استخراج قیمت ماهیانه نات کوین (Notcoin)

#code by @python4finance
import pandas as pd
import requests
import time
import matplotlib.pyplot as plt
plt.style.use("ggplot")
url="https://www.kucoin.com/_api/order-book/candles?begin="+str(round(time.time())-2592000 )+"&end="+str(round(time.time()))+"&lang=en_US&symbol=NOT-USDT&type=1hour"
r = requests.get(url)
df=r.json()
df=pd.DataFrame(df["data"]).astype(float)
df=df[::-1].reset_index() 
df[1].plot(figsize=(16,6))

#api
#NOTCOIN

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

استخراج قیمت ماهیانه نات کوین (Notcoin)
این روزها نات کوین برای کاربران بسیار محبوب و شناخته شده است. نات کوین (Notcoin) یک توکن مبتنی بر شبکه ارز دیجیتال تون کوین (Toncoin) و همین طور یک بازی یا مینی اپلیکیشن در پیام‌رسان تلگرام است. ایده این بازی در ابتدا و قبل از راه‌اندازی و عرضه توکن NOT به این شکل بود که کاربران با کلیک کردن روی یک سکه به‌طور مداوم، مقدار مشخصی نات کوین استخراج می‌کردند که به موجودی آنها در بازی اضافه می‌شد. یکی دیگر از راه‌های به دست آوردن نات کوین، شرکت در برنامه‌های تبلیغاتی درون این بازی بود که برخی مجموعه‌ها برای معرفی محصول خود در محیط اپلیکیشن تلگرامی نات کوین برای آن هزینه می‌کردند.
نات کوین با این ایده موفق شد در مجموع بیش از ۳۵ میلیون کاربر را درگیر کند.
در پست بالا قیمت 30 روز اخیر نات کوین با دوره تناوب 1 ساعت را با استفاده از api دریافت و رسم می کنیم.


#api
#NOTCOIN

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

رسم نمودارهای تعاملی با plotly
یکی از ماژول های عالی برای رسم نمودارهای تعاملی ماژول plotly است. با استفاده از این ماژول می توان نمودارهای متنوعی را به راحتی ترسیم کرد. مثلا می خواهید قیمت های روزانه یک سهم را در یک بازه طولانی در یک نمودار تعاملی نشان دهید.
ابتدا ماژولهای مورد نیاز را ایمپورت می کنیم:

import yfinance as yf
import plotly.express as px
import pandas as pd

در گام بعد اطلاعات سهم را برای یک بازه 3 ساله دریافت می‌کنیم:

msft = yf.Ticker("MSFT")
msft_hist = msft.history(period="3y")

حالا داده های روز و ماه و سال را دریافت می کنیم:

msft_hist['Date'] = msft_hist.index.date
msft_hist['Year'] = msft_hist.index.year
msft_hist['Month'] = msft_hist.index.month_name()
msft_hist['Day'] = msft_hist.index.day

حالا نوبت رسم داده هاست. با یک نمودار sunburst کار را تمام می کنیم:

fig = px.sunburst(msft_hist, path=['Year', 'Month', 'Day'], values='Close',
                  title='Microsoft Stock Closing Prices Sunburst Chart Over the Last Year' , height=700)
fig.show()

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

فرا رسیدن عید سعید قربان، پرشکوه‌ترین نمایش ایثار و زیباترین جلوه تعبد در برابر خالق یکتا بر شما مبارک

#مناسبت

🆔 www.tg-me.com/python4finance

معرفی کتاب «مبانی معاملات الگوریتمی، معامله با پایتون، راهنمای جامع 2024» به انگلیسی «Algorithmic Essentials_ Trading with Python_ Your Comprehenive Guide for 2024»
ون در پست (Van Der Post) یکی از نویسندگان فعال در زمینه مدلسازی مالی و معاملات الگوریتمی است. او دانش آموخته رشته اقتصاد و MBA است و درک خوبی از مفاهیم بنیادین اقتصادی و مالی دارد و این موضوع باعث شده است که مباحث آکادمیک را با تجربه های عملی تلفیق و کارهای بسیار خوبی را ارائه دهد. وی دارای بیش از 15 سال سابقه در زمینه مالی است و خود هم در فضای کارآفرینی دستی بر آتش دارد. ون به پایتون و بسیاری از نرم افزارهای مرتبط تسلط دارد.
در این کتاب ون در 10 فصل به توصیف معاملات الگوریتمی و روش استفاده از آن در معاملات روزانه پرداخته است.
از ون چند کتاب خوب دیگر هم منتشر شده است که در پست های آتی تقدیم خواهم کرد.

#معرفی_کتاب
#معاملات_الگوریتمی
#Algorithmic_Trading

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

دانلود کتاب «مبانی معاملات الگوریتمی، معامله با پایتون، راهنمای جامع 2024» به انگلیسی «Algorithmic Essentials_ Trading with Python_ Your Comprehenive Guide for 2024»


#دانلود_کتاب
#معاملات_الگوریتمی
#Algorithmic_Trading

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

فرا رسیدن عید سعید غدیر خم
روز شادمانی بندگان خالص
و مخلص خداوند از اعطای نعمت ولایت
و روز کامل شدن آخرین شریعت الهی با نور ولایت
بر رهروان کاروان عشق و معنویت مبارک باد

#مناسبت

فرارسیدن تاسوعا و عاشورای حسینی تسلیت باد.
التماس دعا از همه شما عزیزان در این ایام

بررسی بازار کار مشاغل مختلف در حوزه هوش مصنوعی
بحث هوش مصنوعی و کاربردهای آن در صنایع مختلف از بحث های بسیار داغ و جذاب است و خیلی ها به دنبال یادگیری مهارت هایی برای ورود به این حوزه هستند. اخیرا شرکت Mckinsey که یکی از شرکت های معظم و بنام مشاور است، در گزارش 2024 ، به بررسی وضعیت مشاغل مختلف فعال در حوزه هوش مصنوعی پرداخته است.
در این گزارش حدود 500.000 فرصت شغلی در شرکت های مختلف بررسی شده است. در تصویر پیوست فرصت های شغلی در بین سالهای 2019 تا 2023 برای حوزه هوش مصنوعی کاربردی (Applied AI) با هم مقایسه می شود.

#هوش_مصنوعی
#مکینزی
#Mckinsey
#AI

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

اصل گزارش بالا به پیوست تقدیم می شود.

#هوش_مصنوعی
#مکینزی
#Mckinsey
#AI

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

تفاوت CPU و GPU در محاسبات
با پیشرفت مدل های هوش مصنوعی، ضرورت استفاده از پردازنده های GPU (Graphics Processing Unit) به جای CPU (Central processing unit) های سنتی بیش از پیش آشکار شده است. پیش از این در خصوص ارزش سهام شرکت #Nvidia به همین دلیل صحبت کرده بودیم.
در این ویدئو کوتاه که توسط Nvidia تهیه شده است تفاوت پردازش مبتنی بر CPU و GPU را مشاهده می نمایید.

#ویدئو

#Cpu
#Gpu

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

یک ماژول بسیار جالب و کاربردی برای رسم نمودارهای مالی
پیش از این چندین ماژول را برای رسم نمودارهای مالی و بازار سرمایه خدمت شما معرفی کرده بودم. امروز یکی دیگر از ماژول های بسیار جذاب و کاربردی را معرفی می کنم.
نام این ماژول کاربردی lightweight-charts است. به کمک این ماژول به راحتی می توانید نمودارهای کندل OHLC را رسم کنید. ویژگی مهم دیگر این ماژول قابلیت کار با داده های زنده است و می توانید داده ها را در لحظه آپدیت کنید. ویژگی دیگر این ماژول امکان دسترسی به ابزارهای تکمیلی و تعاملی مانند رسم خطوط حمایت و مقاومت است که به راحتی قابل انجام است.
اگر به این ماژول علاقه مند شدید سری به گیت هاب آن به این نشانی بزنید.
در این پست داده های نماد MSFT دریافت و رسم می شود.

#code by @python4finance
import yfinance as yf
from lightweight_charts import Chart
df=yf.download("MSFT",start="2023-01-01")
chart = Chart(toolbox=True)
chart.legend(visible=True)
chart.watermark('MSFT 1D Data', color='rgba(180, 180, 240, 0.7)')
chart.set(df)
chart.show(block=True)

#رسم_نمودار
#candle

پایتون برای مالی

🆔 @python4finance

چالش اعداد اعشاری در پایتون!
یکی از مشکلاتی که در برخی زبان های برنامه نویسی از جمله پایتون با آن مواجه می شویم، چالش کار با اعداد اعشاری است. به دو عبارت زیر توجه کنید:

0.1 + 0.1  == 0.2
True
0.1 + 0.1 + 0.1 == 0.3
False

مساله از اینجا شروع می شود که پایتون برای محاسبات خود، اعداد را به باینری تبدیل می کند که این مسئله، محاسبات اعداد اعشاری را در برخی موارد دچار مشکل می کند.
برای حل این موضوع می توان از تابع isclose در ماژول math استفاده کرد.

math.isclose(0.1 + 0.1 + 0.1, 0.3)
True

لازم است در تحلیل هایی که نیاز به بررسی اعداد اعشاری دارند، این مورد را حتما در نظر بگیرید.

پایتون برای مالی

🆔 @python4finance

ماژول PyPortfolioOpt ، یک ماژول بسیار جذاب برای معاملات الگوریتمی
این ماژول یکی از ماژول های بسیار جالب برای بهینه سازی و محاسبات مبتنی بر ریسک است. ویژگی مهم این ماژول سادگی و روان بودن آن است. اگر علاقه مند به این ماژول بودید سری به آدرس آن در pypi به این نشانی و یا صفحه گیت هاب آن بزنید.

پی نوشت: این ماژول تا پایتون 3.11 سازگار است و هنوز با 3.12 سازگار نشده است.

#ماژول
🆔 @python4finance

معرفی کتاب «آشنایی با پایتون-علم داده و مالی کمی» به انگلیسی «Introduction to Python - Data Science, Quantitative Finance (2.0)»
در واقع این کتاب، یک منبع ابتدایی برای افرادی است که می خواهند به تازگی با مفاهیم پایتون مالی آشنا شوند. سطح کتاب مقدماتی و آسان و زبان انگلیسی آن روان است.
این کتاب را به عنوان یک منبع تکمیلی برای دوره «مدلسازی مالی مقدماتی» معرفی می کنم.

#معرفی_کتاب
#پایتون_مالی

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «آشنایی با پایتون-علم داده و مالی کمی» به انگلیسی «Introduction to Python - Data Science, Quantitative Finance (2.0)»

در واقع این کتاب، یک منبع ابتدایی برای افرادی است که می خواهند به تازگی با مفاهیم پایتون مالی آشنا شوند. سطح کتاب مقدماتی و آسان و زبان انگلیسی آن روان است.


#دانلود_کتاب
#پایتون_مالی

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 5.61

ماژول Tsemodule رو فکر می کنم همه دیگه می شناسید. این ماژول رو من برای کارهای آموزشی توسعه دادم و خیلی ها الان از این ماژول استفاده می کنند و به تناسب نیاز برای خودشون توسعه های مازادی هم دادن. اخیرا به دلیل تغییرات سایت TseTmc تابع stockdetail کار نمی کرد که در این آپدیت اصلاح شده است.
اگر با همه امکانات ماژول آشنا نیستید سری به این پست بزنید.
با استفاده از دستور tm5.ver مطمئن شوید که از ورژن 5.61 استفاده می کنید.
تغییرات اخیر ماژول:
- رفع مشکل یافتن جزئیات نماد
- بهبودهای جزئی در عملکرد برنامه

گیت هاب: لینک
#tsemodule

پی نوشت: خیلی از عزیزان نسخه های جدیدی رو بر مبنای این ماژول توسعه دادن و امکانات خوبی به ماژول اصلی اضافه کردن و در اینترنت هم توزیع کردن. اگرچه من از همون ابتدا این ماژول رو برای همین موضوع توسعه دادم و خوشحال می شم وقتی نسخه های توسعه داده شده ای رو می بینم ولی اگر دوست داشتید در نسخه های خودتون به منبع اصلی هم اشاره کنید. این طوری کارتون هم حرفه ای تره.

پایتون برای مالی

🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance