پایتون مالی
4.85K subscribers
165 photos
94 videos
52 files
318 links
این کانال برای یادگیری پایتون با رویکرد مالی ایجاد شده است.
در اینجا مطالب آموزشی علم داده، هوش مصنوعی، پایتون مالی و معاملات الگوریتمی به اشترک گذاشته خواهد شد.
سپاس بابت همراهیتان
Admin:
علی رئوفی - دکتری اقتصاد مالی و اقتصادسنجی
@raoofiali
Download Telegram
معرفی کتاب Python Algorithmic Trading Cookbook

این کتاب، مستقیم وارد فضای عملی شده و کمتر به بحث‌های تئوری می‌پردازد و برای کسانی که می‌خواهند خیلی سریع تکنیک‌ها را یاد بگیرند مناسب است.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
@Pyfinance AlgoTrading Cookb_2020 .pdf
34.6 MB
دانلود کتاب Python Algorithmic Trading Cookbook

#معرفی_کتاب


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
متخصصان علم داده تا چه مقطعی تحصیل کر‌ده‌اند؟


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
Media is too big
VIEW IN TELEGRAM
🔵مقدمات زبان برنامه نویسی #پایتون

#درس_چهارم
ساخت دیکشنری پایتون

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
This media is not supported in your browser
VIEW IN TELEGRAM
اهمیت مصورسازی در #داده_کاوی.

شاید یک دایناسور در #داده های شما باشد!

آماره‌های توصیفی تمام واقعیت را به شما نشان نمی‌دهند.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
دوره معاملات الگوریتمی با پایتون

📣 ۳۵ درصد #تخفیف فقط تا پایان امروز!
🔔 امکان پرداخت به صورت #اقساط

طول دوره: ۲۰ساعت + ۴ساعت پرسش و پاسخ و تمرین

مدرس:
علی رئوفی- دکتری اقتصادسنجی و مالی

نحوه برگزاری:
آنلاین + ویدئو به صورت #مادام‌العمر

برای کسب اطلاعات بیشتر و دریافت سرفصل‌ها به ایدی تلگرامی @abedizohreh پیام ارسال فرمایید.
.
متخصصان #علم_داده از چه زبان برنامه‌نویسی استفاده می‌کنند؟


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
امین امینی مهر
دانشجو ارشد - مهندسی مالی

مقالات چاپ شده

The Role of Feature Engineering in Prediction of Tehran Stock Exchange Index Based on LSTM - Iranian Journal of Economic Studies - 2021 link

ParsBERT Post-Training for Sentiment Analysis of Tweets Concerning Stock Market - 26th International Computer Conference, Computer Society of Iran (CSICC) - IEEE - 2021 link

A Time Step Cascade CNN-LSTM neural network for predicting adjusted close price of 5 largest firms in Tehran stock exchange - The International Conference on Interdisciplinary Studies in Management and Engineering - 2021 link

مقالات پذیرفته شده

A study on the characteristics of TSE index return data and introducing a regime switching prediction method based on neural networks - Journal of Financial Management Perspective

A comprehensive study of market prediction from Efficient Market Hypothesis up to late intelligent market prediction approaches

لینک گیت هاب من:
https://github.com/aminaminimehr
John_Hull_Machine_Learning_in_Business_1637339483.pdf
14.8 MB
یادگیری ماشین در تجارت: مقدمه‌ای بر دنیای #علم_داده

#معرفی_کتاب

بسیاری از دانشجویان #مالی در ایران پروفسور #جان_هال را به‌واسط کتاب فوق‌العاده «اختیارهای خریدوفروش، قراردادهای آتی و سایر #مشتقات» می‌شناسند. ایشان در جولای سال ۲۰۱۹ میلادی و در سن ۷۳ سالگی کتابی با عنوان «#یادگیری_ماشین در تجارت: مقدمه‌ای بر دنیای #علم_داده» نگارش کرده‌اند که خواندنش برای علاقه‌مندان به دنیای علم داده خالی از لطف نیست.
.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
🔵مقالات تخصصی من در زمینه پیش‌بینی بازارهای مالی در ژورنال‌های داخلی و خارجی
*علی رئوفی- دکتری اقتصاد مالی

1- Empirical Study on the Existence of Long-term Memory In Tehran Stock Exchange Returns: Rolling Window Approach
در این مقاله وجود حافظه در داده‌های تاریخی بورس اوراق بهادار بررسی شده است. به زبان ساده اینکه آیا می‌توان با استفاده از داده‌های روزهای گذشته، آینده بازار را پیش‌بینی کرد؟ بر اساس نتایج بدست آمده داده‌های بورسی دارای حافظه حدودا سه روزه هستند و می‌توان از اطلاعات سه روز گذشته برای پیش‌بینی استفاده کرد. البته به مرور زمان این حافظه کوتاه شده و به بورس ایران به بازار کارا نزدیکتر شده است.
2- Forecasting Tehran Stock Exchange Index Returns Using a Combination of Wavelet Decomposition and Adaptive Neural Fuzzy Inference Systems
در این مقاله تلاش شده کرده‌ایم تا شاخص کل بورس اوراق بهادار را با استفاده از ترکیب ابزارهای پیشرفته نظیر شبکه عصبی مصنوعی، تجزیه موجک و منطق فازی پیش‌بینی کنیم. در این روش، نویزها با استفاده از تجزیه موجک حذف شده تا نوسانات اصلی راحت‌تر قابل پیش‌بینی باشد. در نهایت یک مدل با دقت پیش‌بینی بالا ارائه شده است.
3- Assessment of Gold Price Predictability and Comparison of Predictions made by Linear and Nonlinear Methods
در این مقاله پیش‌بینی‌پذیری قیمت طلا مورد بررسی قرار گرفته است و مشخص شده است و بهترین روش برای پیش‌بینی قیمت طلا معرفی شده است.
4- Comparison of Several Combined Methods for Forecasting Tehran Stock Exchange Index
در این مقاله انواع روش‌های پیشرفته پیش‌بینی مورد ارزیابی و مقایسه قرار گرفته‌اند. و در نهایت روش ترکیبی شبکه عصبی مصنوعی-فازی به عنوان روش برگزیده معرفی گردیده است. در این روش جهت بازار (مثبت و منفی بودن بازده) با دقت 72 درصد قابل پیش‌بینی است.
5- Assessment and Comparison of linear and non- linear Methods for Forecasting Returns on Stock Market Index
در این مقاله روش‌های خطی و غیرخطی برای پیش‌بینی سهام مورد بررسی و مقایسه قرار گرفت. در ابتدا اثبات شد که رفتار بازار سهام ایران غیرخطی و آشوبی است. رفتار آشوبی رفتاری است که علیرغم وجود بی نظمی در ساختار خود، از یک نظم پیچیده که شاید در ظاهر قابل مشاهده نباشد پیروی می‌کند. سپس روش‌های پیش‌بینی پیشرفته با روش‌های خطی مقایسه شده است. نتایج مطابق انتظار نشان داد که روش‌هایی که توانایی مدلسازی رفتار غیرخطی را دارند بهتر از روش‌های خطی پیش‌بینی می‌کنند.
6- Forecasting OPEC Crude Oil Price Using Fuzzy Autoregressive Integrated Moving Average (FARIMA) Model
در این مقاله تلاش شده است تا قیمت نفت با استفاده از یک الگوی رگرسیون فازی مورد پیش‌بینی قرار گیرد. در نهایت مشخص شد که این روش توانایی قابل قبولی در پیش‌بینی بازار نفت نسبت به سایر روش‌ها دارد.
7- Identifying Data Generator Process of Tehran Stock Exchange, Modeling and forecasting using Soft Computing
در این مقاله داده‌های تاریخی بورس از جهات مختلف مورد بررسی قرار گرفته است. با شناسایی خصوصیات مختلف شامل حافظه‌مند بودن، کارا بودن، آشوبی بودن و نامتقارن بودن یک الگوی پیش‌بینی قابل قبول ارائه گردد. در نهایت مشخص شد که شوک‌های مثبت و منفی در بازار سهام متقارن نیستند و شوک‌های منفی بزرگتر از شوک‌های مثبت است. همینطور بازار سهام یک بازار آشوبی و حافظه‌مند است و مدلی که قرار است پیش‌بینی بازار را بر عهده بگیرد باید این خصوصیات را مدل کند.
8- Evaluation and comparison of performance of ANFIS and ARIMA in forecasting the daily gold prices
در این مقاله دو روش مختلف آریما (اقتصادسنجی) و شبکه عصبی فازی (محاسبات نرم) برای پیش‌بینی قیمت سکه تمام بهار آزادی مورد استفاده و مقایسه قرار گرفت که روش شبکه عصبی فازی با دقت بسیار بالایی توانایی خود را در پیش‌بینی این بازار نشان داد
9- The Existence of Long Memory Property in OPEC Oil Prices
در این مقاله قیمت نفت اوپک مورد ارزیابی قرار گرفته است و پیش‌بینی پذیری آن سنجش شده است. نتایج نشان می‌دهد که پیش‌بینی پذیری بازار نفت اگرچه کار دشواری است با این حال غیر ممکن نیست.
10- Evaluation and Comparison of Forecast Performance of Linear and Non-linear Methods for Daily Returns of Tehran Stock Exchange
در این مقاله انواع روش‌های نوین پیش‌بینی بازار سهام مورد بررسی قرار گرفته است و مهمترین روش‌ها با یکدیگر مقایسه شده است.
11- The Role of Feature Engineering in Prediction of Tehran Stock Exchange Index Based on LSTM
.
لیست کامل مقالات را اینجا (+) مطالعه بفرمایید
الگوریتم های یادگیری ماشین.pdf
6.2 MB
یک چیت شیت عالی برای مصاحبه های کاری به عنوان دانشمند داده.

فقط در ۱۴ صفحه.

#cheat_sheet

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
معرفی کتاب «استادی در pandas برای بازارهای مالی»

تحلیل بازارهای مالی با استفاده از کتابخانه pandas

تحلیل و آنالیز بازارهای مالی جزو داغ‌ترین مباحث روز جهان است که می‌توان با استفاده از برنامه‌نویسی و الگوریتم‌های یادگیری ماشین اینکار را دقیق‌تر و سریع‌تر انجام داد.


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
Michael_Heydt_Mastering_pandas_for_Finance_Master_pandas,_an_open.pdf
7 MB
معرفی کتاب «استادی در pandas برای بازارهای مالی»

Mastering Pandas for Finance

#معرفی_کتاب


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
برای تبدیل شدن به یک متخصص داده، باید در چه رشته‌ای تحصیل کرد؟

تحصیلات اولین گزینه‌ای است که در یک رزومه کاری مورد توجه قرار می‌گیرد.
طبق داده‌های منتشر شده در 365datascience، یک متخصص معمولی داده در سال ۲۰۲۰، دارای مدرک کارشناسی (۱۳درصد)، کارشناسی ارشد (۵۶درصد) و یا دکترا (۲۷درصد) است. اما بهترین رشته برای تبدیل شدن به یک دانشمند داده چیست؟

حقیقت این است که برای متخصص شدن در این حرفه، تحصیل در هیچ رشته‌ای به تنهایی عامل موفقیت نیست. بدون کسب مهارت‌های تحلیل و برنامه‌نویسی، حتی اگر در بالاترین مقاطع تحصیلی در علوم داده باشیم، نمی‌توانیم در این جایگاه موفق عمل کنیم.


🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.
Media is too big
VIEW IN TELEGRAM
🔵مقدمات زبان برنامه نویسی #پایتون

#درس_پنجم
ساخت اولین حلقه

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
پاسخ به سوالات زیر در ارائه محتوای با کیفیت‌تر و متناسب با نیاز شما به ما کمک می‌کند. 👇👇
تمایل به دریافت چه محتوایی در رابطه با «پایتون» دارید؟
Anonymous Poll
57%
مقدماتی
43%
پیشرفته
تمایل به دریافت چه محتوایی در رابطه با «علم داده» در کانال دارید؟
Anonymous Poll
66%
مقدماتی
34%
پیشرفته
کتاب «راهنمای پایتون برای اقتصادسنجی مقدماتی مالی»
python guid to accompany, Introductory Econometrics for Finance
اقتصادسنجی یکی از ابزارهای بااهمیت در علم داده است. در این کتاب مبانی اقتصادسنجی مالی با مثال‌های گسترده‌ای از پایتون توضیح داده شده است.
نویسنده کتاب کریس بروکز است. کتاب خواندنی #اقتصادسنجی_مالی که در ایران نیز ترجمه شده است، از همین نویسنده است.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.