Python4Finance
9.35K subscribers
567 photos
41 videos
152 files
758 links
کانال Python4Finance
آموزش پایتون در اقتصاد و مدیریت مالی
هر روز چند نکته را در خصوص پایتون برای مالی بیاموزیم
***
ارتباط با من
b2n.ir/y72935
***
آپارت:
aparat.com/Python4Finance
کانال چالش ها:
t.iss.one/python4finance_challenge
Download Telegram
@Python4Finance_Learn_Algorithmic.pdf
15.9 MB
کتاب «یادگیری معاملات الگوریتمی با پایتون- Learn Algorithmic Trading». یک کتاب بسیار خوب برای یادگیری سازوکارهای معاملات الگوریتمی با پایتون


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست های قبلی تا حدودی در خصوص معاملات الگورتیمی صحبت کردم. البته مبحث معاملات الگورتیمی علی الخصوص الگوریتم های اصلی تحلیل، مبحث بسیار مهم و پیچیده ای است که نیاز به توضیحات بیشتر دارد.
یکی از کتابخانه هایی که برای بک تست (backtest) معاملات الگوریتمی استفاده می شود کتابخانه PyAlgoTrade است.
منظور از backtest این است که شما یک استراتژی معاملاتی خاصی را انتخاب کرده اید و به دنبال تست کردن آن و بررسی کارایی آن هستید، برای این منظور شما با استفاده از داده های گذشته سهام، تحلیل را انجام می دهید و نتیجه را با آنچه در واقعیت اتفاق افتاده است مقایسه می کنید.
در پست های آتی در خصوص شیوه عملکرد این کتابخانه بیشتر توضیح خواهم داد.

#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading
#Backtest

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
کتابخانه ای برای معاملات الگوریتمی (PyAlgoTrade)

در پست قبلی کتابخانه PyAlgoTrade را معرفی کردم. PyAlgoTrade دارای 6 جزء اصلی است:
1- استراتژی ها (Strategies) ، منطق عملیات، یعنی کی بخریم و کی بفروشیم
2- منابع (Feeds) ، یعنی اینکه دیتا را از کجا به دست آوریم. منبع داده ها می تواند فایل های csv باشد و البته محدود به این نیست. حتی می توانید از داده های توئیتر هم برای منبع استفاده کنید.
3- کارگزاران (Brokers)، مسئول اجرا سفارشات.
4-داده های سری (DataSeries) ، یا همان سری زمانی
5- تکنیکال (Technicals)، روش های متداول تحلیل تکنیکال مانند SMA، RSI و ... .
6- بهینه کننده (Optimizer) ، یک کلاس فنی است که توزیع پردازش ها بین رایانه های مختلف یا تجمیع روی یک رایانه را می تواند انجام دهد.

در پست های آتی مثالی را با این کتابخانه انجام خواهیم داد.


#پایتون_مالی
#PyAlgoTrade
#معاملات_الگوریتمی
#Algoritmic_Trading
#Backtest

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
لیست توابع داخل یک کتابخانه

یکی از سوالاتی که خیلی از دوستان می پرسند این است که معمولا در هر کتابخانه (ماژول) که استفاده می کنیم حجم زیادی تابع وجود دارد، چگونه می توانیم خیلی سریع توابع داخل یک کتابخانه را متوجه شویم؟ مثلا کتابخانه ریاضیات math چند تابع دارد؟
برای این منظور از تابع dir استفاده می کنیم. توجه داریم که حتما قبل از استفاده از dir باید کتابخانه را import کرده باشیم.

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance
1
کتاب «معاملات الگوریتمی و معاملات پربسامد»
یک کتاب بسیار خوب برای یادگیری بنیان، سازوکار و آموخته های جهانی معاملات الگوریتمی


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
@Python4Finance_معاملات_الگوریتمی.pdf
2.5 MB
کتاب «معاملات الگوریتمی و معاملات پربسامد»
یک کتاب بسیار خوب برای یادگیری بنیان، سازوکار و آموخته های جهانی معاملات الگوریتمی


#پایتون_مالی
#معرفی_کتاب
#معاملات_الگوریتمی
#Algoritmic_Trading


پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
معاملات الگوریتمی برای چه کسانی مناسب نیست؟🤔

تا کنون راجع به اینکه معاملات الگوریتمی چه مزایایی دارد صحبت کردیم ، اما واقعیت این است که معاملات الگورتیمی در همه شرایط بهترین انتخاب نیست.
در این پست در خصوص مواردی که معاملات الگورتیمی بهترین انتخاب نیست توضیحاتی ارائه می گردد.

1️⃣ وقتی بازار عمق و نقد شونی اندکی دارد: در بازارهایی که عمق کمی دارند و حجم اندکی خریدار و فروشنده وجود دارد، به جای الگوریتم های علمی بیشتر احساسات و اخبار نهانی باعث سودآوری می شود. همچنین نقد شوندگی اندک باعث گیر افتادن در یک سهم خواهد شد!
2️⃣ اگر سرمایه اندکی دارید: بیشتر الگوها برای پرتفوهای بزرگ طراحی می شوند. از طرفی هزینه طراحی الگوریتم های قدرتمند بالاست و برای سبدهای کوچک به صرفه نیست. همچنین هزینه کارمزد معملات با توجه به حجم بالای معاملات در سبدهای کوچک باعث از صرفه خارج شدن معاملات الگوریتمی می شود.
3️⃣ اگر دید شما برای سرمایه گذاری، بلند مدت است: برخی به دنبال خرید یک سهم با ارزش و نگهداری آن برای مدت طولانی هستند. این افراد بیشتر باید از تحلیل بنیادی استفاده کنند و معاملات الگورتیمی برای آنها کارآمد نیست.
4️⃣ اگر دانش برنامه نویسی ندارید: اگرچه امروزه پلتفرم های متعددی برای انجام معاملات الگوریتمی بدون کدنویسی توسعه داده شده است، اما واقعیت این است که این کد نویسی است که دست شما را برای نوشتن الگورتیم های حرفه ای و خاص باز می کند. این حالت مانند آن است که برای مسافرت سوار اتوبوس شوید، درست است که به مقصد می رسید اما راحتی رفت و آمد با خودروی شخصی خود را ندارید و تابع برنامه اتوبوس هستید.
5️⃣ اگر در علم آمار و اقتصاد تبحر کافی ندارید: آمار و اقتصاد و حتی ریاضیات پیش نیاز تحلیل های انجام شده برای نگارش یک الگوریتم مناسب است. اگر در این علوم تبحر کافی ندارید منطق الگوریتم ها را به خوبی متوجه نخواهید شد.
6️⃣ اگر امکان تهیه تجهیزات مناسب رایانه ای ندارید: برای انجام الگوریتم تریدینگ باید اینترنت پرسرعت و پایدار و رایانه مناسب با قابلیت تحلیل بالا داشته باشید. حساب کنید در صورتی که بخواهید اطلاعات 10 سال 100 سهم را با تناوب 5 دقیقه محاسبه کنید نیازمند یک رایانه بسیار قدرتمند هستید. البته از سیستم های ابری هم می توانید استفاده کنید که کیفیت کمتری دارند و البته هزینه کمتری هم دارند.

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance
آشنایی با NumPy Financial
در واقع تیم توسعه دهنده numpy بعد از ارائه ورژن 1.17 اعلام کرد که از نسخه 1.20 به آن طرف کلا توابع مالی را حذف می کند و این توابع صرفا در کتابخانه numpy-financial ارائه می شوند. البته در حال حاضر این توابع در هر دو کتابخانه هستند ولی لازم است در صورتی که در برنامه های خود از توابع مالی Numpy استفاده کرده اید به تدریج آنها را جایگزین نمایید. اتفاقی که قبلا برای matplotlib افتاده بود و توابع مالی خود را به mpl-finance منتقل کرده بود.

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug

پایتون برای مالی در بله
https://ble.im/python4finance
Python4Finance pinned Deleted message
Forwarded from Python4Finance
سوالات متداول

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
🔸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
🔸یادگیری ماشین چیست و کاربرد آن در مالی چگونه است؟
پاسخ
🔸پایتون یا اکسل، کدام بهتر است؟
پاسخ
🔸پایتون یا R ، کدام یک را یاد بگیرم؟
پاسخ
🔸آیا پایتون جایگزین MQL می شود؟
پاسخ
🔸خروجی پایتون چیست؟ (پایتون در کجا اجرا می شود؟)
پاسخ
🔸پایتون برای اقتصاد سنجی مناسب است؟
پاسخ
🔸آیا پایتون برای هوش تجاری مناسب است؟
پاسخ
🔸دانلود وبینار کاربرد علم داده در اقتصاد و مالی
لینک
🔸طریقه دریافت اطلاعات از TSETMC (بورس ایران)
پاسخ

🔸 چگونه از برگزاری دوره ها مطلع شوم؟
پاسخ


#پایتون_مالی
#پاسخ_سوالات
#FAQ
عضویت در کانال 👇
پایتون برای مالی در تلگرام https://t.iss.one/python4finance
پایتون برای مالی در بله https://ble.im/python4finance
با تشکر از همه عزیزان شرکت کننده 🌹، وبینار در زمان مقرر برگزار شد.
فیلم وبینار چند روز بعد در کانال منتشر خواهد شد.
====================================
شروع وبینار «آشنایی با یادگیری ماشین و کاربرد آن در اقتصاد و مالی» تا لحظاتی دیگر ....

آدرس وبینار:
https://185.94.191.15/webinar
به عنوان میهمان (Guest) وارد شوید.

برای مشاهده وبینار با استفاده از رایانه ، لازم است نرم افزار فلش پلیر متناسب با مرورگر خود نصب کرده باشید.
لینک نصب فلش پلیر

در صورتی که از موبایل برای حضور در کلاس استفاده می کنید نرم افزار Adobe Connect را بر روی گوشی نصب نمایید.
لینک گوگل پلی
@Python4Finance_webinarML.pdf
550 KB
اسلایدهای وبینار «آشنایی با یادگیری ماشین و کاربرد آن در اقتصاد و مالی»

#اسلاید_آموزشی
#پایتون_مالی
#وبینار

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
پایتون برای مالی در بله
https://ble.im/python4finance
فیلم وبینار «آشنایی با یادگیری ماشین و کاربرد آن در اقتصاد و مالی»
لینک

🔸همچنین سایر فیلم های آموزشی در کانال آپارت به آدرس https://www.aparat.com/Python4Finance
بارگزاری شده است.

#یادگیری_ماشین
#پایتون_مالی
#وبینار

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
پایتون برای مالی در بله
https://ble.im/python4finance
کتابخانه Zipline برای معاملات الگوریتمی و بک تست

قبلا در خصوص کتابخانه های معاملات الگوریتمی راجع به PyAlgoTrade توضیح دادم. یکی دیگر از کتابخانه های معروف و خوش دست برای این موضوع کتابخانه Zipline است. از خصوصیات بسیار جذاب این کتابخانه امکان دریافت آسان داده ها و استفاده از ابزارهای تحلیل تکنیکال برای آنهاست. امکان ایجاد تقویم خرید و فروش و همچنین مدیریت ریسک از دیگر امکانات بسیار جذاب این کتابخانه است.
در پست های آتی در خصوص این کتابخانه جذاب بیشتر صحبت خواهیم کرد.


#معاملات_الگوریتمی
#پایتون_مالی
#Zipline
#Backtest

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
استفاده از ورژن های مختلف کتابخانه ها در پایتون با Pipenv

فرض کنید سه سال پیش پروژه ای را با یکی از کتابخانه های پایتون انجام داده اید و امروز قصد دارید پروژه جدیدی را با نسخه جدید همان کتابخانه انجام دهید و این کتابخانه دچار تغییرات اساسی طی این مدت شده است. در این حالت آپدیت کردن کتابخانه باعث از کار افتادن برنامه قبلی و آپدیت نکردن به منزله عدم استفاده از امکانات جدید کتابخانه خواهد بود. برای رفع این مشکل می توانید از کتابخانه Pipenv استفاده کنید. به کمک این کتابخانه می توانید ورژن های مختلف کتابخانه ها را در محیط مجازی نصب کنید و بر روی یک ورژن پایتون، چندین نسخه از یک کتابخانه را داشته باشید.
اطلاعات بیشتر در خصوص pipenv

#پایتون_مالی
#محیط مجازی
#Pipenv

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
به درخواست برخی از دوستان عزیز، کانال اینستاگرام هم راه اندازی شد. پیشاپیش مقدم شما به این کانال را هم گرامی می دارم.🌹🌹🌹

https://www.instagram.com/python4financeacademy/
امروز با حدود 150 نفر از عزیزان بازار سرمایه کلاسی با موضوع آشنایی با پولشویی و روش های مقابله با آن داشتیم . از آنجایی که یکی از اهداف ما در علم داده و یادگیری ماشین کشف جرم و تقلب است و یکی از مصادیق مهم تقلب در بازارهای مالی پولشویی است ، اسلایدهای این کلاس را با شما به اشتراک می گذارم. در خصوص الگوریتم های یادگیری ماشین برای پولشویی بعدا مطالبی را به طور مفصل قرار خواهم دارد.

#اسلاید_آموزشی
#مبارزه_با_پولشویی
#پایتون_مالی
#کلاس_آنلاین

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
پولشویی اصلی[email protected]
1 MB
اسلایدهای دوره آشنایی با پولشویی و روش های مقابله با آن

#اسلاید_آموزشی
#مبارزه_با_پولشویی
#پایتون_مالی
#کلاس_آنلاین

پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug
یک تیم توسعه یادگیری ماشین از چه افرادی تشکیل شده است؟


#یادگیری_ماشین
#پایتون_مالی


پایتون برای مالی در تلگرام
https://t.iss.one/joinchat/AAAAAFGMkouqbsb86Vfzug