذاشتن دانشی بود که فکر می کردم شاید برای دیگران نیز مفید باشد. در این مدت عزیزان زیادی با پیام های پر مهر خود انگیزه بخشیدند و دوستان زیادی به دایره دوستانم اضافه شد.
خدای متعال را به خاطر این نعمت شاکرم و از همه شما عزیزانی که در جمع دنبال کنندگان کانال هستید صمیمانه تشکر می کنم.
ارادتمند شما: محمدصادق کریمی مهرآبادی

معرفی کتاب «دستور العمل تمیزکردن داده ها» به انگلیسی «Python Data Cleaning Cookbook»

داده مهمترین دارایی ما در دنیای اطلاعات است و دریافت داده و پاکسازی آن اولین قدم در مدلسازی و ارائه تحلیل است.
در این کتاب کلیه فرآیندهای تبدیل داده های کثیف به داده های قابل استفاده در مدلسازی را به زبان پایتون توضیح داده می شود.
دانستن موضوعات این کتاب برای همه علاقه مندان علم داده و نیز مدلسازی مالی ضروری است.

#معرفی_کتاب
#تمیز_کردن_داده_ها
#داده_های_کثیف
#پایتون_مالی

#Data_cleaning

www.tg-me.com/python4finance

دانلود کتاب «دستور العمل تمیزکردن داده ها» به انگلیسی «Python Data Cleaning Cookbook»

#معرفی_کتاب
#تمیز_کردن_داده_ها
#داده_های_کثیف
#پایتون_مالی

#Data_cleaning

www.tg-me.com/python4finance

بهینه یابی خطی اینبار با PuLP
در پست های قبل در خصوص بهینه یابی با استفاده از کتابخانه Scipy صحبت کردیم. البته الگوریتم Scipy به گونه ای است که صرفا مسائل را از طریق minimize کردن حل می کند و برای حل مسائل حداکثر سازی باید به گونه ای مسئله را به حداقل سازی تبدیل کنیم.
یکی دیگر از کتابخانه های بسیار جالب برای حل مسائل بهینه یابی خطی کتابخانه PuLP است. این کتابخانه امکانات بسیار جالبی را برای حل مسائل بهینه یابی بدون قید و مقید در اختیار ما قرار می دهد.
در پست بعد یک مدل بهینه یابی مقید با استفاده از کتابخانه PuLP را با یکدیگر بررسی خواهیم کرد.
برای کسب اطلاعات بیشتر در این خصوص می توانید به صفحه گیت هاب این ماژول مراجعه فرمایید.
** پی نوشت: بهینه یابی یکی از پرکاربردترین روش های حل مسائل است و در مواردی مانند حداکثر سازی سود، حداقل کردن هزینه ها، انتخاب بهترین سبدسهام با استفاده مدل CAPM و ... استفاده می شود.

#بهینه_یابی
#بهینه سازی خطی
#پایتون_مالی
#optimization
#PuLP
#python_for_finance

عضویت در کانال 👇👇👇
تلگرام www.tg-me.com/python4finance
بله ble.ir/python4finance

9 الگوریتم اصلی یادگیری ماشین

#یادگیری_ماشین

عضویت در کانال 👇👇👇
تلگرام www.tg-me.com/python4finance
بله ble.ir/python4finance

بهینه یابی خطی اینبار با PuLP (بخش دوم)
شرکتی را در نظر بگیرید که 4 محصول x1، x2،x3 و x4 را تولید می کند. این شرکت می خواهد سود خود را بر اساس تابع تولید و نیز قیدهای داده شده حداکثر کند. حل مسئله با استفاده از PuLP به این صورت خواهد بود.
نتیجه جالب است! سود شما زمانی حداکثر می شود که از کالای 1، پنج عدد و از کالای 3 ، چهل و پنج عدد و سایر کالاها صفر عدد تولید شود.

#بهینه_یابی
#بهینه سازی خطی
#پایتون_مالی
#optimization
#PuLP
#python_for_finance

عضویت در کانال 👇👇👇
تلگرام www.tg-me.com/python4finance

➖ لینک های مهم

🔸کانال آپارت جهت مشاهده وبینارها و فایل های آموزشی
لینک
🔸 کتاب های معرفی شده در کانال
#معرفی_کتاب
🔸 اسلایدهای آموزشی ارائه شده در کانال
#اسلاید
🔸اینستاگرام:
لینک
🔸کانال در شبکه بله
(برای افرادی که در اتصال به تلگرام دچار مشکل می شوند):
لینک
🔸کلیپ های آموزشی
#ویدئو
🔸سوالات متداول
لینک

@python4finance

معرفی کتاب «پای اومو، مدلسازی بهینه یابی با پایتون » به انگلیسی «Pyomo-Optimization Modeling in Python»

چون اخیرا در کانال بحث از بهینه سازی داشتیم حیفم آمد این کتاب را خدمت شما معرفی نکنم. بهینه سازی خطی یا برنامه ریزی خطی یکی از اصلی ترین انواع مدلهایی است که برای نگارش پایان نامه ها و رساله ها مورد استفاده قرار می گیرد. در این کتاب ماژول Pyomo با جزئیات و مثال های مختلف معرفی می شود.


#معرفی_کتاب
#بهینه_یابی
#پایتون_مالی

#optimization
#linear_programming

www.tg-me.com/python4finance

دانلود کتاب «پای اومو، مدلسازی بهینه یابی با پایتون » به انگلیسی «Pyomo-Optimization Modeling in Python»


#معرفی_کتاب
#بهینه_یابی
#پایتون_مالی

#optimization
#linear_programming

www.tg-me.com/python4finance

تا قیامت نرود نقش تو از لوح ضمیر
حیرتم کشت، بگو این چه معماست حسین…

السلام علیک یا اباعبدالله
فررسیدن اربعین حسینی را خدمت شما عزیزان تسلیت عرض می کنم.
www.tg-me.com/python4finance

استاندارد سازی و نرمال سازی داده ها در پایتون
عموما در بیشتر مدلها نیازمند مقایسه داده های متغیرهای مختلف هستیم. برای مثال سهمی را در نظر بگیرید که در کانال 2000 تومان در حال معامله است و سهم دیگری در کانال 500 تومان. آیا می توان این دو داده را با یکدیگر مقایسه کرد؟ پاسخ منفی است چرا که این دو سهم به لحاظ مقیاس با یکدیگر برابر نیستند. استاندارد سازی داده‌ کمک می‌کند که اهمیت آن‌ها به واحد اندازه‌گیری‌شان بستگی نداشته باشد و میانگین آن‌ها صفر (μ=0) و انحراف معیار نیز برابر با واحد (σ=۱) شود.
یکی دیگر از روش‌های تغییر مقیاس، استفاده از روش نرمال‌سازی Min-Max است (نرمال‌سازی (Normalization)). به این ترتیب علاوه بر یکسان سازی مقیاس داده‌ها، کران‌های تغییر آن‌ها نیز در بازه [0,1] خواهد بود.
استانداردسازی و نرمال سازی یکی از مهمترین ابزارهای کار با داده ها خصوصا در مدلهای مقایسه ای است.
در پست بعد مثالی در این زمنیه را با هم بررسی خواهیم کرد.

#نرمال_سازی
#استاندارد_سازی
#پایتون_مالی
#Normalization
#standardize
#python_for_finance

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

استاندارد سازی و نرمال سازی داده ها در پایتون بخش دوم
در قسمت قبل در خصوص استاندارد سازی و نرمال سازی صحبت کردیم. استاندارد سازی و نرمال سازی در مدلهای یادگیری ماشین هم بسیار حائز اهمیت است.
با استفاده از کتابخانه sklearn به راحتی می توانیم عملیات استاندارد سازی و نرمال سازی و برعکس را انجام دهیم.
در مثال این پست یک دیتاست فرضی از 1 تا 100 درست می شود. یکبار استاندارد سازی شده و یکبار نرمال می شود و سپس با استفاده از matplotlib رسم هر سه دیتاست انجام می شود.

#نرمال_سازی
#استاندارد_سازی
#پایتون_مالی
#Normalization
#Standardize
#python_for_finance

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

مدل قیمت گذاری دارایی های سرمایه ای (CAPM)
یکی از روش های متداول برای مدل‌سازی میزان ریسک مالی است و رابطه میان ریسک سیستمی و بازده مورد انتظار یک دارایی را توضیح می‌دهد.
به بیان خیلی ساده، در این مدل سبدهای مختلفی از دارایی ها تشکیل می شود و از میان آنها یک سبددارایی با ریسک کم و بازده بالا انتخاب می شود.
مرز کارا (Efficient Frontier)، مجموعه ای از پورتفوی های بهینه ای است که بالاترین بازده مورد انتظار را در ازای یک سطح مشخص از ریسک، یا کمترین ریسک را برای یک سطح معین از بازده مورد انتظار ارائه می دهند. اوراق بهاداری که در زیر مرز کارا قرار دارند، بهینه نیستند. شما می ‌توانید با انتخاب هر پورتفوی دیگری که روی مرز کارا قرار می‌گیرد، میزان ریسکی را که مایل به پذیرش آن هستید را معین کنید.
در پست آینده، مرز کارا را برای دو سهم شبندر و ایران خودرو با استفاده از Tsemodule4 رسم خواهیم کرد.

#CAPM
#Efficient_Frontier

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