دانلود کتاب «برنامه نویسی پایتونیک: نکاتی برای تبدیل شدن به یک برنامه نویس بومی پایتون» به انگلیسی «Pythonic Programming: Tips for Becoming an Idiomatic Python Programmer»


سطح کتاب: #مقدماتی

#دانلود_کتاب
#برنامه_نویسی
#پایتونیک

#Programming
#Pythonic

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

از vscode به صورت آنلاین استفاده کنید!
قطعا vscode یکی از محبوبترین و بهترین ابزاری های توسعه یکپارچه نرم افزازها یا همان IDE است. قبلا در این پست ها (#Vscode) در خصوص استفاده از ویژال استودیو کد صحبت کرده بودیم. اخیرا مایکروسافت نسخه تحت وب این IDE محبوب را هم ارائه کرده است. برای مشاهده نسخه آنلاین وی اس کد ، به آدرس https://vscode.dev/?vscode-coi= بروید. در قسمت Extensions ، افزونه Experimental - Python for the Web و بعد افزونه Pythonرا نصب کنید و به همین راحتی از پایتون در محیط آنلاین vscode استفاده کنید. البته اگر می خواهید به صورت جدی از vscode آنلاین استفاده کنید حتما سری به راهنمای آن در این آدرس بزنید.


#پایتون
#پایتون_مالی
#IDE
#vscode

🆔 @python4finance

جلسه اول وبینار مرور کتاب «معاملات الگوریتمی پیشرفته- Advanced Algorithmic Trading»
طبق قرار قبلی، اولین جلسه از مرور کتاب تقدیم می شود. در این وبینارها سعی بر این است که مطالب به زبان ساده ارائه شود. همچنین تلاش می کنم که به متن پایبند باشم و حتی المقدور به مباحث کتاب پرداخته شود.
برای مشاهده ویدئو می توانید به لینک زیر مراجعه نمایید:

🌐 لینک ویدئو جلسه اول وبینار مرور کتاب «معاملات الگوریتمی پیشرفته- Advanced Algorithmic Trading»

#پایتون_مالی
#مرور_کتاب
#معاملات_الگوریتمی
#Algorithmic_Trading

* مشاهده لینک مرور کتاب قبلی. «يادگيري معاملات الگوريتمي با پايتون- Learn Algorithmic Trading»



پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

اسلایدهای جلسه اول وبینار مرور کتاب «معاملات الگوریتمی پیشرفته- Advanced Algorithmic Trading»

#پایتون_مالی
#مرور_کتاب
#معاملات_الگوریتمی
#اسلاید
#Algorithmic_Trading
#slide



پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

مسیر تبدیل شدن به یک دانشمند علم داده در حیطه مالی و اقتصاد

یکی از سوالاتی که خیلی پرسیده می شود، این است که ما از کجا شروع کنیم و چه مسیری پیش روی ماست؟
اگر انتهای مسیر را تبدیل شدن به دانشمند داده مالی در نظر بگیریم (که مثلا نوشتن ربات های معامله گر در بحث معاملات الگوریتمی یکی از کاربردهای آن است و یا مثلا انجام تحلیل های پیشرفته اقتصادی و ارائه پیش بینی در حوزه اقتصاد کلان یکی دیگر از کاربردهای آن است) مسیر ذکر شده در تصویر این پست راهگشا خواهد بود.

#پایتون_مالی
#مسیر_یادگیری
#علم_داده



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

از کجا شروع کنیم؟
خیلی وقت پیش در خصوص مسیر تبدیل شدن به یک دانشمند علم داده در حیطه مالی و اقتصاد مطلبی رو گذاشته بودم. چون خیلی از دوستانی که جدیدا به جمع ما پیوستند این سوال رو پرسیده بودند، مجددا اون رو با شما به اشتراک می گذارم(پست 👆). برای شروع می توانید با ابزارهای زیر شروع کنید:
➖ زبان برنامه نویسی: برای برنامه نویسی می توانید از Python ، R ، Julia ، Matlab شروع کنید. اگرچه در حال حاضر Python با اختلاف زیادی در صدر این لیست قراردارد و بیشتر از همه توصیه می شود.
➖ کار با داده ها: در این قسمت یادگیری یک پایگاه داده قدرتمند بسیار به شما کمک می کند. برای شروع با SQL-Server مایکروسافت یا MySql اوراکل شروع کنید. اگر به سمت ابزارهایی مانند PowerBi یا Tableau هم بروید دید بسیار خوبی در زمینه مصور سازی داده ها پیدا می کنید، اما ضرورتی ندارد.
➖ ریاضیات و آمار: آمار توصیفی و آمار استنباطی، نظریه احتمال، قضیه بیز، جبر خطی و حساب و دیفرانسل و انتگرال هم لازمه کار یک دانشمند داده است. البته خیلی قضیه را پیچیده نکنیم. برای شروع همان مقداری که در دوره های کارشناسی ارائه می شود کافی است.

کتاب های خوبی هم در کانال معرفی شده است که کافی است بر روی #معرفی_کتاب کلیک کنید.

#پایتون_مالی
#مسیر_یادگیری
#علم_داده
#شروع


پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 5.5

قبلا در پست های قبلی در خصوص شیوه دریافت اطلاعات از بورس تهران و ماژول TseModule صحبت کرده بودم. البته ابتدا این ماژول را برای کارهای آموزشی نوشته بودم اما کم کم میزان استفاده از آن زیاد شد و خیلی از دوستان درخواست هایی را برای ارتقاء این ماژول داشتند.
اگر با tsemodule5 آشنایی ندارید حتما این پست را مشاهده نمایید.
اهم تغییرات این نسخه عبارتند از:
1️⃣ لیست نمادها تکمیل شده است.
2️⃣ مشکل حروف ی و ک در فراخوانی نمادها برطرف شده است.
3️⃣ امکان حذف پیام Download اضافه شده است.

✅برای راحتی کار پیشنهاد می شود فایل tsemodule5.py را در کنار فایل python.exe (مسیر پایتون) قرار دهید.
✅ اگر قبلا از این ماژول استفاده می کردید کافی است فایل جدید را روی فایل قبلی رونویسی کنید.
برای استفاده لازم است تابع زیر را فراخوانی کنید:
>>> tsemodule5.stock("شبندر")

برای راهنمایی بیشتر در خصوص امکانات ماژول، یک فایل pdf ارائه شده است.
گیت هاب: لینک
فایل PDF راهنما: لینک
#tsemodule


پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

ضمن آرزوی قبولی طاعات و عبادات شما در این ایام، از همه عزیزان در این شب عزیز التماس دعا دارم.

@python4finance

یادگیری ماشین در یک نگاه

#یادگیری_ماشین
#اینفوگرافی
#Machin_learning

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

یکی از سوالات بسیار پر تکراری که دوستان می پرسند این است که: من با پایتون تازه آشنا شده ام از کجا شروع کنم؟ اصلا برنامه نویسی بلد نیستم. یا اینکه با زبان های دیگر کار کرده ام اما نمی دانم از کجا باید شروع کنم.
موارد مورد نیاز برای تبدیل شدن به یک متخصص پایتون مالی را در تصویر این پست قرار دادم. البته اینها حداقل‌های مورد نیاز است و هر چقدر بیشتر بدانید نتیجه بهتری را خواهید گرفت.

پی نوشت: از سال 97 که آموزش پایتون مالی را شروع کردم تا کنون افتخار تدریس برای بیش از 2000 نفر دانشپذیر در دوره‌های مختلف را دارم. اگر چه اکنون کمتر فرصت تدریس حاصل می شود اما قصد دارم به صورت محدود چند دوره حضوری و مجازی در سال جدید برگزار کنم.
اگر علاقه مند به این دوره‌ها بودید می توانید فرم پیش ثبت نام را تکمیل بفرمایید که در زمان برگزاری دوره‌ها، اطلاعات برای شما ارسال شود.

🌐 لینک پیش ثبت نام در دوره ها



پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

جلسه دوم وبینار مرور کتاب «معاملات الگوریتمی پیشرفته- Advanced Algorithmic Trading»

در این جلسه که مربوط به فصل هفتم کتاب است در خصوص تحلیل سری های زمانی (Time Series Analysis) صحبت خواهیم کرد. محتوای این جلسه عبارت است:
- تعریف سری های زمانی
- اجزای سری های زمانی (شامل روند، تغییرات فصلی و وابستگی سریالی)
- کاربردهای سری زمانی (پیش بینی مقادیر آتی، شبیه سازی و کشف روابط)
- بیان نقشه راه در تحلیل سری های زمانی

برای مشاهده ویدئو می توانید به لینک زیر 👇مراجعه نمایید:

🌐 لینک ویدئو جلسه دوم وبینار مرور کتاب «معاملات الگوریتمی پیشرفته- Advanced Algorithmic Trading»

#پایتون_مالی
#مرور_کتاب
#معاملات_الگوریتمی
#Algorithmic_Trading

* جلسات قبلی:
➖ لینک جلسه اول



پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

فرارسیدن عید سعید فطر، تجلی بندگی و تمسک به غفران واسعه الهی بر شما مبارک باد.


#مناسبت
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

رفع مشکل pandas_datareader
ماژول pandas_datareader یکی از بهترین و متداولترین ماژولها برای دریافت داده ها از yahoo finance است، یا بهتر بود بگویم بود! چند وقتی است که این ماژول دچار مشکل شده است و متاسفانه توسعه دهندگان آن به روز رسانی جدیدی را برای آن ارائه نکرده اند و البته (تا جایی که من بررسی کردم) راه حل استانداری برای حل مشکل آن ارائه نشده است.
یکی از سوالات کاربران، راه حل این موضوع بود که البته yfinance بهترین جایگزین برای این موضوع است. اما اگر در پروژه هایتان قبلا از pandas_datareader استفاده کرده اید و نمی خواهید همه کدها را تغییر دهید می توانید با استفاده از yfinance از راه حل زیر برای حل موضوع استفاده کنید.

#pandas_datareader
#yfianance


پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

رسم شاخص کل بورس طی 4 سال اخیر
در مثال این پست شاخص کل بورس از اردیبهشت 1398 تا امروز یعنی 4 سال رسم شده است.



پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

معرفی کتاب «یادگیری تقویتی برای مالی، حل مسائل مرتبط با امور مالی با استفاده از CNN و RNN با استفاده از کتابخانه تنسورفلو» به انگلیسی «Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library»

معمولا برای مسائل یادگیری ماشین، یادگیری با نظارت و بدون نظارت مطرح می شود اما در واقعیت، یادگیری تقویتی نقش بسیار مهمی در یادگیری ماشین دارد. در اقتصاد و مالی هم یادگیری تقویتی بسیار پرکاربرد است خصوصا در بازارهای مالی که به راحتی می توان صحیح و غلط را با پاداش و تنبیه مرتبط کرد. در این کتاب با استفاده از ماژول تنسورفلو یادگیری تقویتی به صورت دقیق بررسی و طرح می شود. نویسنده کتاب، رویکرد ریاضیاتی و برنامه نویسی را با تحلیل مالی تلفیق کرده است.

سطح کتاب: #متوسط

#معرفی_کتاب
#یادگیری_ماشین
#یادگیری_تقویتی
#تنسورفلو

#Machine_learning
#Reinforcement_Learning
#TensorFlow
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «یادگیری تقویتی برای مالی، حل مسائل مرتبط با امور مالی با استفاده از CNN و RNN با استفاده از کتابخانه تنسورفلو» به انگلیسی «Reinforcement Learning for Finance: Solve Problems in Finance with CNN and RNN Using the TensorFlow Library»


#معرفی_کتاب
#یادگیری_ماشین
#یادگیری_تقویتی
#تنسورفلو

#Machine_learning
#Reinforcement_Learning
#TensorFlow
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

مایکروسافت فابریک (Microsoft Fabric) یک ابزار بی نظیر برای دانشمندان داده
اخیرا مایکروسافت ابزار علم داده خود را با عنوان Microsoft Fabric رونمایی کرد. ادعای این ابزار مدیریت یکپارچه داده ها از مرحله جمع آوری داده تا تحلیل داده ها و هوش مصنوعی است. یکپارچگی کامل ابزارهای مایکروسافتی مانند SQLServer و PowerBI و پشتیبانی از Python و سایر ابزارهای تکمیلی فابریک را بسیار دوست داشتنی کرده است.
فابریک به صورت Software as a Service-SaaS ارائه می شود و در حال حاضر در مرحله نمایشی (Preview) است.
اگر به این محصول علاقه مند شدید سری به این صفحه بزنید.
در فیلم این پست با Microsoft Fabric بیشتر آشنا می شوید.
#Microsoft_Fabric
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

برگه خلاصه مرور یادگیری ماشین، یادگیری عمیق و هوش مصنوعی دانشگاه استنفورد

در این برگه تقلب (خلاصه مرور)، مرور کلی به اهم مطالب یادگیری ماشین، یادگیری عمیق و هوش مصنوعی شده است و مطالعه آن به علاقه مندان توصیه می شود.

#پایتون_مالی
#خلاصه
#برگه_تقلب
#دانشگاه_استنفورد
#یادگیری_ماشین
#یادگیری_عمیق
#هوش_مصنوعی
#Machine_Learning
#Deep_Learning,
#Artificial_Intelligence
#Stanford_university

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

رسم نرخ بازده بدون ریسک
در بسیاری از شاخص های محاسبه ریسک، استفاده از نرخ بازده بدون ریسک یا همان Risk free return بسیار حائز اهمیت است. معمولا برای محاسبه نرخ بازده بدون ریسک، نرخ بازده اوراق خزانه دولتی به عنوان نرخ معیار در نظر گرفته می شود چرا که همواره کمترین ریسک نکول را دارد.
در مثال این پست، نرخ بازده اوراق خزانه سه ماهه ایالات متحده، برای بازه 5 ساله رسم شده است. تغییر نرخ بازده در دو سال اخیر به نسبت دو سال گذشته و پیش از آن کاملا محسوس است که نشان از افزایش سطح عمومی قیمت ها در این مدت دارد.
سایر نمادها:
^IRX 13 Week Treasury Bill
^FVX Treasury Yield 5 Years
^TNX Treasury Yield 10 Years
^TYX Treasury Yield 30 Years

#نرخ_بازده_بدون_ریسک
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance