سخنرانی‌های TED در حوزه علوم داده

سخنرانی‌های TED منابع الهام بخشی هستند که کمتر بهش توجه می‌شه. در اینجا ۵ سخنرانی که به حرفه علم داده می‌پردازه خدمتتون ارائه کردم.

🎬 سخرانی We're All Data Scientists
┤ 📝 علوم داده برای لیسانس و فوق لیسانس.
┘ 📥 لینک: Youtube LINK


🎬 سخرانی Big data dystopia
┤ 📝 چگونه کلان داده‌ها می‌تونن به ما امکان پیش بینی آینده رو بدن؟
┘ 📥 لینک : Youtube LINK


🎬 سخرانی How I hacked online dating
┤ 📝 داستان هک برنامه دوست یابی آنلاین.
┘ 📥 لینک : Youtube LINK


🎬 سخرانی The beauty of data visualization
┤ 📝 چگونه مصور سازی داده‌ها و الگوهای درون اون، اطلاعات بیشتری رو ایجاد می‌کنه.
┘ 📥 لینک : Youtube LINK


🎬 سخرانی The best stats you've ever seen
┤ 📝 بهبود مهارت‌های ارائه داده‌ها.
┘ 📥 لینک : Youtube LINK

➖➖➖➖➖➖➖➖➖
مفاهیم مالی در پایتون
https://t.me/pyfinance

سپاس از همراهی شما ❤️

مرجع تخصصی علم داده و هوش مصنوعی در صنعت مالی

@pyfinance

🏷️ بررسی معاملات #الگوریتمی در بورس‌های اوراق بهادار

مفاهیم، الزامات و محدودیت‌های نظارتی

کاری از مدیریت تحقیق و توسعه شرکت بورس اوراق بهادار تهران
اسفند ۱۴۰۲

مرجع تخصصی علم داده و هوش مصنوعی در صنعت مالی
🆔 @pyFinance

در پنج سال گذشته استراتژی‌های متعددی برای بازار سهام ایران طراحی کرده‌ام. بازاری که از جهات مختلف با بازارهای جهانی متفاوت است. صف خرید و فروش، محدودیت دامنه نوسان، حجم مبنا، عمق کم، دستوری بودن و...
در دو سال گذشته تمرکز اصلیم روی طراحی استراتژی‌هایی بوده که در وهله اول سرمایه افراد را حفظ کند(نه حداکثر سود)،در وهله دوم بازده آن به صورت قابل توجه از سرمایه‌گذاری بدون ریسک(صندوق درآمد ثابت)بیشتر باشد و در وهله نهایی کمتر درگیر چالش‌های بازار ایران شود(به دلیل بالا بودن کارمزد و امکان قرارگیری در صف خرید و فروش، معاملات بالایی نداشته باشد!).
نتایج استراتژی در ۲ سال گذشته به شرح تصویر پیوست است.
همینطور که مشاهده می‌کنید در بازه ۲ ساله، استراتژی با #شاخص_کل، #اهرم، #فیروزا و #کهربا (از بهترین صندوق‌ها از حیث بازده) مقایسه شده است.

میزان بازده:

کهربا: ۲۳۰٪
استراتژی: ۲۰۳٪
اهرم: ۱۴۰٪
شاخص کل: ۷۵٪
فیروزا: ۶۲٪

ماکزیمم دراودان
(Maximum Drawdown):

فیروزا: ۰٪
استراتژی: ۲۰٪
شاخص کل: ۲۰٪
کهربا: ۲۵٪
اهرم: ۴۱٪

پ‌ن: استراتژی در بحث مانیتورینگ و تعیین حد ضررهای داینامیک در حال بهبود است.

🆔@pyFinance

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
.

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 علم داده، 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.

🔅برای شرکت در دوره جامع علم داده و هوش مصنوعی در مالی به @data_vest پیام ارسال نمایید.
➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

🕌 تراکم مساجد شهر تهران
نقشه از ما، قضاوت و نتیجه‌گیری با شما...

حالا که بحث ساخت مسجد در #پارک_قیطریه (منطقه ۱ تهران) داغ شده، به نظرم ایده خوبیه که مساجد تهران رو روی نقشه مشخص کنیم و ببینیم اوضاع از چه قراره!
تعداد مساجد شهر تهران حدود ۲ هزار مسجد (استان تهران ۳۵۰۰ مسجد)
به ازای هر ۴ هزار نفر ۱ مسجد
بیشترین سرانه مسجد (متناسب با جمعیت): منطقه ۱۲
کمترین سرانه مسجد (متناسب با جمعیت): منطقه ۵
تراکم مساجد پایین خیابان انقلاب و بالای آن قابل مقایسه نیست، که البته اگر به صورت سرانه جمعیتی حساب شود کمی اوضاع بهتر می‌شود!
پیج رو دنبال کنید تا در پست‌های بعدی تراکم کتابخانه، سینما، رستوران و ... رو ببینید و مقایسه کنید.

بفرستید تا برسه دست آقای زاکانی!

پ‌ن۱: شاید باورتون نشه، اما با یه سرچ ساده متوجه می‌شید که آمار دقیقی از تعداد مساجد تهران و کشور وجود نداره! تعداد مساجد کشور بین ۷۰ تا ۸۵ هزار متغیر هست! بعد نمی‌دونم بر اساس کدوم بررسی و آمار می‌گن مسجد کمه!

پ‌ن۲: برای انجام این کار از مهارت‌های علم داده (+) استفاده شده است.
〰️〰️〰️〰️〰️
🆔 @ecoraoofi
🆔 @pyfinance

#فکت
مدیر عامل انویدیا:
هوش‌مصنوعی شما را بیکار نمی‌کند، آنهایی که با هوش‌مصنوعی کار می‌کنند شما را بیکار می‌کنند. پس هر چه زودتر آن را فرا بگیر!
➖➖➖➖➖➖➖➖➖
🌐افزایش دانش مالی با پایتون در تلگرام
🆔@pyFinance
.

دوره جامع "هوش‌مصنوعی و علم داده" با رویکرد مالی

🔥تخفیف ۳۰ درصدی فقط تا پایان فروردین

طول دوره: ۱۰۰ ساعت

با ارائه #مدرک معتبر و قابل ترجمه

پاسخگویی به سوالات و ثبت‌نام:
🌐 @data_vest

❗️اطلاع از سایر دوره ها (+)
➖➖➖➖➖➖➖➖➖➖
افزایش دانش مالی با پایتون در تلگرام
https://t.me/pyfinance

📝 تصحیح امتحان با استفاده از AI

در چین معلم‌ها از هوش مصنوعی برای ساده‌سازی فرآیند نمره‌دهی امتحانات استفاده می‌کنن.

گاهی افراد فکر میکنن هوش مصنوعی قراره جای اونها رو بگیره، اما در بسیاری از مواقع هوش مصنوعی به کمک انسان میاد تا وظایف و مسئولیت‌ها با دقت و سرعت بیشتر انجام بشن.
بهتون توصیه میکنم یه بار دیگه این قسمت از صحبت‌های مدیر عامل انویدیا رو گوش بدید (+)
در هر شغلی که هستید، ببینید آیا مهارت‌های لازم برای انطباق با هوش مصنوعی رو دارید؟!
➖➖➖➖➖➖➖➖➖➖
افزایش دانش مالی با پایتون در تلگرام
https://t.me/pyfinance

تورم در بخش کالاهای سوپرمارکتی!

بخش بهداشت شخصی با ۵۳ درصد افزایش قیمت، گوی سبقت رو از بقیه ربوده!

▪️فرآورده‌های منجمد و یخچالی 51.4%
▫️کنسرو و غذای آماده 51.3%
▪️نوشیدنی‌های سرد 45.1%
▫️شور و ترشیجات 43.5%
▪️لبنیات 39.0%
▫️مواد پروتئینی و تخم مرغ 38.9%
▪️افزودنی‌ها 35.1%
▫️نوشیدنی‌های گرم 34.5%
▪️خشکبار و شیرینی 34.0%
▫️کالاهای اساسی و خوار و بار 31.9%
▪️تنقلات 31.8%
▫️بهداشت خانگی 24.6%
▪️میوه و سبزیجات 23.3%

پ‌ن: این اطلاعات بر اساس داده‌های ۲۱۶۶ کالای سوپرمارکتی از فروشگاه‌های آنلاین با استفاده از تکنیک تحلیل داده استخراج و تحلیل شده است.
〰️〰️〰️〰️〰️
🆔 @ecoraoofi
🆔 @pyfinance

به جای جنگیدن با هوش‌مصنوعی، از توانایی‌هاش استفاده کنیم تا با صرفه‌جویی در زمان و افزایش بهره‌وری بتونیم از ارزش‌های انسانی! بیشتر لذت ببریم.
هوش‌مصنوعی شاید بتونه خیلی چیزها رو بهتر از انسان انجام بده، اما...

@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 بورسی 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 است تا شاخص کل بورس با استفاده از ترکیب ابزارهای پیشرفته نظیر شبکه عصبی مصنوعی، تجزیه موجک و منطق فازی پیش‌بینی شود.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. 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 مقایسه قرار گرفت.در ابتدا اثبات شد که رفتار بازار غیرخطی و آشوبی است.رفتار آشوبی رفتاری است که علیرغم وجود بینظمی 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 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.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
.
12- A Comprehensive Study of Market Prediction from Efficient Market Hypothesis up to Late Intelligent Market Prediction Approaches
.
لیست کامل مقالات را اینجا (+) مطالعه بفرمایید

💸سری زمانی OHLC نرخ دلار

هر بار قیمت دلار، سکه، مسکن و ... سر به فلک میکشه اولین اقدام مسئولین منع کردن سایت‌ها از اعلام نرخ اونهاست. اما خوب واقعیت اینه که دیگه این راهکارها قدیمی شده و اونی که دنبالش باشه نرخ رو در میاره.
در ماه‌هایی که بانک مرکزی و مرکز آمار، قیمت مسکن رو منتشر نمیکردند، هشت ماه متوالی نرخ مسکن شهر تهران رو برآورد کردم که پس از انتشار آمار، همگی دیدید که برآورد من اختلاف بسیار ناچیزی با داده های واقعی داشت (اینجا ببینید +).
اخیرا هم با افزایش قیمت دلار، سایت‌ها از انتشار قیمت دلار منع شدند، هر چند میدونم همگی شما عزیزان نرخ روزانه را از کانال‌های تلگرامی دریافت می‌کنید، اما بسیاری از تحلیلگران، معامله گران، پژوهشگران، روزنامه‌نگاران و ... به داده های تاریخی نرخ دلار نیاز دارند (و ببینید با عدم انتشار این آمار چه آسیبی به مملکت می‌رسه).
در فایل اکسل پیوست شده، سری زمانی #روزانه نرخ دلار به صورت #OHLC از تاریخ ۵ آذر ۱۳۹۰ تا ۳ اردیبهشت ۱۴۰۳ گردآوری شده است.
امیدوارم که براتون مفید باشه

پ‌ن: OHLC یعنی، قیمت بازگشایی، بیشترین قیمت، کمترین قیمت و قیمت پایانی دلار در اون روز

@ecoraoofi
.

📕 آیا برای مواجه با «تخریب خلاق هوش‌صنوعی» آماده‌ایم؟!

تخریب خلاق همان فرآیند ریزش و رویش در یک اقتصاد آزاد و سالم است که باید دائما اتفاق بیفتد. شرکت‌های کارآمدتر ‌جای شرکت‌های ناکارآمد و ضعیف‌ را بگیرند تا بهترین خدمات با کمترین قیمت در اختیار مصرف‌کنندگان قرار بگیرد.

به گفته شومپیتر، «تخریب خلاق، روند جهش در صنعت را توصیف می‌کند که بی وقفه ساختار اقتصادی را از درون انقلابی می‌کند، ساختارهای قدیمی را نابود می‌کند و یک ساختار جدید و کارا را ایجاد می‌کند»

حالا «دارون عجم اغلو» یکی از اقتصاددانان مطرح جهان در مقاله‌ای کوتاه ظهور هوش مصنوعی و تاثیر آن بر اقتصاد را از منظر «تخریب خلاق» بررسی کرده و محاسن و تبعات آن را برشمرده. فایل بالا ترجمه نسبتا مناسبی از این مقاله است، با این حال اگر از مشکل زبانی رنج نمی‌برید، می‌توانید نسخه اصلی مقاله را در لینک زیر مطالعه بفرمایید:

لینک مقاله اجم اغلو در رابطه با هوش مصنوعی

〰️〰️〰️〰️〰️
🆔 @ecoraoofi
🆔 @pyfinance

ترووست رسانه تخصصی بازارهای مالی

من علی رئوفی به همراه چند تن از دوستان عزیزم مدتی هست که یک رسانه تخصصی در حوزه تحلیل اقتصاد و بازارهای مالی راه اندازی کردیم. با اینکه از شروع فعالیتمون تبلیغاتی نداشتیم، اما استقبال بسیار خوبی از وبسایت ما شده و الان می‌تونید ما رو در جستجوهاتون در صفحه اول گوگل پیدا کنید! به هر حال هوش مصنوعی گوگل قدر محتوی خوب رو میدونه.
حالا که وب سایت و تیم تحلیلی ما به بلوغ کافی رسیده مایلیم با افتخار از اون رونمایی کنیم.
ما در ترووست سعی داریم بازارها را با نگاهی علمی و تخصصی مرور کنیم و تغییرات بازارها را با نگاهی متفاوت رصد کنیم. همینطور که از اسممون هم پیداست هدفمون اینه که به شما مسیر درست سرمایه‌گذاری رو نشون بدیم.

✅کانال تلگرام رسانه ترووست:
@truevest
🌐وبسایت ترووست:
https://truevest.ir

ممنون می‌شم که رسانه ما رو دنبال و با اشتراک‌گذاری این پست ازش حمایت کنید 🙏

〰️〰️〰️〰️〰️
🆔 @ecoraoofi
🆔 @pyfinance

🥇۲۵۴ درصد بازه در دو سال!

اگر علاقه‌مند به سرمایه‌گذاری در #طلا هستید این پست را بخوانید.

یک از بهترین سرمایه‌گذاری‌ها در دو سال اخیر سرمایه‌گذاری در صندوق‌های مبتنی بر طلا بوده است. این صندوق‌ها در یک سال گذشته بین ۶۰ تا ۸۸ درصد بازده داشته‌اند.
مشکل این صندوق‌ها ریسک بالای آنهاست به نحوی که در صورت حبابی شدن صندوق و کاهش ارزش طلا، ارزش آن صندوق نیز به شدت کاهش می‌یابد(مانند تصویر فوق که صندوق کهربا در جایی از نمودار ۲۵ درصد از ارزشش را از دست می‌دهد). لذا بهتر است ترکیبی از صندوق‌های طلا تهیه شود که ریسک سرمایه‌گذاری کاهش یابد.
سبد من ترکیبی از صندوق‌های طلاست که با نظارت هوش‌مصنوعی مدیریت می‌شود. این کار باعث شده ضمن کسب بازده معادل بهترین صندوق طلا (کهربا با ۲۵۳ درصد)، ریسک ریزش تا ۵ درصد کاهش یابد. یعنی در بدترین شرایط، ارزش سبد من ۵ درصد کمتر از کهربا ریخته است، در حالی که بازدهی معادل آن داده است.

بازده استراتژی: ۸۸٪ سالانه
ماکزیمم دراوودان: ۲۱ ٪.

❗️آیا تمایل به سرمایه‌گذاری با استراتژی مورد استفاده من را دارید؟! 👍

همچنین برای دیدن استراتژی‌های دیگر این پست (+) را ببینید

〰️〰️〰️〰️
🆔 @ecoraoofi

دوره جامع معاملات الگوریتمی با پایتون

🔅کسب سود در بازارهای مالی و ارتقای شغلی با استفاده از دانش روز

🔴 تخفیف ۳۰ درصدی تا ۳۰ اردیبهشت‌ماه

همراه با ارائه #مدرک معتبر و قابل ترجمه

❗️نمونه آنچه قرار است یاد بگیرید: (+)
❗️نمونه تدریس : طراحی استراتژی(+)


کسب اطلاعات بیشتر به آیدی زیر پیام دهید.
🌐 @data_vest
➖➖➖➖➖➖➖➖➖➖
افزایش دانش مالی با پایتون در تلگرام
https://t.me/pyfinance

🟩 آشنایی با معاملات الگوریتمی

آیا تا این لحظه واژه #معاملات_الگوریتمی به گوشتان خورده است؟! زمانی که معاملات #بورس راه اندازی شد، سرعت پردازش در رایانه‌ها به شکل امروزی نبود و این بازارها به وجود آنها وابسته نبود. بنابراین در آن زمان معاملات به صورت دستی و حضوری و بطور #سنتی انجام می‌شد. هر شخصی برای خرید یا فروش سهام در بازار بورس ایران باید خود را به خیابان حافظ می‌رساند تا اولا از روی تابلو قیمت‌های به روز شده را ببیند و سپس برای خرید یا فروش سهم خود باید فرم‌های مربوطه را پر می‌کرد. اما امروزه به لطف پیشرفت در سیستم‌های نرم‌افزاری و سخت‌افزاری و در دسترس بودن اینترنت، در حالی که در خانه یا محل کار خود در حال نوشیدن یک #چای گرم هستید تنها با وارد شدن به سایت #کارگزاری خود و با زدن یک دکمه می‌توانید سهام خود را خریداری یا بفروش برسانید.
اما در حال حاضر نرم افزارها و سخت افزارهای رایانه‌ای، کار را برای ما از این هم راحت‌تر کرده‌اند. دکمه‌ای را که معامله‌گر بدون #استراتژی خاصی برای خرید یا فروش سهم خود با هر حالت روحی و روانی می‌زند نیز رایانه عهده دار آن است و معاملات را بدور از هیچ استرس روحی و روانی و با توجه به استراتژی معاملاتی می‌خرد و یا می‌فروشد. حال کمی فراتر می رویم می‌خواهیم معاملات #هوشمندانه‌تر انجام شود مثلا اول شرایط بازار را بسنجد و بعد میزان سرمایه را چک کند و سپس وارد معامله شود، به این گونه معاملات که هوشمندی خاصی دارند، معاملات الگوریتمی می‌گویند.

اگر بخواهیم به زبان ساده معاملات الگوریتمی را بیان نماییم، به هر نوع معامله هوشمندانه که به صورت #خودکار توسط رایانه برنامه‌ریزی شود را معاملات الگوریتمی می گویند که این کار نیز با زبان #پایتون قابل دسترسی خواهد بود.

🔅 برای شرکت در دوره جامع معاملات الگوریتمی به @data_vest پیام ارسال نمایید.
➖➖➖➖➖➖➖
@pyfinance

#دورکاری

با توجه به اینکه ما در حال توسعه خدماتمون در حوزه مشاوره، سرمایه‌گذاری و آموزش تحت برند دیتاوست هستیم، به تعدادی نیرو برای پشتیبانی و ارتباط با مشتری نیاز داریم.


شرایط عمومی: دارای روحیه مسئولیت پذیری، انعطاف پذیر، دقت در انجام امور محوله، منظم، متعهد و پیگیر

حقوق دریافتی: بین ۴ تا ۱۰ میلیون با توجه به حجم کار و رضایت کارفرما


لطفا درخواست خود را به آدرس زير ارسال نماييد:👇🏻
@datavest_info
.