چالش:
به نظر شما آیا Python بهترین زبان برای تحلیل های مالی و اقتصادی است؟ چرا؟

پاسخ خود را از طریق کانال چالش ها در ذیل چالش 16 درج نمایید. (این لینک)

پایتون برای مالی:
@python4finance

ثبت نام سی و سومین دوره مدلسازی مالی با python مقدماتی
📌 سرفصل:
➖آموزش مبانی برنامه نویسی به زبان پایتون
➖آموزش مبانی مدلسازی مالی
➖معادله نویسی در پایتون
➖مصورسازی داده ها
➖مبانی آمار توصیفی
➖ارزش زمانی پول
➖بهینه سازی
➖محاسبه بازده و ریسک سهم
➖نوسان، نوسان ضمنی، مدلهای ARCH و GARCH
➖بررسی موردی بازار سرمایه ایران

📌اطلاعات دوره :
➖مدرس: دکتر محمد صادق کریمی مهرآبادی
➖طول دوره :16 ساعت
➖زمان: 13،14،15،16 اردیبهشت ماه از ساعت 14 الی 18

✅شرکت برای عموم افراد (آقایان و خانم ها) آزاد است.

✅به شرکت کنندگان در پایان دوره گواهی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) اعطا خواهد شد.
✅ این دوره پیشنیاز ندارد و همه موارد در دوره گفته می شود.
✅ این دوره برای علاقه مندان جهت یادگیری مفاهیم مالی و اقتصادی با پایتون توصیه می شود.

اطلاعات بیشتر و ثبت نام:
🌐 vclc.alzahra.ac.ir


مرکز آموزش های آزاد و مجازی
www.tg-me.com/azvclc

طبق هماهنگی انجام شده با دانشگاه، کد تخفیف برای عزیزانی که فرم پیش ثبت نام را تکمیل کرده بودند ارسال شد.
پایتون برای مالی:
@python4finance

رسم نمودارها با مقیاس های مختلف در matplotlib
در matplotlib اگر بخواهیم دو نمودار که مقیاس های مختلفی دارند را روی یک نمودار رسم کنیم از twinx یا twiny استفاده می کنیم.
در مثال این پست یک نمودار با دو محور Y رسم شده است.

#نمودار
#مقیاس های مختلف
#matplotlib

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

الگوریتم های متداول یادگیری ماشین در یک نگاه

#یادگیری_ماشین
#machine_learning

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

ترکیب دیتافریم ها با یکدیگر (بخش اول)
یکی از پرکاربردترین کارهایی که با دیتافریم ها انجام می دهیم ترکیب آنهاست. به دست آوردن رکوردهای مشترک، رکوردهایی که فقط در یکی از دیتافریم ها وجود دارد و... از جمله کارهای مهمی است که در بررسی داده ها به آن نیاز پیدا خواهیم کرد.
شیوه های مختلفی برای ترکیب دیتافریم ها وجود دارد که مهمترین آنها عبارتند از:
شیوه inner : اگر بین ستون ها مقادیر قابل انطباقی وجود داشته باشد مقدار innerتمام ردیف ها را از هر دو جدول می گیرد.
شیوه left: این دستور تمام ردیف ها را از جدول سمت چپ انتخاب کرده و سپس ردیف های منطبق را از جدول سمت راست می گیرد.
شیوه right: این دستور تمام ردیف ها را از جدول سمت راست انتخاب کرده و سپس ردیف های منطبق را از جدول سمت چپ می گیرد.
شیوه outer: خروجی outer همه رکوردهایی که لزوما حتی شرایط تطابق برای رکوردهاش صادق نیست را نشان می دهد.
در پست بعد با یک مثال، بیشتر در این خصوص با هم صحبت خواهیم کرد.

#ترکیب
#دیتافریم
#merge
#join

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

ترکیب دیتافریم ها با یکدیگر (بخش دوم)
فرض کنید داده های مربوط به کاربران شامل نام و میزان کمیسیون فروش آنها را در یک جدول به نام users‌ ذخیره کرده ایم. در جدول دیگری به نام sales میزان فروش کاربران را ذخیره کرده ایم.
با استفاده از تابع join و مشخص کردن شیوه ترکیب توسط پارامتر how می توانید ادغام را انجام دهید.

#ترکیب
#دیتافریم
#merge
#join
#Pandas
#data_science

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

معرفی کتاب «40 الگوریتمی که هر برنامه نویسی باید بداند» به انگیسی «40 Algorithms Every Programmer Should Know»
شاید بتوان گفت که مهمترین قدم در حل یک مسئله انتخاب الگوریتم مناسب آن است. در واقع الگوریتم ها مجموعه قواعد برای انجام یکسری محاسبات برای حل یک مسئله هستند.
تفاوت یک برنامه نویس حرفه ای و یک برنامه نویس آماتور، انتخاب الگورتیم صحیح برای حل یک مسئله است. کیفیت بالای یک الگوریتم یعنی اینکه در پردازش از سرعت عملکرد بالاتری برخوردار باشد و نیز فشار محاسباتی کمتری را به پردازش گر تحمیل کند.
این کتاب توسط عمران احمد نوشته شده است. عمران احمد مدرس مورد تایید شرکت گوگل است و در زمینه یادگیری ماشین، یادگیری عمیق و ... تدریس می کند.
در این کتاب 40 الگوریتم متداولی که لازم است برنامه نویسان با آن آشنا باشند با مثال توضیح داده می شود.
سطح کتاب متوسط به بالاست و برای افرادی که سابقه برنامه نویسی داشته باشند بسیار مناسب است.

#معرفی_کتاب
#الگوریتم
#book

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

دانلود کتاب «40 الگوریتمی که هر برنامه نویسی باید بداند» به انگیسی «40 Algorithms Every Programmer Should Know»

#معرفی_کتاب
#الگوریتم
#book

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

جمع بندی مصورسازی داده ها با Matplotlib
مصور سازی اولین قدم و شاید اصلی ترین قدم در تحلیل داده هاست. اگرچه ماژول های زیادی برای رسم داده ها وجود دارد اما همچنان matplotlib یکی از بهترین و متداولترین ماژول های برای رسم داده ها در پایتون است.
در این فایل به صورت عملیاتی کلیه فرآیندهای رسم نمودار با matplotlib نمایش داده می شود.
پی نوشت: فایل را با فرمت html قرار دادم تا هم روی همه سیستم ها قابل نمایش باشد و هم دستورات به راحتی قابل کپی باشد.

#matplotlib
پایتون برای مالی:
@python4finance

سنجش نرمال بودن داده ها 1 (normality test)
در اقتصاد و مالی نرمال بودن داده های یک توزیع به سه دلیل بسیار حائز اهمیت است.
اول اینکه فرض می شود بسیاری از داده ها (مانند نرخ بازده) از توزیع نرمال پیروی می کنند.
دوم اینکه جزء خطا در بسیاری از مدل های اقتصاد سنجی نرمال در نظر گرفته می شود.
سوم اینکه برای کار با داده های نرمال، مدلهای بسیار زیادی وجود دارد.
یکی از متداولترین آزمون ها برای سنجش نرمال بودن یک توزیع آزمون شاپیرو -ویلک (Shapiro-Wilk) است. این آزمون دو مقدار w و p را باز می گرداند. فرض null این است که داده نرمال است بنابراین اگر مقدار P-Value بزرگتر از 0.05 باشد فرضیه صفر یعنی نرمال بودن تایید می شود.
در مثال این پست دو توزیع تصادفی ایجاد می شود و نرمال بودن در آنها بررسی می شود.
#نرمال
#شاپیرو -ویلک
#scipy
#normality_test
#Shapiro-Wilk

پایتون برای مالی
@python4finance

توضیحات آقای رسول بیک وردی از دانشپذیران شرکت کننده در دوره های
➖ مدلسازی مالی با پایتون مقدماتی
➖ مدلسازی مالی با پایتون پیشرفته
➖ معاملات الگوریتمی

#نظرات_شرکت_کنندگان

مرکز آموزش های آزاد و مجازی
www.tg-me.com/azvclc

توضیحات آقای عرفان اصغری از دانشپذیران شرکت کننده در دوره های
➖ مدلسازی مالی با پایتون مقدماتی
➖ مدلسازی مالی با پایتون پیشرفته
➖ معاملات الگوریتمی

#نظرات_شرکت_کنندگان

مرکز آموزش های آزاد و مجازی
www.tg-me.com/azvclc

سنجش نرمال بودن داده ها 2 (normality test)
یکی دیگر از آزمون هایی که برای سنجش نرمال بودن داده ها استفاده می شود آزمون اندرسون دارلینگ (Anderson-Darling) است. البته مزیت این آزمون این است که می تواند علاوه بر توزیع نرمال برای شناسایی سایر توزیع های متداول هم استفاده شود.
خروجی این آماره سه مقدار خواهد بود:
آماره آزمون اندرسون دارلینگ، مقادیر بحرانی و سطوح اطمینان متناظر آنها
همانطور که در تصویر این پست مشخص است برای سطح اطمینان 5% مقدار بحرانی 0.786 در نظر گرفته شده است که مقدار آماره مدل از این مقدار کمتر است. پس بنابراین فرضیه صفر که فرض نرمال بودن است در این مثال تایید می شود.
در پست های آتی در خصوص خواص توزیع نرمال و اهیمت آن در اقتصاد و مالی ان شاء الله مفصل صحبت خواهیم کرد.

#نرمال
#اندرسون_دارلینگ
#scipy
#normality_test
#Anderson-Darling

پایتون برای مالی
@python4finance

اَللّهُمَّ اَهْلَ الْکِبْرِیاَّءِ وَالْعَظَمَةِ وَاَهْلَ الْجُودِ وَالْجَبَرُوتِ
عید سعید فطر بر شما مبارک.
پایتون برای مالی
@python4finance

سنجش نرمال بودن داده ها 3 (normality test)
در ادامه پست های قبلی در خصوص نرمال بودن داده ها، عموما برای محاسبه نرمال بودن از دو آماره چولگی(skewness) و کشیدگی (kurtosis) هم استفاده می کنیم. به زبان ساده چولگی معیاری برای سنجش تقارن توزیع و کشیدگی معیاری برای مقایسه بلندی توزیع است. چولگی برای توزیع نرمال برابر صفر و کشیدگی برابر 3 است که برای راحتی کار از معیار کشیدگی مازاد (excess kurtosis) استفاده می کنیم که برابر صفر است.
در مثال این پست، بازده روزانه سهم اپل از ابتدای سال 2021 محاسبه شده و توزیع آن رسم شده و چولگی و کشیدگی آن محاسبه می شود.
چولگی مثبت به معنای چوله بودن توزیع به سمت راست و کشیدگی مثبت نشان دهنده کشیدگی بیشتر توزیع از حالت نرمال است.

#نرمال
#کشیدگی
#چولگی
#scipy
#kurtosis
#skewness

پایتون برای مالی
@python4finance

معرفی کتاب «مالی کمی با پایتون: راهنمای عملی برای مدیریت سرمایه گذاری، تجارت و مهندسی مالی » به انگلیسی «Quantitative Finance With Python: A Practical Guide to Investment Management, Trading and Financial Engineering »

تا کنون کتاب های زیادی را در خصوص تحلیل های کمی مالی با پایتون و مدلسازی مالی معرفی کرده ام. البته از آنجایی که احساس نویسندگان بر این بوده است که احتمالا متخصصین مالی آشنایی کمتری با علوم کامپیوتر و برنامه نویسی دارند عموما رویکرد غالب کتابها فنی است و تمرکز بیشتر به یادگیری برنامه نویسی معطوف شده است. در این کتاب بر خلاف سایر کتاب ها، تمرکز بیشتر بر بعد مالی قضیه است. نویسنده کتاب Chris Kelliher است که سابقه زیادی در مدیریت سبدهای سرمایه گذاری دارد و در دوره های ریاضیات مالی دانشگاه بوستون تدریس می کند.



#معرفی_کتاب
#مالی_کمی
#پایتون_مالی

#Quantitative_Finance
#Financial_Theory


www.tg-me.com/python4finance

دانلود کتاب «مالی کمی با پایتون: راهنمای عملی برای مدیریت سرمایه گذاری، تجارت و مهندسی مالی » به انگلیسی «Quantitative Finance With Python: A Practical Guide to Investment Management, Trading and Financial Engineering »



#معرفی_کتاب
#مالی_کمی
#پایتون_مالی

#Quantitative_Finance
#Financial_Theory


www.tg-me.com/python4finance