#مقاله

در داده های جدولی، دیپ لرنینگ غالبا عملکرد بدتری نسبت به روش های ماشین لرنینگ مبتنی بر Tree دارد!

▫️قبلا در پست نقشه راه اشاره کردیم که دوستانی که در ابتدای راه یادگیری اند، دنبال دیپ لرنینگ نباشند. در این پست هم با استناد به آموزش آقای Ng گفتیم که چرا دیپ لرنینگ به احتمال زیاد نمیتونه برای کاربردهای مالی گزینه مناسبی باشه. با اینکه دیپ لرنینگ منجر به پیشرفت های چشمگیری در پردازش داده های متن و تصویر شده، اما برتری آن در داده های جدولی (Tabular Data) هنوز روشن نیست. یک مطالعه جدید با عنوان:

Why do tree-based models still outperform deep learning on tabular data?

تاییدی دوباره بر برتری روش های ماشین لرنینگ مبتنی بر Tree نسبت به دیپ لرنینگ در داده های جدولی و توضیح برخی از دلایل آن است. بنابراین، زمانی که داده های شما داده های جدولی و سری زمانی باشد (چیزی که در فایننس و بازار با آن سر و کار داریم)، استفاده از دیپ لرنینگ، به احتمال زیاد، مزیت خاصی برای شما ایجاد نکرده و حتی ممکن است به نتایج ضعیف تری منجر شود!

▫️ مقاله:
Why do tree-based models still outperform deep learning on tabular data?

@FinPy

#علم_داده_مالی_CFA

دوره اول:

Data and Statistics Foundation for Investment Professionals

جلسه سوم، هفته سوم:

Binomial Distribution - Decision Trees

@FinPy

#علم_داده_مالی_CFA

دوره اول:

Data and Statistics Foundation for Investment Professionals

جلسه چهارم، هفته سوم:

Normal and Lognormal Distributions

* جلسه آخر هفته سوم

@FinPy

#معرفی_کتاب

Hedge Fund Secrets

▫️این کتاب به صورت تیتر وار و خلاصه مروری روی اصول پایه ای در صنعت مدیریت دارایی داشته و در لابلای فصول کوتاه و سرگرم کننده اش یه سری از بنیان گذاران هج فاندهای مهم دنیا رو معرفی کرده، یه بیوگرافی کوتاه ازشون گفته و به استراتژی هاشون اشاره کرده. اگه هج فاندهای مطرح و بانک های سرمایه گذاری بزرگ دنیا رو بررسی کنید، متوجه خواهید شد که پرکاربردترین استراتژی در حال حاضر، استراتژی گلوبال ماکرو هست که اگر با #گلوبال_ماکرو در کانال سرچ کنید، مطالبی در موردش پیدا خواهید کرد.

@FinPy

#فرصتهای_شغلی_دیتا

▫️حوزه دیتا روز به روز در حال گسترش هست و فرصت های شغلی بیشتری در این اکوسیستم به دلیل نیازهایی که صنایع مختلف به تحلیل دیتا برای تصمیم گیری در بیزنس شون حس میکنند، تعریف میشه. از حوزه اقتصاد و مالی گرفته تا سلامت، مدیریت شهری و ... . معمولا این شغل ها در یکی از سه دسته زیر قرار میگیره:

Data Engineer
Data Analyst
Data Scientist

برای آشنایی اولیه با محدوده مهارتهای مورد نیاز و کارهایی که از هر کدام انتظار میره انجام بدن و درآمد تقریبی شون، میتونید این وبینار IBM رو از یوتیوب ببینید: (اسلایدها در پست بعدی)

Free Data Career Webinar - Skill Up with IBM: Get the Data Job You Want

لینک دانلود اسلایدهای وبینار

@FinPy

#finpy_tse

نسخه جدید finpy-tse با ویژگی های کاربردی جدید

▫️حدود ۶ ماه از انتشار اولین نسخه finpy_tse که تاکنون بیش از ۲۰۰۰ تا نصب داشته، میگذره و امروز نسخه جدید این پکیج (1.1.0)، قابل نصب و بهره برداری هست.

▫️یک تابع جدید در این نسخه برای دسترسی به سابقه ۶۰ روزه (معاملاتی) قیمتی سهم ها تحت عنوان:

Get_60D_PriceHistory()

اضافه شده که امکان تعدیل قیمت رو هم داره. خیلی از دوستان که از فیلترنویسی دیده بان استفاده میکردن، میتونن از ترکیب خروجی این تابع جدید و تابع مارکت واچ موجود در پکیج، برای پیاده سازی فیلترهای خود با پایتون اقدام کنند. با این تفاوت که در دیده بان، قیمت تعدیل نشده در اختیار فیلترنویس هست ولی این فانکشن امکان تعدیل سابقه قیمت ۶۰ روزه رو هم داره. همچنین از این تابع میتونید برای به روز رسانی دیتا بیس قیمتی موجود خودتون هم استفاده کنید. جزئیات بیشتر در قسمت ۵.۳ نوتبوکی که در گیتهاب قرار داده شده، قابل مشاهده هست.

▫️در نسخه جدید هنگام دریافت سابقه قیمت یا حقیقی-حقوقی یک سهم، نام بازاری (بورس، فرابورس، پایه زرد-نارنجی-قرمز) که سهم در هر تاریخ در اون معامله شده رو هم خواهید داشت.

@FinPy

#finpy_tse

نحوه نصب یا ارتقا به نسخه جدید finpy-tse

▫️برای نصب نسخه جدید، اگر تا الان finpy_tse رو نصب نکرده بودید از این دستور:
pip install finpy-tse

و اگر نسخه قبلی رو نصب دارید، از یکی از دستورات زیر برای upgrade کردن به نسخه جدید استفاده کنید:

pip install --upgrade finpy-tse
pip install finpy-tse==1.1.0

نوتبوک راهنما که در اون در مورد نحوه استفاده از توابع موجود و جدید توضیح داده شده، هم از این لینک قابل دسترسی هست.

* توابع و ویژگی های جدید نسخه ۱.۱.۰ هنوز در دفترچه راهنمای فارسی ماژول گنجانده نشده اند و حتما نوتبوک مربوطه رو برای آشنایی با ویژگی های جدید ماژول ببینید.

@FinPy

#معرفی_کتاب

Advances in Retirement Investing

▫️ملاحظات و استراتژی های سرمایه گذاری در صندوق های بازنشستگی با دیگر صندوق های سرمایه گذاری و فاندها متفاوته چون همیشه هم جریان نقدینگی قابل توجهی به داخل صندوق از محل حق بیمه ها و هم جریان نقدینگی زیادی به خارج از صندوق به دلیل پرداخت مستمری، وجود داره. این جریان نقدینگی قابل توجه و پاره ای از باید های دیگه، مساله مدیریت دارایی در صندوق های بازنشستگی رو نسبت به سایر صندوق ها پیچیده تر میکنه. تو دنیا هم یکی از بیشترین دستمزها، به دلیل حجم بالای دارایی تحت مدیریت و ملاحظات سیاسی اجتماعی، معمولا به افراد فعال در این حوزه پرداخت میشه. تو ایران هم خلا جدی در این حوزه وجود داره و عملکرد نه چندان مطلوب صندوق های بازنشستگی منجر به این شده که بازنشستگان از رفاه مطلوبی برخوردار نباشند. کتاب به بررسی روش ها و پیشرفت های این حوزه پرداخته و میتونه حتی ایده هایی برای موضوع پایان نامه های تحصیلات تکمیلی داشته باشه، موضوعاتی که نتیجه اونها هم میتونه دردی از جامعه دوا کنه و هم شما رو ذینفع کنه.

@FinPy

#پایتون_مقدماتی

▫️برای دوستانی که تازه میخوان پایتون رو یاد بگیرند و به دلیل تعدد منابع سردرگم هستند، این فایل نقطه شروع خوبی میتونه باشه که به طور خلاصه و مفید بیشتر نکات مربوط به پکیج هایی پرکاربرد و ضروری پایتون از Pandas و Numpy گرفته تا Matplotlib و کمی بهینه سازی رو با مثال های اقتصادی آموزش داده. برای تمرین هم میتونید داده های بورس ایران رو با پکیج finpy_tse بگیرید و ایده ها و نکاتی رو که در فایل گفته شده، با داده های بورس ایران باز تولید کنید تا به درک و تسلط بهتری برسید.

آموزش پایتون مقدماتی با مثال های اقتصادی و مالی

@FinPy

#گلوبال_ماکرو

▫️خیلی از ماها داستانهایی در مورد دستکاری بازار توسط موسسات مالی بزرگ رو حتما شنیدیم و سبک هایی هم بر اساس همین اصل برای معامله گری در بازارهای مختلف توسعه پیدا کرده اند. اگرچه این مساله سایه ای از حقیقتی هست که هر کس از زاویه دید خودش تفسیر و بهش استناد میکنه و موضوع بحث ما نیست، امروز و ساعاتی قبل، شاهد یه نمونه اعلام شده و آشکار از این دستکاری در بازار توسط بانک مرکزی ژاپن بودیم که برای حفظ ارزش ین در مقابل دلار انجام شد که نتیجه اش ریزش سنگین جفت ارز USD/JPY بود. خبر مربوطه رو میتونید از CNBC یا Reuters بخونید.

▫️داستان از این قرار هست که بانک های مرکزی برای مقابله با تورم ناشی از بحران غذایی و انرژی و همچنین اثرات سیاست های انبساطی شون در دوره کرونا، اقدام به افزایش نرخ بهره کرده اند. هزینه این سیاست پولی انقباضی، میتونه کند شدن رشد اقتصادی و حتی رکود باشه. ژاپن تصمیم گرفته برای حفظ رشد اقتصادی اش، نرخ بهره اش رو بر خلاف بیشتر کشورها پایین نگه داره و ارزش ین رو با دخالت مستقیم در بازار فارکس کنترل کنه. چیزی که از سال ۱۹۹۸ تا کنون اتفاق نیفتاده بود!

@FinPy

#معرفی_کتاب

Time Series Analysis with Python

▫️تحلیل سری های زمانی یکی از کاربردی ترین مهارت هایی هست که هر کسی که در بازارهای مالی کار میکنه باید باهاش آشنا باشه. این کتاب علاوه بر موضوعات مربوط به تحلیل سری های زمانی، بخش قابل توجه ای از مطالب اش رو به نحوه کار کردن با این سری ها مثل کار کردن با تاریخ و زمان، خواندن و نوشتن از فایل و دیتا بیس و ... اختصاص داده که میتونه کمک کننده باشه. فصل هایی هم به EDA و تشخیص Anomaly و Outlier در سری های زمانی اختصاص داره که جالب اند. اینها همه مباحث پایه ای در سری های زمانی هستند و برای مطالب پیشرفته تر و موردی، باید خودتون بگردید و مطالعه کنید و البته میتونید یه سری هم به کانال Deep Time بزنید!

@FinPy

#آموزش
#پیشرفته

▫️اگه به دنبال یادگیری روش های پیشرفته تحلیل و مدلسازی کمی و ماشین لرنینگ با کاربردهای مالی هستید، یه سری به وبلاگ آقای Gautier Marti بزنید. ایشون از همکاران آقای دپرادا در ADIA هستند که قبلا در کانال معرفی کردیم. در هر پست از وبلاگشون، یه موضوع مهم و کاربردی رو معمولا همراه با معرفی مقاله و البته کد پایتون اش ارائه کردن که بررسی اش میتونه آموزنده و مفید باشه براتون.

@FinPy

#دیتا
#بورس_تهران

▫️عزیزانی که برای انجام امور آموزشی و تحقیقاتی خودشون به داده های بازار بورس تهران نیاز دارند و جمع آوری اش با توجه به کندی سرعت اینترنت یا مشکلات دیگه براشون سخته میتونن از این مجموعه داده، در صورتی که نیازشون رو برآورده میکنه، استفاده کنند:

۱) سری زمانی سابقه قیمت برای ۷۲۳ نماد.
۲) سری زمانی سابقه حقیقی-حقوقی برای ۷۲۳ نماد.
۳) سابقه تعدیل قیمت برای ۶۷۸ نماد.
۴) سری زمانی سابقه ارزش بازار و تعداد برگه سهم برای ۷۲۳ نماد.

▫️فرمت فایل ها به صورت اکسل (هر سهم یک فایل اکسل) بوده و همگی در تاریخ ۱۴۰۱/۰۸/۰۵ به روزرسانی شده اند.

@FinPy
@FinPyData