دسترسی به اندیکاتورهای مهم اقتصادی
یکی از مهمترین اقدامات یک تحلیل گر، رصد شاخص های کلان اقتصادی است. مواردی مانند GDP، بیکاری، تورم و پیش بینی هایی که نهادهایی مانند صندوق بین المللی پول، بانک جهانی و ... انجام می دهند بسیار حائز اهمیت است.
یکی از سایت های جالب در این خصوص، سایت db.nomics است. این سایت حجم زیادی از داده ها را از منابع مختلف جمع آوری کرده و هم به صورت فایل های csv و اکسل و هم از طریق api در اختیار قرار می دهد.
برای پایتون ماژول ویژه ای را هم طراحی کرده است که از طریق این لینک در دسترس است.
حتما سری به این سایت به نشانی db.nomics.world بزنید.
در پست های آتی چند مثال در این خصوص را با یگدیگر بررسی خواهیم کرد.
#معرفی_سایت
#شاخص‌های_اقتصادی
#پایتون_مالی
#Econmic_Indicator
عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
یکی از مهمترین اقدامات یک تحلیل گر، رصد شاخص های کلان اقتصادی است. مواردی مانند GDP، بیکاری، تورم و پیش بینی هایی که نهادهایی مانند صندوق بین المللی پول، بانک جهانی و ... انجام می دهند بسیار حائز اهمیت است.
یکی از سایت های جالب در این خصوص، سایت db.nomics است. این سایت حجم زیادی از داده ها را از منابع مختلف جمع آوری کرده و هم به صورت فایل های csv و اکسل و هم از طریق api در اختیار قرار می دهد.
برای پایتون ماژول ویژه ای را هم طراحی کرده است که از طریق این لینک در دسترس است.
حتما سری به این سایت به نشانی db.nomics.world بزنید.
در پست های آتی چند مثال در این خصوص را با یگدیگر بررسی خواهیم کرد.
#معرفی_سایت
#شاخص‌های_اقتصادی
#پایتون_مالی
#Econmic_Indicator
عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
لیست اندیکاتورهای مهم اقتصادی
در ادامه پست قبل، برای مشاهده لیست اندیکاتورهای مهم اقتصادی می توانید سری به سایت tradingeconomics بزنید. لیست اندیکاتورها از این لینک در دسترس است.
همچنین در این سایت امکان بررسی شاخص ها به تفکیک بازار و کشور و نیز پیش بینی شاخص ها وجود دارد.
#معرفی_سایت
#شاخص‌های_اقتصادی
#پایتون_مالی
#Econmic_Indicator
پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
در ادامه پست قبل، برای مشاهده لیست اندیکاتورهای مهم اقتصادی می توانید سری به سایت tradingeconomics بزنید. لیست اندیکاتورها از این لینک در دسترس است.
همچنین در این سایت امکان بررسی شاخص ها به تفکیک بازار و کشور و نیز پیش بینی شاخص ها وجود دارد.
#معرفی_سایت
#شاخص‌های_اقتصادی
#پایتون_مالی
#Econmic_Indicator
پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
معرفی کتاب «یادگیری ماشین برای اقتصاد و مالی در TensorFlow» به انگلیسی «Machine Learning for Economics and Finance in TensorFlow 2»
تمرکز این کتاب بیشتر به بعد فنی است و مدلهای یادگیری ماشین را در قالب مثال های اقتصادی و مالی ارائه می کند.
سطح کتاب متوسط و از زبان انگیسی روانی برخوردار است.
#معرفی_کتاب
#یادگیری_ماشین
#تحلیل داده
#پایتون_مالی
#Machine_learning
#Statistics
#Data Analysis
#TensorFlow
t.iss.one/python4finance
تمرکز این کتاب بیشتر به بعد فنی است و مدلهای یادگیری ماشین را در قالب مثال های اقتصادی و مالی ارائه می کند.
سطح کتاب متوسط و از زبان انگیسی روانی برخوردار است.
#معرفی_کتاب
#یادگیری_ماشین
#تحلیل داده
#پایتون_مالی
#Machine_learning
#Statistics
#Data Analysis
#TensorFlow
t.iss.one/python4finance
Machine_Learning_for_Economics_and_Finance_in_TensorFlow_2_Deep.pdf
5.7 MB
دانلود کتاب «یادگیری ماشین برای اقتصاد و مالی در TensorFlow» به انگلیسی «Machine Learning for Economics and Finance in TensorFlow 2»
#معرفی_کتاب
#یادگیری_ماشین
#تحلیل داده
#پایتون_مالی
#Machine_learning
#Statistics
#Data Analysis
#TensorFlow
t.iss.one/python4finance
#معرفی_کتاب
#یادگیری_ماشین
#تحلیل داده
#پایتون_مالی
#Machine_learning
#Statistics
#Data Analysis
#TensorFlow
t.iss.one/python4finance
قضیه حد مرکزی (Central limit theorem)
قضیه حد مرکزی یکی از پرکاربردترین قضیه های آماری است که کاربردهای فراوانی در مدلسازی مالی و یادگیری ماشین دارد. مفهوم کلی این قضیه این است که اگر تعداد زیادی توزیع یکسان مستقل داشته باشیم، مجموع آنها دارای توزیع نرمال خواهد بود فارغ از اینکه اصولا توزیع اولیه از چه نوعی بوده باشد. این موضوع از این جهت اهمیت دارد که در صورتی که بتوانیم خصوصیات توزیع نرمال را به یک توزیع تسری دهیم به راحتی می توانیم میانگین و انحراف معیار توزیع را محاسبه کنیم و توزیع را تفسیر کنیم.
در مثال این پست توزیع دوجمله ای (پرتاب دو سکه) در نظر گرفته شده است. ابتدا میانگین برای یک توزیع، سپس 5 توزیع،30 توزیع و 1000 توزیع محاسبه شده است. مشاهده می کنید که با بزرگتر شدن تعداد توزیع ها (یعنی از 30 به بالا) میانگین نمونه ها دارای توزیع نرمال می شود.
#قضیه_حد_مرکزی
#پایتون_مالی
#Central_limit_theorem
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
قضیه حد مرکزی یکی از پرکاربردترین قضیه های آماری است که کاربردهای فراوانی در مدلسازی مالی و یادگیری ماشین دارد. مفهوم کلی این قضیه این است که اگر تعداد زیادی توزیع یکسان مستقل داشته باشیم، مجموع آنها دارای توزیع نرمال خواهد بود فارغ از اینکه اصولا توزیع اولیه از چه نوعی بوده باشد. این موضوع از این جهت اهمیت دارد که در صورتی که بتوانیم خصوصیات توزیع نرمال را به یک توزیع تسری دهیم به راحتی می توانیم میانگین و انحراف معیار توزیع را محاسبه کنیم و توزیع را تفسیر کنیم.
در مثال این پست توزیع دوجمله ای (پرتاب دو سکه) در نظر گرفته شده است. ابتدا میانگین برای یک توزیع، سپس 5 توزیع،30 توزیع و 1000 توزیع محاسبه شده است. مشاهده می کنید که با بزرگتر شدن تعداد توزیع ها (یعنی از 30 به بالا) میانگین نمونه ها دارای توزیع نرمال می شود.
#قضیه_حد_مرکزی
#پایتون_مالی
#Central_limit_theorem
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
10 مقاله برای کمک به یافتن موضوعاتی برای پایان نامه و رساله در حیطه علم داده مالی
خیلی از دوستان در پیام خصوصی درخواست موضوعاتی برای رساله یا پایان نامه دارند. عناوین برخی مقالات که به نظرم می توانند برای نوشتن یک پایان نامه یا رساله در این خصوص استفاده شوند را در ادامه با شما به اشتراک می گذارم.
1️⃣ Leveraging machine learning in the global fight against money laundering and terrorism financing: An affordances perspective
2️⃣Applying machine learning algorithms to predict default probability in the online credit market
3️⃣Forecasting SMEs' credit risk in supply chain finance with an enhanced hybrid ensemble machine learning approach
4️⃣Machine learning algorithms for fraud prediction in property insurance: Empirical evidence using real-world microdata
5️⃣Detecting stock market manipulation via machine learning: Evidence from China Securities Regulatory Commission punishment cases
6️⃣Development of financial option pricing system based on fpga and machine learning
7️⃣Venture capital decision based on FPGA and machine learning
8️⃣Sentiment-influenced trading system based on multimodal deep reinforcement learning
9️⃣Reinforcement learning about asset variability and correlation in repeated portfolio decisions
🔟 Usage of machine learning methods for early detection of money laundering
schemes
#پایان_نامه
#رساله
#انتخاب_موضوع
#پایتون_مالی
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
خیلی از دوستان در پیام خصوصی درخواست موضوعاتی برای رساله یا پایان نامه دارند. عناوین برخی مقالات که به نظرم می توانند برای نوشتن یک پایان نامه یا رساله در این خصوص استفاده شوند را در ادامه با شما به اشتراک می گذارم.
1️⃣ Leveraging machine learning in the global fight against money laundering and terrorism financing: An affordances perspective
2️⃣Applying machine learning algorithms to predict default probability in the online credit market
3️⃣Forecasting SMEs' credit risk in supply chain finance with an enhanced hybrid ensemble machine learning approach
4️⃣Machine learning algorithms for fraud prediction in property insurance: Empirical evidence using real-world microdata
5️⃣Detecting stock market manipulation via machine learning: Evidence from China Securities Regulatory Commission punishment cases
6️⃣Development of financial option pricing system based on fpga and machine learning
7️⃣Venture capital decision based on FPGA and machine learning
8️⃣Sentiment-influenced trading system based on multimodal deep reinforcement learning
9️⃣Reinforcement learning about asset variability and correlation in repeated portfolio decisions
🔟 Usage of machine learning methods for early detection of money laundering
schemes
#پایان_نامه
#رساله
#انتخاب_موضوع
#پایتون_مالی
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
❤3
Forwarded from آموزش های آزاد و مجازی
دوره معاملات الگوریتمی با پایتون-آنلاین
📌شروع دوه: دوشنبه اول آذرماه ۱۴۰۰
مدت: 24 ساعت
📌سرفصل دوره
مقدمه و آشنایی با معاملات الگوریتمی
کار با API ها
تحلیل سری‌های زمانی
استراتژی در معاملات الگوریتمی
مدل سازی استراتژی‌های تحلیل تکنیکال در معاملات الگوریتمی
استراتژی های مبتنی بر یادگیری ماشین
مدیریت ریسک استراتژی های معاملاتی
ساخت یک سیستم معاملاتی
سنجش کیفیت استراتژی با بک تست
❗️برای شرکت در دوره نیاز به آشنایی با سرفصل های دوره های مدلسازی مالی مقدماتی و پیشرفته است.
✅شرکت برای عموم افراد (آقایان و خانم ها) آزاد است
✅به پذیرفته شدگان در آزمون پایانی گواهی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) اعطا خواهد شد
🌐 ثبت نام
t.iss.one/azvclc
📌شروع دوه: دوشنبه اول آذرماه ۱۴۰۰
مدت: 24 ساعت
📌سرفصل دوره
مقدمه و آشنایی با معاملات الگوریتمی
کار با API ها
تحلیل سری‌های زمانی
استراتژی در معاملات الگوریتمی
مدل سازی استراتژی‌های تحلیل تکنیکال در معاملات الگوریتمی
استراتژی های مبتنی بر یادگیری ماشین
مدیریت ریسک استراتژی های معاملاتی
ساخت یک سیستم معاملاتی
سنجش کیفیت استراتژی با بک تست
❗️برای شرکت در دوره نیاز به آشنایی با سرفصل های دوره های مدلسازی مالی مقدماتی و پیشرفته است.
✅شرکت برای عموم افراد (آقایان و خانم ها) آزاد است
✅به پذیرفته شدگان در آزمون پایانی گواهی مرکز آموزش های آزاد و مجازی دانشگاه الزهرا(س) اعطا خواهد شد
🌐 ثبت نام
t.iss.one/azvclc
ضمن تشکر از همه عزیزان و ثبت نام کنندگان در دوره «معاملات الگوریتمی با پایتون»، به استحضار می رساند ظرفیت دوره آذرماه تکمیل شده است و علاقه مندان می توانند برای دوره های آتی از طریق فرم پیش ثبت نام اقدام کنند.
🌐 لینک پیش ثبت نام
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
🌐 لینک پیش ثبت نام
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
کتابخانه Backtesting یک کتابخانه فوق العاده برای بک تست
در فرآیند معاملات الگوریتمی همیشه بعد از ساخت استراتژی نوبت بک تست (BackTest) است. بک تست به معنای آن است که استراتژی های خود را روی داده های قدیمی تست کنیم و اگر در داده های قبلی سودآور بود آن وقت وارد مرحله تست کاغذی (Paper Test) بشویم.
یکی از کتابخانه های فوق العاده برای بک تست کتابخانه Backtesting است. به کمک این کتابخانه می توان تحلیل های بسیار خوبی را در بک تست لحاظ کرد و شاخص هایی مانند DrawDown ، نسبت شارپ و ... را به صورت خودکار محاسبه کرد. از همه این ها جالب تر نمودار بازدهی و سیگنال است که به راحتی قابل رسم است.
اگر به این ماژول علاقه مند بودید می توانید سری به صفحه آن در این لینک بزنید.
سورس برنامه را در پست بعد تقدیم خواهم کرد.
#بک تست
#Backtest
#Backtesting
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
در فرآیند معاملات الگوریتمی همیشه بعد از ساخت استراتژی نوبت بک تست (BackTest) است. بک تست به معنای آن است که استراتژی های خود را روی داده های قدیمی تست کنیم و اگر در داده های قبلی سودآور بود آن وقت وارد مرحله تست کاغذی (Paper Test) بشویم.
یکی از کتابخانه های فوق العاده برای بک تست کتابخانه Backtesting است. به کمک این کتابخانه می توان تحلیل های بسیار خوبی را در بک تست لحاظ کرد و شاخص هایی مانند DrawDown ، نسبت شارپ و ... را به صورت خودکار محاسبه کرد. از همه این ها جالب تر نمودار بازدهی و سیگنال است که به راحتی قابل رسم است.
اگر به این ماژول علاقه مند بودید می توانید سری به صفحه آن در این لینک بزنید.
سورس برنامه را در پست بعد تقدیم خواهم کرد.
#بک تست
#Backtest
#Backtesting
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
کتابخانه Backtesting یک کتابخانه فوق العاده برای بک تست
در تصویر این پست اطلاعات مربوط به سهم اپل از ابتدای سال 2020 دریافت شده و استراتژی دو میانگین متحرک روی آن اجرا می شود.
#بک تست
#Backtest
#Backtesting
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
در تصویر این پست اطلاعات مربوط به سهم اپل از ابتدای سال 2020 دریافت شده و استراتژی دو میانگین متحرک روی آن اجرا می شود.
#بک تست
#Backtest
#Backtesting
عضویت در کانال پایتون برای مالی در تلگرام 👇👇👇
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
❤1
Forwarded from pythonbusinessschool
مهارت های پایتون خود را با چالش های برنامه نویسی محک بزنید و نکات جدید بیاموزید.
عضویت در کانال چالش های پایتون:
🌐 https://t.iss.one/joinchat/ShPXE4sMCpg5ZWQ0
عضویت در کانال چالش های پایتون:
🌐 https://t.iss.one/joinchat/ShPXE4sMCpg5ZWQ0
ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 5
قبلا در پست نسخه 4 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.
اهم تغییرات این نسخه عبارتند از:
1️⃣ پایه فراخوانی نمادها، اسامی فارسی نمادها شده در عین اینکه همچنان امکان استفاده از نمادهای انگلیسی هم وجود دارد.
2️⃣ امکان دریافت اطلاعات مربوط به یک نماد (مانند نام کامل، نوع بازار و ...) وجود دارد.
3️⃣ قابلیت ارائه خروجی استاندارد (مانند خروجی pandas-datareader) برای استفاده در سایر ماژول های مرتبط مثل mplfinance و backtester اضافه شده است.
✅برای راحتی کار پیشنهاد می شود فایل tsemodule5.py را در کنار فایل python.exe (مسیر پایتون) قرار دهید.
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
@python4finance
قبلا در پست نسخه 4 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.
اهم تغییرات این نسخه عبارتند از:
1️⃣ پایه فراخوانی نمادها، اسامی فارسی نمادها شده در عین اینکه همچنان امکان استفاده از نمادهای انگلیسی هم وجود دارد.
2️⃣ امکان دریافت اطلاعات مربوط به یک نماد (مانند نام کامل، نوع بازار و ...) وجود دارد.
3️⃣ قابلیت ارائه خروجی استاندارد (مانند خروجی pandas-datareader) برای استفاده در سایر ماژول های مرتبط مثل mplfinance و backtester اضافه شده است.
✅برای راحتی کار پیشنهاد می شود فایل tsemodule5.py را در کنار فایل python.exe (مسیر پایتون) قرار دهید.
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
@python4finance
tsemodule5.py
28.4 KB
ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 5
ممنون می شوم اگر مثل همیشه نظرات خود را در این خصوص با من در میان بگذارید.
دریافت راهنما
#tsemodule
@python4finance
ممنون می شوم اگر مثل همیشه نظرات خود را در این خصوص با من در میان بگذارید.
دریافت راهنما
#tsemodule
@python4finance
❤4
رسم نمودارهای مالی برای سهام ایران به راحتی آب خوردن
#نمودارهای_مالی
#نمودار_کندل
#مدلسازی_مالی
#پایتون_مالی
#mplfinance
#tsemodule
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
#نمودارهای_مالی
#نمودار_کندل
#مدلسازی_مالی
#پایتون_مالی
#mplfinance
#tsemodule
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
Forwarded from Python4Finance
سوالات متداول (به روزشده در 1400/09/08)
از آنجایی که خیلی از عزیزان در خصوصی سوالات زیر را پرسیده اند و این سوالات قبلا در کانال پاسخ داده شده است، من عناوین سوالات و پاسخ آنها را جهت مرور خدمت شما قرار می دهم.
🔸چرا پایتون یاد بگیرم؟
پاسخ
🔸بهترین منابع زبان اصلی برای یادگیری پایتون کدام است؟
پاسخ
🔸چگونه میزان برنامه نویسی خود را با چالش های مختلف محک بزنم؟
پاسخ
🔸 آموزش پایتون مقدماتی در کانال
#مقدمات
🔸سوالاتمان در خصوص پایتون را از کجا بپرسیم؟
پاسخ
🔸پایتون برای چه رشته هایی مناسب است؟
پاسخ
🔸مسیر یادگیری را ترسیم نمایید.
پاسخ
🔸متوسط درآمد یک مدلساز مالی چقدر است؟
پاسخ
🔸کاربردهای مدلسازی مالی چیست؟
پاسخ
🔸مسیر توسعه مدل چیست؟؟
پاسخ
🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟
تعریف
الگوریتم های یادگیری ماشین
مفاهیم یادگیری ماشین
🔸پایتون یا اکسل، کدام بهتر است؟
پاسخ
🔸پایتون یا R ، کدام یک را یاد بگیرم؟
پاسخ
🔸آیا پایتون جایگزین MQL می شود؟
پاسخ
استفاده از اطلاعات متاتریدر در پایتون
استفاده از پایتون در متاتریدر
🔸خروجی پایتون چیست؟ (پایتون در کجا اجرا می شود؟)
پاسخ
🔸میزان استفاده از پایتون در حیطه های مختلف چگونه است؟
لینک
🔸پایتون برای اقتصاد سنجی مناسب است؟
پاسخ
🔸آیا امکان رسم نمودارهای کندل با پایتون وجود دارد؟
پاسخ
🔸آیا پایتون برای هوش تجاری مناسب است؟
پاسخ
🔸آیا روش های معاملات الگوریتمی همان روش های تحلیل تکنیکال است؟
پاسخ
🔸آیا در ایران امکان معاملات الگورتیمی وجود دارد؟
پاسخ
نامه رئیس سازمان بورس در خصوص معاملات الگوریتمی
🔸دریافت اطلاعات نفت خام و ارزهای دیجیتال (رمز ارز)، ارزهای خارجی
1-نفت خام ، 2-ارز دیجیتال ، 3-رمز ارز و ارزهای خارجی در تایم فریم های کوتاه ، 4-قیمت رمز ارزها فقط با استفاده از Yahoo Finance
🔸چه موضوعاتی را برای پایان نامه و رساله خود انتخاب کنم؟
پاسخ1 . پاسخ 2
🔸از کدام IDE برای برنامه نویسی پایتون استفاده کنم؟
پاسخ
🔸مسیر تبدیل شدن به یک دانشمند علم داده در حیطه مالی و اقتصاد
پاسخ
🔸دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ
🔸راه آسان دریافت اطلاعات از بورس تهران چیست؟ (ماژول دریافت اطلاعات از بورس تهران)
ماژول TseModule5
🔸کانال آپارت جهت مشاهده وبینارهای «مرور کتاب معاملات الگوریتمی»، «علم داده» و «یادگیری ماشین» و «جادوی سری های زمانی»، «کار با jupyter و زبان مارک دان» ، «خودکار سازی فرآیندها» و ...
لینک
🔸فیلم آموزشی «دریافت اطلاعات بورس ایران با پایتون کتابخانه pandas»
لینک
🔸مشاهده کتاب های معرفی شده در کانال
#معرفی_کتاب
🔸مشاهده اسلایدهای آموزشی ارائه شده در کانال
#اسلاید
🔸✅✅✅ چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی سال 1400)
توضیح: برای مشاهده نمونه دوره ها می توانید به کانال آپارات مراجعه فرمایید. با پرکردن این فرم در زمان برگزاری رویداد ها (کلاس ها و وبینارها) از طریق پیامک یا ایمیل به شما اطلاع رسانی خواهد شد.
#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇👇👇
تلگرام t.iss.one/python4finance
بله (آرشیو کانال) ble.ir/python4finance
اینستاگرام: instagram.com/python4financeacademy
از آنجایی که خیلی از عزیزان در خصوصی سوالات زیر را پرسیده اند و این سوالات قبلا در کانال پاسخ داده شده است، من عناوین سوالات و پاسخ آنها را جهت مرور خدمت شما قرار می دهم.
🔸چرا پایتون یاد بگیرم؟
پاسخ
🔸بهترین منابع زبان اصلی برای یادگیری پایتون کدام است؟
پاسخ
🔸چگونه میزان برنامه نویسی خود را با چالش های مختلف محک بزنم؟
پاسخ
🔸 آموزش پایتون مقدماتی در کانال
#مقدمات
🔸سوالاتمان در خصوص پایتون را از کجا بپرسیم؟
پاسخ
🔸پایتون برای چه رشته هایی مناسب است؟
پاسخ
🔸مسیر یادگیری را ترسیم نمایید.
پاسخ
🔸متوسط درآمد یک مدلساز مالی چقدر است؟
پاسخ
🔸کاربردهای مدلسازی مالی چیست؟
پاسخ
🔸مسیر توسعه مدل چیست؟؟
پاسخ
🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟
تعریف
الگوریتم های یادگیری ماشین
مفاهیم یادگیری ماشین
🔸پایتون یا اکسل، کدام بهتر است؟
پاسخ
🔸پایتون یا R ، کدام یک را یاد بگیرم؟
پاسخ
🔸آیا پایتون جایگزین MQL می شود؟
پاسخ
استفاده از اطلاعات متاتریدر در پایتون
استفاده از پایتون در متاتریدر
🔸خروجی پایتون چیست؟ (پایتون در کجا اجرا می شود؟)
پاسخ
🔸میزان استفاده از پایتون در حیطه های مختلف چگونه است؟
لینک
🔸پایتون برای اقتصاد سنجی مناسب است؟
پاسخ
🔸آیا امکان رسم نمودارهای کندل با پایتون وجود دارد؟
پاسخ
🔸آیا پایتون برای هوش تجاری مناسب است؟
پاسخ
🔸آیا روش های معاملات الگوریتمی همان روش های تحلیل تکنیکال است؟
پاسخ
🔸آیا در ایران امکان معاملات الگورتیمی وجود دارد؟
پاسخ
نامه رئیس سازمان بورس در خصوص معاملات الگوریتمی
🔸دریافت اطلاعات نفت خام و ارزهای دیجیتال (رمز ارز)، ارزهای خارجی
1-نفت خام ، 2-ارز دیجیتال ، 3-رمز ارز و ارزهای خارجی در تایم فریم های کوتاه ، 4-قیمت رمز ارزها فقط با استفاده از Yahoo Finance
🔸چه موضوعاتی را برای پایان نامه و رساله خود انتخاب کنم؟
پاسخ1 . پاسخ 2
🔸از کدام IDE برای برنامه نویسی پایتون استفاده کنم؟
پاسخ
🔸مسیر تبدیل شدن به یک دانشمند علم داده در حیطه مالی و اقتصاد
پاسخ
🔸دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ
🔸راه آسان دریافت اطلاعات از بورس تهران چیست؟ (ماژول دریافت اطلاعات از بورس تهران)
ماژول TseModule5
🔸کانال آپارت جهت مشاهده وبینارهای «مرور کتاب معاملات الگوریتمی»، «علم داده» و «یادگیری ماشین» و «جادوی سری های زمانی»، «کار با jupyter و زبان مارک دان» ، «خودکار سازی فرآیندها» و ...
لینک
🔸فیلم آموزشی «دریافت اطلاعات بورس ایران با پایتون کتابخانه pandas»
لینک
🔸مشاهده کتاب های معرفی شده در کانال
#معرفی_کتاب
🔸مشاهده اسلایدهای آموزشی ارائه شده در کانال
#اسلاید
🔸✅✅✅ چگونه از برگزاری دوره ها مطلع شوم؟ (پیش ثبت نام در دوره های آموزشی سال 1400)
توضیح: برای مشاهده نمونه دوره ها می توانید به کانال آپارات مراجعه فرمایید. با پرکردن این فرم در زمان برگزاری رویداد ها (کلاس ها و وبینارها) از طریق پیامک یا ایمیل به شما اطلاع رسانی خواهد شد.
#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇👇👇
تلگرام t.iss.one/python4finance
بله (آرشیو کانال) ble.ir/python4finance
اینستاگرام: instagram.com/python4financeacademy
This media is not supported in your browser
VIEW IN TELEGRAM
خطای بازماندگی (زنده ماندن) یا Survivorship-bias چیست؟
یکی از خطاهای رایج در تحلیل داده ها، خطای زنده ماندن است. در این ویدئو که بخشی از دوره علم داده ای است که اخیرا برگزار شد، خطای زنده ماندن به زبان ساده توضیح داده می شود.
#خطای_زنده_ماندن
#سوگیری
#علم_داده
#مدلسازی_مالی
#پایتون_مالی
#ویدئو
#Survivorship-bias
#python4finance
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
یکی از خطاهای رایج در تحلیل داده ها، خطای زنده ماندن است. در این ویدئو که بخشی از دوره علم داده ای است که اخیرا برگزار شد، خطای زنده ماندن به زبان ساده توضیح داده می شود.
#خطای_زنده_ماندن
#سوگیری
#علم_داده
#مدلسازی_مالی
#پایتون_مالی
#ویدئو
#Survivorship-bias
#python4finance
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
❤1
ارزش بعضی از جملات با میلیاردها تومان هم قابل معاوضه نیست. (البته با پول امروز میلیاردها، احتمالا سال بعد تریلیاردها😊!)
از همه بزرگوارانی که با پیام های خود انرژی مثبت می دهند کمال تشکر را دارم.
#پیام
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
از همه بزرگوارانی که با پیام های خود انرژی مثبت می دهند کمال تشکر را دارم.
#پیام
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
❤1
Algo_Trading_Report_2020.pdf
840.5 KB
گزارش کمیسیون اوراق بهادار به کنگره آمریکا در خصوص معاملات الگوریتمی با عنوان
«Staff Report on Algorithmic Trading in U.S. Capital Markets »
اگر علاقه مند هستید که آخرین وضعیت معاملات الگوریتمی را در دنیا رصد کنید، مطالعه این گزارش خالی از لطف نیست.
تاریخ گزارش مربوط به 2020 است.
#گزارش
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
«Staff Report on Algorithmic Trading in U.S. Capital Markets »
اگر علاقه مند هستید که آخرین وضعیت معاملات الگوریتمی را در دنیا رصد کنید، مطالعه این گزارش خالی از لطف نیست.
تاریخ گزارش مربوط به 2020 است.
#گزارش
✅عضویت در کانال پایتون برای مالی
t.iss.one/python4finance
بررسی تورم سالیانه کشور از سال 1391 تا آبان 1400
چند روز پیش مرکز آمار ایران گزارش «نرخ تورم دوازده ماهه کل خانوارها به تفکیک استان» تا آبان 1400 را منشتر کرد. (لینک) از آنجایی که این گزارشات عموما برای استفاده مستقیم با پایتون مناسب نیستند من با کمی تغییر در ساختار فایل، این گزارش را با دو فرمت اکسل و جیسون با شما به اشتراک می گذارم.
➖فایل با فرمت Json
➖فایل با فرمت Excel
در فایل اکسل دو شیت قابل مشاهده است که شیت اول، دیتای اصلی مرکز آمار و شیت دوم داده های مرتب شده است.
در تصویر این پست فایل جیسون تورم خوانده شده و تورم سالیانه و ماهیانه رسم می شود. (در نوشتن برنامه به کوچک یا بزرگ بودن حروف توجه فرمایید.)
#تورم
#جیسون
#مدلسازی_مالی
#پایتون_مالی
#inflation
#json
#python4finance
✅عضویت در کانال پایتون برای مالی
t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
چند روز پیش مرکز آمار ایران گزارش «نرخ تورم دوازده ماهه کل خانوارها به تفکیک استان» تا آبان 1400 را منشتر کرد. (لینک) از آنجایی که این گزارشات عموما برای استفاده مستقیم با پایتون مناسب نیستند من با کمی تغییر در ساختار فایل، این گزارش را با دو فرمت اکسل و جیسون با شما به اشتراک می گذارم.
➖فایل با فرمت Json
➖فایل با فرمت Excel
در فایل اکسل دو شیت قابل مشاهده است که شیت اول، دیتای اصلی مرکز آمار و شیت دوم داده های مرتب شده است.
در تصویر این پست فایل جیسون تورم خوانده شده و تورم سالیانه و ماهیانه رسم می شود. (در نوشتن برنامه به کوچک یا بزرگ بودن حروف توجه فرمایید.)
#تورم
#جیسون
#مدلسازی_مالی
#پایتون_مالی
#inflation
#json
#python4finance
✅عضویت در کانال پایتون برای مالی
t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
❤1
tsemodule5.pdf
105.9 KB
راهنمای تکمیلی ماژول tsemodule5
در tsemodule5 تغییرات فروانی اتفاق افتاده است. یکی از دوستان بزرگوارم، آقای رسول بیک وردی زحمت کشیدند و راهنمای مفصلی از این ماژول را آماده کرده اند. ضمن تشکر از ایشان، راهنمای تکمیلی را با شما به اشتراک می گذارم.
#tsemodule
@python4finance
در tsemodule5 تغییرات فروانی اتفاق افتاده است. یکی از دوستان بزرگوارم، آقای رسول بیک وردی زحمت کشیدند و راهنمای مفصلی از این ماژول را آماده کرده اند. ضمن تشکر از ایشان، راهنمای تکمیلی را با شما به اشتراک می گذارم.
#tsemodule
@python4finance
❤2
جستجوی یک مقدار در آرایه
خیلی از اوقات می خواهیم یک شرط خاص را بر روی یک آرایه numpy بررسی کنیم. البته استفاده از یک حلقه و بررسی تک تک مقادیر با If یک راه مقدماتی است اما در numpy برای این مسئله تابع where ارائه شده است. به کمک این تابع می توانید یک شرط خاص را روی تمامی اعضای یک آرایه لحاظ کنید.
در مثال این پست در بین اعداد 1 تا 100 ، اعدادی که باقیمانده مجذور آنها به اضافه سه تقسیم بر هفت ((a**2+3)%7==0) برابر صفر می شود یا اعدادی که مضرب هشت هستند را انتخاب می کنیم.
#پایتون_مالی
#numpy
#where
✅عضویت در کانال پایتون برای مالی
t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
خیلی از اوقات می خواهیم یک شرط خاص را بر روی یک آرایه numpy بررسی کنیم. البته استفاده از یک حلقه و بررسی تک تک مقادیر با If یک راه مقدماتی است اما در numpy برای این مسئله تابع where ارائه شده است. به کمک این تابع می توانید یک شرط خاص را روی تمامی اعضای یک آرایه لحاظ کنید.
در مثال این پست در بین اعداد 1 تا 100 ، اعدادی که باقیمانده مجذور آنها به اضافه سه تقسیم بر هفت ((a**2+3)%7==0) برابر صفر می شود یا اعدادی که مضرب هشت هستند را انتخاب می کنیم.
#پایتون_مالی
#numpy
#where
✅عضویت در کانال پایتون برای مالی
t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug