🟢#فیلتر_نویسی در زبان برنامه نویسی #پایتون

شناسایی سهام برتر

#درس_اول
مقدمه

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

https://t.me/pyfinance

دوره جامع معاملات الگوریتمی با پایتون

📣 ۳۵ درصد #تخفیف!
تا ۴ آذرماه
🔔 امکان پرداخت به صورت #اقساط

طول دوره: ۹۰ساعت + ۱۸ ساعت 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.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام 👇
https://t.me/pyfinance

🟢#فیلتر_نویسی در زبان برنامه نویسی #پایتون

#درس_دوم

دریافت داده‌های قیمت سهام در پایتون با استفاده از کتابخانه Pytse client

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

https://t.me/pyfinance

#فین_تاک_تیزر قسمت اول

قسمت اول به صورت کامل فقط از کانال پایتون مالی جمعه شب ساعت ۲۰ منتشر خواهد شد.

فین تاک یک شو شبانه با موضوع #مالی و #تکنولوژی هست.
در این تاک‌شو شما میتونین مفاهیم‌پیچیده، تئوریک و فنی رو به زبانی ساده و در عین‌حال سرگرم‌کننده بشنوین و آشنا بشین.

در این قسمت به تعریف #بازار_کارا و موضوعات پیرامون اون با یک بیان و گفتگو ی ساده پرداخته میشه

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

https://t.me/pyfinance

💰#تخفیف ویژه دوره #معاملات_الگوریتمی

نمونه پیام رضایت دانش‌پذیران دوره جامع «یادگیری ماشینی و معاملات الگوریتمی با پایتون» با بیش از ۲۲۰ شرکت‌کننده

مدرس: علی رئوفی- دکتری اقتصاد مالی - اقتصادسنجی

جامع‌ترین دوره معاملات الگوریتمی (از صفر تا صد)
_
🧮۳۵ درصد تخفیف تا ۴ آذر ماه


📍برای دریافت اطلاعات بیشتر به
@abedizohreh
پیام ارسال فرمایید.
_
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام 👇
https://t.me/pyfinance

Machine Learning and Credit Risk in Banking (POST 1)

Machine learning has penetrated through diversified fields of many different sciences. For instance, it has provided accurate predictions in detecting Covid-19 infection by analyzing the X-ray from chest area. In addition to this instance which is just a small sample within numerous other applications of machine learning, there are several applications of this tool in finance. Even though many may think that, by finance, I mean the application of price prediction, there are various other advantages of machine learning in finance too. As a major example, machine learning can be extremely useful in estimating credit risk of costumers taking a loan.

Whether a costumer is classified as a high-level credit risk imposer or low-level credit risk imposer depends on numerous reasons. In order to have an insight on these criteria, I can mention that macro-economic conditions like national interest rate, psychological and physiological factors like gender, age and job, and historical banking records such as salary are playing a major role in classifying costumer in respect to credit risk. Machine learning, due to its capability in fitting accurate classifiers, can dramatically reduce the risk of costumer credit. Thus, I believe any financial unit that provides financial funding and is dealing with individual customers who seek loans can perfectly manage this risk by using advanced machine learning methods. Furthermore, this credit risk classification is much more emphasized in rating costumers while dealing with firms and companies which look for funds. There are, however, other criteria that should be analyzed while studying firms and companies.

What are your thoughts? Which features should be considered for classifying a loan seeking firm upon its credit risk?


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

https://t.me/pyfinance

کتاب «یادگیری ماشین برای معاملات الگوریتمی»
Machine Learning for Algorithmic Trading

سطح: متوسط تا پیشرفته

استراتژی‌های مختلفی در معاملات الگوریتمی می‌توان طراحی نمود، اما بی‌شک نوع تکامل یافته آن استفاده از #یادگیری_ماشین است. کتاب استفن جانسن با رویکردی کاملا کاربردی، نحوه‌ی پیاده‌سازی استراتژی‌های مبتنی بر یادگیری ماشین در محیط #پایتون را ارائه می‌دهد.
➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

کتاب «یادگیری ماشین برای معاملات الگوریتمی»
Machine Learning for Algorithmic Trading

سطح: متوسط تا پیشرفته

کدهای کتاب به زودی در کانال پایتون مالی قرار داده خواهد شد

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

https://t.me/pyfinance
.

#کدهای کتاب «یادگیری ماشین برای معاملات الگوریتمی»
Machine Learning for Algorithmic Trading

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

https://t.me/pyfinance
.

#فین_تاک
#قسمت_اول

فین تاک یک شو شبانه با موضوع #مالی و #تکنولوژی هست.
در این تاک‌شو شما میتونین مفاهیم‌پیچیده، تئوریک و فنی رو به زبانی ساده و در عین‌حال سرگرم‌کننده بشنوین و آشنا بشین.

در این قسمت به تعریف #بازار_کارا و موضوعات پیرامون اون با یک بیان و گفتگو ی ساده پرداخته میشه

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

https://t.me/pyfinance

Fraud detection and Machine Learning

In the world of finance, there are various types of frauds that can occur. A well-known but not thoroughly explored kind of fraud is in daily money transactions. Since dealing with a tremendous number of daily transactions, authorities will never be able to discover these frauds without armed hands. By armed hands I mean machine learning tools.

As mentioned earlier, machine learning has penetrated through diversified fields of finance, and one of them is application of #fraud_detection. This problem-solving aspect of machine learning in finance requires specific features such as type of transaction, time of transaction, originators prior and secondary balance, destinations prior and secondary balance, amount of transaction etc.

There are however specific limitations in solving such problems. First of all, data for client transactions are under specific privacy conditions that limits the access to such data. Besides, fraud detection as a two-class supervised classification problem has an extreme imbalanced data-set which requires specific technical attentions. Finally, fraud detection as a real-world problem is an unsupervised task. Thus, there should be a strong unsupervised tool for solving such problems.

#machinelearning #finance #money #data #banking #frauddetection



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

https://t.me/pyfinance

🟢#فیلتر_نویسی در زبان برنامه نویسی #پایتون

#درس_سوم

محاسبه بازده روزانه قیمت سهم #وبملت با استفاده از کتابخانه #Pandas

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

https://t.me/pyfinance

در پست‌های قبل (+) در رابطه با داده‌های پرت صحبت کرده‌ایم. در این فایل، ۱۱ روش برخورد با داده‌های پرت توضیح داده شده است. مطالعه آن خالی از لطف نیست.

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

https://t.me/pyfinance
.

Machine Learning and Credit Risk in Banking (POST 2)



While thinking about #credit_risk, bankers can, instead of roughly classifying loan takers as eligible or non-eligible to be granted a loan, score them in a continuum. This phenomenon, in the science of finance and banking, is called customer credit scoring. In this way, based on each individual’s credit score, interest rate and the repayment plan of a loan can be adjusted. As a result, instead of losing many customers, by classifying them as non-eligible to be given a loan, bankers can advantage from the potentials of much more customers.



To be more specific, take as an instance Amin and Ali. If Amin’s credit score is 99 and Ali’s credit score is 95, it means that Amin imposes lower risk of repayment or credit risk than Ali. Thus, it is fair to give a loan to Amin with 5% annual interest rate and the same loan to Ali with about 5.21% interest rate.



Amin: 99 * 0.05 = Ali: 95 * 0.0521



Now that you are a bit more familiar with credit scoring, it is worthy to mention that the role of machine learning can be estimating the credit score of each customer based on various features that are already available in their personal bank profile.



What are your thoughts? Is this happening in the bank that you work? Which method is used for this scoring in the place you work? Finally, what features do the authorities take for account for scoring the customer’s credit risk?

#machinelearning #finance #banking #creditrisk #creditscore #interestrate

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

https://t.me/pyfinance

هوش مصنوعی تصویر را برای شما ترسیم می‌کند!

مدل GauGAN2 یک مدل یادگیری عمیق است که توسط شرکت NVIDIA منتشر شده است. این مدل می‌تواند یک عبارت یا نقاشی ساده را به یک شاهکار فوتورئالیستی تبدیل کند.
➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

🟢#فیلتر_نویسی در زبان برنامه نویسی #پایتون

#درس_چهارم

یک مینی پروژه #فیلتر_نویسی بر روی سهم های بازار #بورس_تهران

دقیقه 4:10 رو از دست ندین 😂

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

https://t.me/pyfinance

تابلوخوانی و فیلتر نویسی بورس در پایتون

با پیشرفت دنیای #تکنولوژی و گسترده شدن بازارهای #مالی، روز به روز نقش انسان به عنوان تحلیلگر و معامله‌گر در حال کم رنگ شدن است. به عبارتی در بسیاری از بازارهای مالی ربات‌های معامله‌گر جای انسان را در این امر گرفته و ربات‌ها با سرعت و توان محاسبه غیرقابل قیاس با انسان، به انجام این امور می‌پردازند.
در این دوره به مبانی و مقدمات ساخت این ربات‌ها و چالش‌های بخصوص آن در #بورس تهران از جمله دریافت داده‌ها از تابلو پرداخته شده است. در انتهای این دوره شرکت کنندگان توان ساخت انواع ربات‌های شرطی بر مبنای پارامتر‌های آماری و تکنیکال را خواهند داشت.

طول دوره:
۱۰ساعت + ۲ساعت پرسش و پاسخ و تمرین

مدرس:
علی رئوفی- دکتری اقتصادسنجی و مالی
امین امینی‌مهر _ تحلیلگر داده‌های مالی

نحوه برگزاری:
#ویدئو به صورت مادام العمر

✅ ۳۰ درصد #تخفیف تا جمعه ۱۲ آذرماه


برای کسب اطلاعات بیشتر و دریافت سرفصل‌ها به ایدی تلگرامی @abedizohreh پیام ارسال فرمایید.
➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

کتاب «یادگیری عمیق برای پیش‌بینی سری‌های زمانی»

#Deep_Learning for #Time_Series Forecasting
(Predict the Future with MLPs, CNNs and LSTMs in #Python)

شاید موضوعی که بیشتر در مورد آن از من پرسیده می‌شود نحوه استفاده از روش‌های #یادگیری_عمیق برای پیش‌بینی سری‌های زمانی باشد. پرسش‌ها از چگونگی آماده‌سازی داده‌ها برای مدل‌های یادگیری عمیق تا اینکه چه مدل‌هایی برای انواع خاصی از مشکلات پیش‌بینی استفاده شود، متغیر است. این کتاب با دقت طراحی شده است تا به این سؤالات بپردازد و به شما نشان دهد که دقیقاً چگونه روش‌های یادگیری عمیق را در مسائل پیش‌بینی سری‌های زمانی به کار ببرید.

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

https://t.me/pyfinance
.

کتاب «یادگیری عمیق برای پیش‌بینی سری‌های زمانی»

#Deep_Learning for #Time_Series Forecasting
(Predict the Future with MLPs, CNNs and LSTMs in #Python)

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

https://t.me/pyfinance
.

🟢#فیلتر_نویسی در زبان برنامه نویسی #پایتون

#درس_پنجم

محاسبه میانگین متحرک در پانداز


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

https://t.me/pyfinance

دوره جامع معاملات الگوریتمی با پایتون

📣 ۳۵ درصد #تخفیف! تعداد محدود
🔔 امکان پرداخت به صورت #اقساط

طول دوره: ۹۰ساعت + ۱۸ ساعت حل تمرین
(پایتون/یادگیری‌ماشین/معاملات‌الگوریتمی)

شروع دوره: ۱۲ آذرماه

مدرس: علی رئوفی- دکتری اقتصاد مالی

نحوه برگزاری:
آنلاین + ویدئو به صورت #مادام‌العمر

برای کسب اطلاعات بیشتر و دریافت سرفصل‌ها به ایدی تلگرامی @abedizohreh پیام ارسال فرمایید.

🌐افزایش دانش مالی با پایتون در تلگرام
https://t.me/pyfinance
.