ضریب سورتینو (Sortino Ratio) چیست؟
ضریب شارپ و ضریب سورتینو هر دو شاخص هایی برای محاسبه بازده تعدیل شده بر اساس ریسک هستند. در ضریب شارپ ریسک به طور کلی در نظر گرفته می شود اما در سورتینو صرفا ریسک نامطلوب لحاظ می شود.
همانند نسبت شارپ هرچه نسبت سورتینو یک سرمایه گذاری بالاتر باشد مناسب تر خواهد بود.
در این ویدئوی آموزشی مفهوم ضریب سورتینو به زبان ساده توضیح داده می شود.
#سورتینو
#ریسک
#بازده
#مدلسازی_مالی
#پایتون_مالی
#ویدئو
#Sortino_Ratio
#python4finance


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

پیش ثبت نام برای دوره های سال 1401
طی سه سال گذشته افتخار این را داشتم که بیش از 1500 نفر از فعالان اقتصادی و بازار سرمایه را با دنیای علم داده و تحلیل اطلاعات با پایتون آشنا کنم. در این مسیر دوستان بسیار خوبی پیدا کردم و از این عزیزان نکات بسیار زیادی را هم فرا گرفتم.
ان شاء الله در سال آینده هم مانند سه سال قبل در خدمت عزیزان خواهم بود.
اگر علاقه مند به شرکت در این دوره ها هستید، با تکمیل کردن کردن فرم زیر در زمان ثبت دوره ها، اطلاعات ثبت نام برای شما ارسال خواهد شد.

🌐 لینک پیش ثبت نام

عناوین دوره ها:
➖ مدلسازی مالی مقدماتی با پایتون (پیشنیاز سایر دوره ها)
➖ مدلسازی مالی پیشرفته با پایتون
➖ الگوریتم تریدینگ با پایتون
➖ آمار و احتمال علم داده
➖ سری های زمانی با پایتون و کاربرد آن در صنعت مالی
➖ تحلیل‌گر داده های اقتصادی و مالی با پایتون
➖ یادگیری ماشین با پایتون
➖ دوره جامع علم داده و کاربرد آن در کسب وکار
➖ تحلیل ابزار مشتقه در پایتون
➖ تحلیل سبد سرمایه گذاری ارزهای دیجیتال در پایتون
➖ اقتصاد سنجی کاربردی با پایتون
➖ مروری بر داده های بزرگ اقتصادی در پایتون


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

معرفی کتاب «یادگیری ماشین برای مدیریت ریسک مالی در پایتون» به انگلیسی «Machine Learning for Financial Risk Management with Python»

انتشارات oreilly یکی از انتشاراتی است که قدم های خوبی را در بحث های نوین مالی برداشته است. البته به نظر من کتابهای این انتشارات به لحاظ رنکینگ در سطح اول قرار ندارد اما مشاهده رویکرد فنی حاکم برای این کتاب ها خالی از لطف نیست.
یکی از کتاب های جدید این انتشارات که در دسامبر 2021 منتشر شده است کتاب «یادگیری ماشین برای مدیریت ریسک مالی در پایتون» است. این کتاب در ده فصل ارائه شده است و مفاهیم مختلف ریسک را با استفاده از زبان پایتون تحلیل می کند.



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

دانلود کتاب «یادگیری ماشین برای مدیریت ریسک مالی در پایتون» به انگلیسی «Machine Learning for Financial Risk Management with Python»
آنچه در این کتاب می خوانید:
در فصل اول مفاهیم اصلی مدیریت ریسک برسی می شود.
فصل دوم به مفاهیم سری های زمانی می پردازد.
در فصل سوم مدلهای یادگیری عمیق برای سری های زمانی معرفی می شود.
فصل چهارم به پیش بینی تلاطم (volatility) اختصاص دارد.
در فصل پنجم به کمک مدلهای یاگیری ماشین، کارایی مدلهای ریسک سنتی بهبود می یابد.
در فصل ششم تلاش شده است تا رویکرد جامع یادگیری ماشین برای تخمین ریسک اعتباری معرفی شود.
فصل هفتم به معرفی مدل (Gaussian Mixture) برای نقدینگی می پردازد.
فصل هشتم ریسک عملیاتی را پوشش می دهد.
فصل نهم هم ریسک حاکمیت شرکتی را بررسی می کند.
و نهایتا در فصل دهم از داده های مصنوعی برای برآورد ریسک های مالی مختلف استفاده می شود.

پی نوشت: از تاخیر زیادی که این مدت در ارائه محتوا پیش آمد پوزش می خواهم و از عزیزانی که پیگیر این موضوع بودند متشکرم. ان شاء الله با سبک تر شدن حجم کارهای پایان سال بیشتر فعال خواهم بود 🤲.

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

مفهوم YTD چیست؟
در بسیاری از ماژول‌های تحلیل و بک تست عبارت 1Year و YTD را در کنار هم می بینیم. در واقع YTD یا Year to Date به معنای محاسبه شاخص مورد نظر شما از ابتدای سال مالی جاری تا امروز است. برای مثال اگر شما بازده یک سهم را در نظر بگیرید بازده یکساله با 1Y و بازده از ابتدای سال مالی تا امروز با YTD نمایش داده می شود. عموما تحلیل گران و مدیران صنایع، برای مقایسه عملکرد شرکت با مدت زمان مشابه سال قبل از YTD استفاده می کنند. البته YTD می تواند گمراه کننده هم باشد خصوصا زمانی که از ابتدای سال زمان زیادی نگذشته باشد.

#مدلسازی_مالی
#پایتون_مالی

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

نرخ رشد مرکب سالانه (CAGR)
معمولا برای محاسبه میزان بازدهی یک دارایی در طول زمان بسته به نیاز، از معیارهای مختلفی مانند نرخ بازده ساده، نرخ بازده لگاریتمی، میانگین حسابی، میانگین هندسی و ... استفاده می شود. یکی دیگر از معیارهای مقایسه بازدهی متوسط، میانگین نرخ رشد سالانه یا (CAGR) : Compound annual growth rate یک سرمایه‌گذاری است که در دوره‌های طولانی‌تر از یک سال انجام می‌پذیرد. از CAGR عموما برای مقایسه سرمایه‌گذاری های مختلف با یکدیگر استفاده می‌شود. برای محاسبه CAGR، نسبت ارزش سرمایه‌گذاری در پایان دوره به اول دوره‌ محاسبه می‌شود. س‍پس این نسبت به توان معکوس سال‌های سرمایه‌گذاری می‌رسد و در انتها مقدار ۱ از آن کسر می‌گردد.
در تصویر این پست مثالی برای محاسبه CAGR قرارداده شده است.

#بازده
#نرخ_رشد
#مدلسازی_مالی
#پایتون_مالی
#CAGR

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

سال نو مبارک.
برایتان سالی سرشار از موفقیت، بهروزی و تندرستی آرزومندم.
ارادتمند شما- محمدصادق کریمی

محاسبه همبستگی بازده چند سهم با ffn
یکی از بهترین ماژول‌های پایتون برای تحلیل گران مالی، ماژول ffn است. در واقع ماژول BT که برای بک تست استفاده می شود بر اساس این ماژول نوشته شده است.
در مثال این پست، بازده 4 سهم اپل، مایکروسافت، متا(فیسبوک) و گوگل محاسبه و نمودار همبستگی آن رسم می شود. کل این فرآیند تنها در 6 خط انجام شده است.

#بازده
#همبستگی
#پایتون_مالی
#بک_تست
#backtest
#ffn

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

برنامه نویسی غیر همزمان یا Asynchronous در پایتون (بخش اول)

یکی از امکانات بسیار جالبی که از پایتون 3.7 به بعد اضافه شده است، برنامه نویسی غیر همزمان است.
فرض کنید به عنوان یک معامله گر می‌خواهیم اطلاعات مربوط به 100 سهم را از tsetmc دریافت کنیم و برای اطمینان همان اطلاعات را از منبع دیگری مثلا fipiran دریافت و اطلاعات را با هم تطبیق دهیم.
در حالت عادی لازم است تا اطلاعات مربوطه از tsetmc دریافت شود (این عمل برای حجم زیاد داده ممکن چندین ثانیه طول بکشد و ممکن است به دلیل کندی اینترنت یا دلایل دیگر بیشتر هم شود) و بعد مجددا همین زمان برای fipiran هم طی می شود. به کمک برنامه نویسی غیرهمزمان می توان این کار را همزمان انجام داد و زمان انجام کارها را تا حد زیادی پایین آورد.
این موضوع وقتی برنامه شما تعداد زیادی request داشته باشد بیش از پیش حائز اهمیت می شود.
در پست بعد، یک مثال در خصوص برنامه نویسی غیر همزمان را با هم بررسی خواهیم کرد.

#برنامه_نویسی_غیر_همزمان
#پایتون_مالی

#Async_Features
#Asynchronous_programming

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

بعضی پیام ها اینقدر زیبا هستند که ارزش چندین و چند باره خواندن را دارند. از تمام دوستان بزرگواری که با پیام های پر از مهر و محبت خود انرژی ویژه ای می دهند صمیمانه تشکر می کنم.
#پیام
عضویت در کانال پایتون برای مالی👇👇👇
🆔 www.tg-me.com/python4finance

برنامه نویسی غیر همزمان یا Asynchronous در پایتون (بخش دوم)

برای انجام دو کار به صورت غیر همزمان باید آنها را به عنوان تابع تعریف کنیم. برای تعریف یک تابع برای اجرای غیرهمزمان از کلمه کلیدی async در تعریف تابع استفاده می کنیم. کلمه await هم برای فراخوانی یک تابع غیر همزمان است.
خیلی بحث را پیچیده نکنیم و با یک مثال مفهوم را بررسی کنیم.
در مثال این پست یک تابع تعریف شده که عمل چاپ دو کمله one و two را انجام می دهد. چاپ این دو کلمه در یک تابع است و در حالت عادی، تابع زمانی که شروع می شود از ابتدا تا انتهای دستورات را انجام می دهد. اما می خواهیم تاخیری که در چاپ کلمه two وجود دارد روی عملکرد باقی تابع تاثیر نگذارد.
خروجی بسیار جالب است.

#برنامه_نویسی_غیر_همزمان
#پایتون_مالی

#Async_Features
#Asynchronous_programming

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

نمایش مقادیر متغیرها و توابع به صورت زنده بدون اجرای برنامه

قبلا در این پست در خصوص استفاده از vscode به عنوان یک IDE همه چیز تمام برای برنامه نویسی پایتون صحبت کرده بودیم.
شاید مهمترین مزیت vscode امکان استفاده از افزونه‎ها (extention) برای افزایش قابلیت های vscode است. یکی از این افزونه های جالب، افزونه Python Preview است. به کمک این افزونه می توانید بدون اجرای برنامه و در زمان کد نویسی مقادیر متغیرها و توابع را به صورت زنده مشاهده کنید.
کافیست در بخش افزونه ها عبارت Python Preview را جستجو و افزونه را نصب کنید. بعد از بالای صفحه سمت راست بر روی دکمه open preview کلیک کنید.

#پیش_نمایش_زنده
#پایتون
#پایتون_مالی
#IDE
#Vscode
#Python_Preview

@python4finance

جولیا یکی از زبان های متداول علم داده است و با وجود نوپا بودن، توجه افراد زیادی را به خود جذب کرده است.
هدف این زبان، حفظ سادگی و زیبایی پایتون در عین سرعت و قدرت C است. خیلی ها معتقدند، چند سال بعد، جولیا رقیب اصلی پایتون در علم داده است.

اگر شما هم علاقه مند به یادگیری دانش آینده هستید، فرصت را از دست ندهید و همین الان در کانال آموزشی جولیا برای مالی عضو شوید.

عضویت در کانال 👇👇👇
www.tg-me.com/julia4finance

تابع محاسبه CAGR
در خصوص نرخ رشد مرکب سالانه در این پست مفصل صحبت کردیم. در واقع CAGR یکی از معیارهای مهم بررسی بازده یک سرمایه گذاری است و در محاسبات بک تست بسیار پر کاربرد است.
در تصویر این پست یک تابع نمونه برای محاسبه CAGR نوشته شده است.

#بازده
#نرخ_رشد
#مدلسازی_مالی
#پایتون_مالی
#CAGR

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

محاسبه بازده ماهیانه سهم
قبلا در این پست در خصوص شیوه تغییر تایم فریم داده ها صحبت کردیم. فرض کنید داده های مربوط به یک سهم را به صورت روزانه داریم و می خواهیم بازدهی ماهیانه آن را محاسبه کنیم. یک راه بسیار ساده استفاده از تایع resample است. به کمک این تابع می توانیم قاب زمانی داده ها را متناسب با نیاز خود تغییر دهیم.
در مثال این پست، اطلاعات سه سهم دریافت شده و بازدهی ماهیانه آنها محاسبه و رسم می شود.
بازه های زمانی متداول در resample عبارتند از:
B business day frequency
D calendar day frequency
W weekly frequency
M month end frequency
BM business month end frequency
MS month start frequency
BMS business month start frequency
Q quarter end frequency
BQ business quarter endfrequency
QS quarter start frequency
BQS business quarter start frequency
A year end frequency
BA business year end frequency
BAS business year start frequency
H hourly frequency
T minutely frequency

#بازده
#تایم_فریم

#پایتون_مالی
#resample
#freq

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

حجم داده‌ها، شاید مهترین عامل در کیفیت مدل باشد. عموما هر چقدر تعداد داده های بیشتری در دسترس باشد، مدل، با دقت بیشتری تخمین زده می شود و بازنمایی بهتری از واقعیت خواهد داشت.

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

مهارت های پایتون خود را با چالش های برنامه نویسی محک بزنید و نکات جدید بیاموزید.

- یادگیری پایتون با حل مثال های متنوع
- مشاهده کدهای مختلف برای یادگیری الگوهای برنامه نویسی
- آشنایی با جامعه برنامه نویسان پایتون

عضویت در کانال چالش های پایتون:
🌐 https://www.tg-me.com/joinchat-ShPXE4sMCpg5ZWQ0

به روزرسانی یکجای همه ماژول های Python
یکی از مسائلی که همه ما معمولا با آن مواجه هستیم بحث به روز رسانی ماژول های پایتون در مقاطع مختلف است. این مسئله زمانی مهمتر می شود که مدتی از نصب ماژول ها گذشته باشد و بیشتر ماژول ها نسخه های جدیدی را ارائه کرده باشند که به روزرسانی تک تک ماژول ها زمان زیادی را از شما خواهد گرفت.
یکی از راه حل های جالب برای این موضوع این است که خط فرمان را باز کنید (همان CMD در ویندوز یا ترمینال در LInux) و دستورات زیر را در آن اجرا کنید:
pip freeze > requirements.txt
pip install -r requirements.txt --upgrade
و تمام.
#ماژول
#پایتون_مالی

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

از کدام مدل استفاده کنیم؟ یادگیری ماشین یا یادگیری عمیق؟
یکی از سوالات متداولی که علی الخصوص برای دانشجویان در حین انتخاب موضوع پایان نامه یا رساله ایجاد می شود این است که من برای مدلسازی از کدام استفاده کنم؟ یادگیری ماشین یا یادگیری عمیق.
این سوال را می توان از ابعاد مختلف بررسی کرد. اما قبل از آن:
➖ یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است که بر ساختار لایه‌ای الگوریتم‌هایی موسوم به شبکه‌ی عصبی مصنوعی کار می کند.
حالا پاسخ سوال:
در مدل های یادگیری ماشین عموما انتخاب خصوصیات ( features) توسط یک فرد متخصص انجام می شود و لایه انسانی همچنان در کارکرد مدل موثر است درحالی‌که یک الگوریتم یادگیری عمیق ویژگی‌ها را به‌طور خودکار استخراج می‌کند و از خطاهای موجود در خروجی برای بهبود خود استفاده می‌کند. اما نکته حائز اهمیت اینجاست که مدلهای یادگیری ماشین عموما برای داده های با حجم کوچک بسیار خوب هستتند و از دقت بالایی برخوردارند اما برای داده های بزرگ عموما مدلهای یادگیری عمیق دقت و عملکرد بهتری دارند. پس معیار شما حجم داده ها خواهد بود.

#یادگیری ماشین
#یادگیری عمیق

پایتون برای مالی در تلگرام
🆔 @python4finance