مروی بر توزیع های متداول آماری
در اقتصاد و مالی عموما با داده های تصادفی روبرو هستیم. اگر بتوانیم این داده های تصادفی را در قالب توزیع های متداول آماری قرار دهیم، تبیین و تحلیل آنها بسیار ساده می شود. در چند پست آتی سعی می کنم مطالبی را در خصوص توزیع های مهم آماری علی الخصوص توزیع نرمال قرار دهم. از آنجایی که فرض خیلی از مدلهای اقتصادی و مالی وجود نرمالیتی داده هاست، شناخت توزیع نرمال به شناخت ماهیت مدلها کمک شایانی خواهد کرد.
خوشبختانه در پایتون ابزارهای زیادی برای کار با توزیع ها وجود دارد که در پست های آتی با هم این مطالب را مرور خواهیم کرد.

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

داده های بدون روند یا فرآیند نویز سفید (White noise):
گاهی اوقات داده ها، هیچ رفتار مشخصی از خود ندارند و احتمال رخداد همه اعضا، دقیقا برابر است.
در پردازش سیگنال، نویز سفید به سیگنالی گفته می‌شود که توان آن به‌طور یکنواخت در همه فرکانس‌ها توزیع شده‌ باشد (درست مانند نور سفید که همه طیف های رنگی در آن به صورت یکسان وجود دارد و به هیچ طیف رنگی متمایل نیست).
یک مثال بسیار خوب از فرآیند وایت نویز، صفحات برفک در تلویزیون های آنالوگ است (البته برای اونهایی که سنشون قد می ده😊)
در این نوع توزیع هیچ روندی وجود ندارد، واریانس (sigma^2) ثابت است و داده ها هبستگی از خود نشان نمی دهند.
در مثال این پست یک فرآیند نویز سفید بررسی و رسم می شود.

#White_noise
پی نوشت: علم اقتصاد مفاهیم زیادی را از فیزیک گرفته است که ان شاء الله در زمان خود در این خصوص هم صحبت خواهیم کرد.

www.tg-me.com/python4finance

آشنایی با توزیع نرمال، و روش های نرمال سازی و استانداردسازی

در این اسلاید که مربوط به دوره آمار و احتمال علم داده است، مفهوم توزیع نرمال بررسی شده و با استفاده از پایتون، آزمون های نرمالیتی و روش های استانداردسازی و نرمال سازی بررسی می شود. مطالعه این اسلاید، به علاقه مندان آمار و نیز علاقه مندان یادگیری ماشین توصیه می شود.

#اسلاید
#آموزش
#توزیع_نرمال
#استاندارد_سازی
#نرمال_سازی

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

✅ پایتون برای مالی در بله
https://ble.ir/python4finance

میلاد پیامبر رحمت و مهربانی حضرت محمد مصطفی (ص) و امام صادق (ع) مبارک.

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

✅ پایتون برای مالی در بله
https://ble.ir/python4finance

معرفی کتاب «مقدمه ای بر فیزیک اقتصاد: رویکردهای معاصر با شبیه سازی پایتون» به انگلیسی «Introduction to Econophysics: Contemporary Approaches with Python Simulations»
فیزیک اقتصاد یکی از مکاتب رقیب اقتصادی است که نظریه هایی که در ابتدا در فیزیک توسعه پیدا کرده بودند مانند نااطیمنانی، فرآیندهای تصادفی و پویایی ها غیر خطی را برای حل مسائل اقتصادی به کار می برد. امروزه فیزیک اقتصاد در مسائل مالی نیز بسیار پرکاربرد شده است.
اگرچه استفاده از قواعد فیزیک در اقتصاد بسیار قدیمی است اما فیزیک اقتصاد به عنوان یک شاخه مطالعاتی، به نسبت جدید محسوب می شود. کتاب حاضر یکی از کتاب های پایه ای در این حیطه است. مطالب اقتصادی این کتاب در سطح مقدماتی است اما استفاده از ریاضیات و آمار و تئوری های فیزیک این کتاب را برای علاقه مندان جذاب کرده است.همچنین کلیه مثال های کتاب در زبان پایتون برنامه نویسی شده است.
#معرفی_کتاب
#فیزیک_اقتصاد
#Econophysics

www.tg-me.com/python4finance

کتابخانه Streamlit ، یک کتابخانه بسیار عالی برای تحویل پروژه ها در قالب وبسایت
یکی از بهترین روش های منتشر کردن پروژه ها، انتشار آنها در قالب وبسایت است. این روش علاوه بر اینکه بسیار در تعاملی کردن خروجی نهایی موثر است، روشی استاندارد برای مشاهده خروجی روی سیستم های مختلف است. پیش از این، توسعه وب سایت مترادف با Flask یا django بود. اما خوشبختانه راه ساده تری هم وجود دارد، Streamlit !
این کتابخانه قدرتمند به شما این امکان را می دهد که خروجی نرم افزار خود را با چند دستور ساده به سایت های تعاملی تبدیل کنید. اگر علاقه مند به این ابزار شدید سری به سایت آن به نشانی streamlit.io بزنید. کار با این ماژول بسیار ساده است و راهنمای کاملی هم در سایت آن وجود دارد.

پی نوشت: من میزان کاربردی بودن پست ها را با تعداد قلب هایی که زیر آن قرار می گیرد تحلیل می‌کنم. در صورتی که تعداد قلب های زیر این پست به 500 رسید، یک آموزش تصویری برای آن خواهم ساخت. پس اگر به این موضوع علاقه مند هستید، معطل نکنید و روی علامت قلب کلیک کنید.


www.tg-me.com/python4finance

اول آبان ماه در تقویم کشورمان روز ملی آمار و برنامه ریزی نام گذاری شده است. دسترسی به آمار (اطلاعات) صحیح و به روز مهمترین زیرساخت برای اخذ تصمیات بهینه است.
به نظر من یادگیری آمار و مدلسازی داده ها، امروز مهمترین نیازمندی دانشجویان رشته های اقتصاد و مدیریت است.

www.tg-me.com/python4finance

پایتون پرسرعت تر از همیشه
نگاهی به ویژگی ها و امکانات پایتون 3.11

چند هفته‌ای است که نسخه 3.11 پایتون منتشر شده است. پایتون محبوب ترین زبان برنامه نویسی علی الخصوص برای غیرمهندسین رایانه است. علی رغم تمام خوبیهای پایتون، یکی از انتقادات کاربران سرعت پایین آن به نسبت برخی زبان های برنامه نویسی دیگر است.
خوشبختانه این موضوع در اولویت توسعه دهندگان پایتون هم قرار گرفته و نسخه 3.11 با تغییرات محسوسی در سرعت ارائه شده است. به طور کلی در نسخه 3.11 بین 10 تا 60% در فرآیندهای پایتون بهبود سرعت ایجاد شده است و به طور متوسط پایتون، 1.25 برابر سریعتر شده است.
همچنین فرآیند بهبود خطایابی که از پایتون 3.10 شروع شده بود در این نسخه هم ادامه پیدا کرده است و علاوه بر خطی که خطا در آن اتفاق افتاده است مکان دقیق بروز خطا هم مشخص می شود.
البته توسعه امکانات پایتون محدود به اینها نیست و اگر به بررسی این موضوع علاقه مند بودید می توانید به سایت پایتون به این آدرس مراجعه نمایید.

#پایتون3.11
#ویژگی_جدید

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

معرفی کتاب «معرفی مشتقات مالی با پایتون» به انگلیسی «Introduction to Financial Derivatives with Python»
ابزارهای مشتقه یا به اختصار مشتقات مالی (Financial Derivatives) از جمله ابزارهای جدید مالی هستند که در بازارهای توسعه یافته مالی بسیار متداول هستند. این ابزارها عموما با هدف پوشش ریسک (Hedge or to mitigate risk) ، ایجاد ضریب اهرمی (leverage)، باز شدن دست طرفین قرارداد با ایجاد شرایط در معامله، کسب سود (Speculate) و ... ایجاد شده اند و نقش بسیار مهمی در دینای امروز ایفا می کنند.
قبلا در این پست کتاب دیگری را برای آشنایی با ابزار مشتقه معرفی کرده بودم. کتاب دیگری که در این پست معرفی می کنم یک کتاب خوب و البته ساده برای افرادی است که می خواهند استفاده از این ابزارهای مهم و البته جذاب را با پایتون تجربه کنند.

#پایتون_مالی
#معرفی_کتاب
#ابزار_مشتقه


#Financial_Derivatives

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

دانلود کتاب «معرفی مشتقات مالی با پایتون» به انگلیسی «Introduction to Financial Derivatives with Python»

#پایتون_مالی
#معرفی_کتاب
#ابزار_مشتقه


#Financial_Derivatives

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

آشنایی با Grafana یکی از بهترین داشبوردها برای مصورسازی سری های زمانی -2

در گرافانا داده ها به صورت زنده در قالب نمودارهای مختلف در قالب HTML به تصویر کشیده می شوند و امکان تغییر بازه های زمانی و به روزرسانی نمودار به صورت کاملا کاربرپسند فراهم شده است.
خوشبختانه امکان اتصال پایتون به این داشبورد بسیار کاربردی وجود دارد و می توان منبع داده های مورد نظر را به راحتی به گرافانا متصل کرد و تغییرات را در آن اعمال کرد. با توجه به ماهیت داده های سری زمانی اقتصادی و مالی، گرافانا می تواند ابزار بسیار مهمی برای ایجاد داشبوردهای تخصصی و زنده باشد. البته گرافانا فقط مخصوص بازارهای مالی نیست و در پروژه های مهم فناوری اطلاعات مانند IOT و ... به صورت گسترده استفاده می شود.
اگر به این داشبورد پر کاربرد علاقه‌مند شدید سری به سایت آن به نشانی grafana.com بزنید.

پی نوشت: معمولا در پروژه های سری زمانی؛ به جای دیتابیس های متداول رابطه ای از دیتابیس های مخصوص سری زمانی مانند influxDB استفاده می شود که در پست های آتی به آن خواهیم پرداخت.

#سری_زمانی
#گرافانا
#Grafana


کانال پایتون برای مالی
🆔 @python4finance

مشاهده نرخ بهره بدون ریسک ایالات متحده در 12 سال اخیر
یکی از معیار های مهم برای محاسبه شاخص های ارزیابی عملکرد دارایی ها (مانند ضریب شارپ و ...)، بازده بدون ریسک است. بازده بدون ریسک از این جهت حائز اهیمت است که کلیه سرمایه گذاری ها با آن سنجیده می شود و همیشه نرخ تورم از آن بالاتر است!
معمولا در کشورها، اوراق خزانه یکساله دولتی به عنوان نرخ بازده بدون ریسک در نظر گرفته می شود.
در مثال این پست، نرخ بهره اوراق خزانه یکساله با استفاده از منبع داده FRED دریافت و رسم شده است. FRED یکی از بهترین و قابل اعتمادترین شاخص ها برای دریافت داده های اقتصاد کلان است.
بر اساس داده‌های دریافتی، تورم این مدت آمریکا در 12 سال اخیر بی سابقه بوده است.
برای مشاهده لینک داده ها، به این آدرس مراجعه نمایید.

#سری_زمانی
#نرخ_بهره_بدون_ریسک
#FRED


کانال پایتون برای مالی
🆔 @python4finance

رسم نمودار stacked bar
نمودارهای میله ای یکی از متداولترین نوع نمودارها در داشبوردها و گزارشات تحلیلی هستند. اگر به جای نمایش عناوین در میله های کنارهم، آنها را در طول هم قرار دهیم، stacked bar نامیده می شود. stacked bar برای مقایسه مقدار کل و مقدار هر عنصر به صورت همزمان بسیار کارآمد است.
در مثال این پست، تعداد دانشجویان دختر و پسر در 4کلاس آموزشی در یک نمودار نمایش داده می شود.

#نمودار_میله_ای
#رسم_نمودار
#پایتون_مالی
#stacked_bar


کانال پایتون برای مالی
🆔 @python4finance

پادکست «یادگیری ماشین به زبان عامیانه». مقدمه
خیلی وقت بود می خواستم در خصوص یادگیری ماشین، یک سلسله پادکست هایی را برای مخاطبین عزیز آماده کنم. خوشبختانه دیروز فرصتی حاصل شد و توانستم اولین جلسه رو ضبط کنم.
هدف از این پادکست ها معرفی یادگیری ماشین و روش های آن و همچنین مثال های مختلف در حوزه اقتصاد و مالی برای افرادی که تازه می خواهند با این فضا آشنا شوند.
سعی می کنم هر فایل بین 5 تا 10 دقیقه باشد که به راحتی و در زمان های آزاد قابل استفاده باشد.
اگر به نظر شما این پادکستها مفید بود ممنون می شوم که با دیگران هم به اشتراک بگذارید.

#پادکست
#یادگیری_ماشین

@python4finance

پادکست «یادگیری ماشین به زبان عامیانه». مقدمه

#پادکست
#یادگیری_ماشین

@python4finance

معرفی کتاب «اقتصاد سنجی با یادگیری ماشین» به انگلیسی «Econometrics with Machine Learning»

کتاب حاضر به صورت ویژه ارتباط اقتصاد سنجی و یادگیری ماشین را با ذکر مثال های متنوعی بررسی می کند.
این کتاب،شش سوال اصلی را طرح کرده و به آنها پاسخ می‌دهد:
1) شباهت‌های بین تکنیک‌های اقتصادسنجی و یادگیری ماشینی چیست؟
2) تکنیک های یادگیری ماشین تا چه حد می توانند به بررسی اقتصاد سنجی کمک کنند؟
3) آیا تکنیک‌های یادگیری ماشینی می‌توانند به آزمایش فرضیه‌های آماری و شناسایی روابط علی در «داده‌های بزرگ» کمک کنند؟
4) چگونه می توان تکنیک های اقتصاد سنجی موجود را با ترکیب مفاهیم یادگیری ماشین گسترش داد؟
5) چگونه می توان ابزارها و رویکردهای جدید اقتصادسنجی را بر اساس تکنیک های یادگیری ماشین شرح داد؟
6) آیا می توان تکنیک های یادگیری ماشینی را بیشتر توسعه داد و آنها را با سهولت بیشتری در اقتصاد سنجی به کار برد؟

#معرفی_کتاب
#اقتصاد_سنجی
#یادگیری_ماشین

#Econometrics
#Machine_Learning

پایتون برای مالی در تلگرام
🆔 @python4finance