#Igor_Halperin
Is deep learning a fool's errand of investment decision-making?
نظر سنجی ای که آقای Halperin گذاشته و 250 تا از کانکشن های ایشون شرکت کردند که اکثرا آدمهای سرشناسی تو این حوزه هستند. حدود 38% گفتن دیپ لرنینگ 1001 راه برای overfit شدن داره.
@FinPy
Is deep learning a fool's errand of investment decision-making?
نظر سنجی ای که آقای Halperin گذاشته و 250 تا از کانکشن های ایشون شرکت کردند که اکثرا آدمهای سرشناسی تو این حوزه هستند. حدود 38% گفتن دیپ لرنینگ 1001 راه برای overfit شدن داره.
@FinPy
177.png
47.1 KB
#پایتون_مقدماتی
#دیتاکمپ
📎دوستان گرامی مطالب این سه فایل pdfمروری بر مباحثی است که تا کنون داشته ایم و می توانید آموزش سایت دیتاکمپ در این خصوص رو هم ملاحظه بفرمایید.
Introduction to Python for Finance
Introduction to Python for Finance: Lists
Introduction to Python for Finance: Arrays
@FinPy
#دیتاکمپ
📎دوستان گرامی مطالب این سه فایل pdfمروری بر مباحثی است که تا کنون داشته ایم و می توانید آموزش سایت دیتاکمپ در این خصوص رو هم ملاحظه بفرمایید.
Introduction to Python for Finance
Introduction to Python for Finance: Lists
Introduction to Python for Finance: Arrays
@FinPy
👍2
فینپای | FinPy pinned «📚مروری بر مطالب آموزشی #پایتون_مقدماتی #فهرست_مطالب #کاربرد_پایتون https://news.1rj.ru/str/FinPy/99 #اناکوندا https://news.1rj.ru/str/FinPy/100 #برنامه_کلی_آموزش_کانال https://news.1rj.ru/str/FinPy/144 #مقدمات_برنامه_نویسی https://news.1rj.ru/str/FinPy/145 #اشتباهات_رایج https://news.1rj.ru/str/FinPy/146…»
#پایتون_مقدماتی
#پانداس
📎یکی از مهم ترین کتابخانه های که برای کار با داده های مالی نیاز هست با آن آشنا بشوید ، کتابخانه پانداس است.
کتابخانه پانداس کار شما رو برای تحلیل داده ها بسیار راحت میکنه و کتابخانه ای متن باز، سریع و بسیار قدرتمند برای تحلیل و تغییر داده ( به عبارتی دستکاری داده ) در پایتون است و بر اساس نامپای نوشته شده و با آن سازگار است.
بنابراین استفاده همزمان این دو کتابخانه در علوم داده بسیار رایج است.
#pandas
@FinPy
#پانداس
📎یکی از مهم ترین کتابخانه های که برای کار با داده های مالی نیاز هست با آن آشنا بشوید ، کتابخانه پانداس است.
کتابخانه پانداس کار شما رو برای تحلیل داده ها بسیار راحت میکنه و کتابخانه ای متن باز، سریع و بسیار قدرتمند برای تحلیل و تغییر داده ( به عبارتی دستکاری داده ) در پایتون است و بر اساس نامپای نوشته شده و با آن سازگار است.
بنابراین استفاده همزمان این دو کتابخانه در علوم داده بسیار رایج است.
#pandas
@FinPy
#پایتون_مقدماتی
#پانداس
📎همانطور که دیدید، ابتدا یک دیکشنری به نام data تعریف میکنیم. سپس data را به عنوان ورودی pd.DataFrame میدهیم. DataFrame ساختهشده، سه ستون به نامهای Age، Name و Gender دارید و چهار سطر.
#pandas
@FinPy
#پانداس
📎همانطور که دیدید، ابتدا یک دیکشنری به نام data تعریف میکنیم. سپس data را به عنوان ورودی pd.DataFrame میدهیم. DataFrame ساختهشده، سه ستون به نامهای Age، Name و Gender دارید و چهار سطر.
#pandas
@FinPy
#پایتون_مقدماتی
#پانداس
📎در دستور اول، دو سطر اول DataFrame نشان داده میشود و در دستور دوم سه سطر آخر. اگر عدد تعداد سطر را مشخص نکنیم، به صورت پیشفرض پنج سطر اول یا آخر نشان داده میشود.
#pandas
@FinPy
#پانداس
📎در دستور اول، دو سطر اول DataFrame نشان داده میشود و در دستور دوم سه سطر آخر. اگر عدد تعداد سطر را مشخص نکنیم، به صورت پیشفرض پنج سطر اول یا آخر نشان داده میشود.
#pandas
@FinPy
#پایتون_مقدماتی
#پانداس
📎همانطور که در اسلاید بالا میبینیم، فراوانی، میانگین، انحراف معیار، کمینه، چارک اول، میانه، چارک سوم و بیشینه ستون Age که تنها ستون عددی DataFrame است، نمایش داده میشود.
همانطور که دیدیم، دستور describe تنها برای ستونهای عددی به کار میرود.
#pandas
@FinPy
#پانداس
📎همانطور که در اسلاید بالا میبینیم، فراوانی، میانگین، انحراف معیار، کمینه، چارک اول، میانه، چارک سوم و بیشینه ستون Age که تنها ستون عددی DataFrame است، نمایش داده میشود.
همانطور که دیدیم، دستور describe تنها برای ستونهای عددی به کار میرود.
#pandas
@FinPy
فینپای | FinPy
#معاملات_رفتاری #قسمت_دوم 📎 حالا با فرضیات جدید از سود و زیان سهامداران که در این شکل نشان داده شده، چه کسانی احتمال بیشتری داره که فروشنده باشند؟ و چرا؟ توجه داشته باشید که اینجا بحث صندلی مدیریتی و ... مطرح نیست و انگیزه هر 5 نفر کسب سود و تجارت از طریق…
#معاملات_رفتاری
#پاسخ_قسمت_دوم
📎 در پاسخ به سناریوی مطرح شده در قسمت دوم حدس ما این است که چون Mary و John هنوز به سود قابل توجهی از سرمایه گذاری خود نرسیده اند، احتمال آنکه فروشنده باشند کم است. شما هم ممکن است بارها اقدام به خرید سهمی کرده باشید و مثلا 2 درصد در زیان باشید یا 5% در سود. با توجه به اینکه احتمالا انتظارات شما از بازدهی این سرمایه گذاری اعداد بیشتری است، تحت شرایط عادی، احتمال اینکه اقدام به فروش سهم خود کنید، کم است.
📎 علاوه بر موارد بالا که مشابه پاسخ قسمت اول این سری پست بود، احتمالا متوجه ضرر 30 درصدی Ely شده باشید. Ely در ضرر بزرگی است و به احتمال زیاد حاضر به فروش و شناسایی این ضرر نخواهد بود. ممکن است برای شما هم پیش آمده باشید که در ضرر بزرگی باشید و با خود بگویید "اینهمه ضرر کردم، نگه میدارم سهم ام رو" در چنین مواردی افراد رویکرد خود را از معامله گری به نگه داری سهم تغییر میدهند! اینجا شرایطی هست که نوسان گیران عزیز دچار تحول شده و تبدیل به وارن بافت میشن! 😊 به افرادی مثل Ely اصطلاحا میگن Locked-in!
📎 در سناریوی مطرح شده Stewart که در سود نسبتا خوبی هست احتمالا حاضر به فروش و شناسایی همه یا بخشی از سودش باشه. نفر دیگه که احتمال داره فروشنده باشه Kris هست چون احتمالا قیمت حوالی حد ضرراش هست (حدود 10 درصد) و برای اینکه به روزگار Ely دچار نشه بخواد با فروش در همین قیمتها ضرر اش رو به اصطلاح کات کنه و نزاره بزرگتر بشه.
📎 در این قسمت هدف ما توجه شما به ضررها بود، معمولا در ضررهای بزرگ افراد حاضر به فروش نیستن چون نمیخوان این ضرر رو شناسایی کنند. در ضررهای حوالی حد ضرر هم افراد معمولا راحت میفروشند تا ضرر شون بزرگتر نشه.
@FinPy
#پاسخ_قسمت_دوم
📎 در پاسخ به سناریوی مطرح شده در قسمت دوم حدس ما این است که چون Mary و John هنوز به سود قابل توجهی از سرمایه گذاری خود نرسیده اند، احتمال آنکه فروشنده باشند کم است. شما هم ممکن است بارها اقدام به خرید سهمی کرده باشید و مثلا 2 درصد در زیان باشید یا 5% در سود. با توجه به اینکه احتمالا انتظارات شما از بازدهی این سرمایه گذاری اعداد بیشتری است، تحت شرایط عادی، احتمال اینکه اقدام به فروش سهم خود کنید، کم است.
📎 علاوه بر موارد بالا که مشابه پاسخ قسمت اول این سری پست بود، احتمالا متوجه ضرر 30 درصدی Ely شده باشید. Ely در ضرر بزرگی است و به احتمال زیاد حاضر به فروش و شناسایی این ضرر نخواهد بود. ممکن است برای شما هم پیش آمده باشید که در ضرر بزرگی باشید و با خود بگویید "اینهمه ضرر کردم، نگه میدارم سهم ام رو" در چنین مواردی افراد رویکرد خود را از معامله گری به نگه داری سهم تغییر میدهند! اینجا شرایطی هست که نوسان گیران عزیز دچار تحول شده و تبدیل به وارن بافت میشن! 😊 به افرادی مثل Ely اصطلاحا میگن Locked-in!
📎 در سناریوی مطرح شده Stewart که در سود نسبتا خوبی هست احتمالا حاضر به فروش و شناسایی همه یا بخشی از سودش باشه. نفر دیگه که احتمال داره فروشنده باشه Kris هست چون احتمالا قیمت حوالی حد ضرراش هست (حدود 10 درصد) و برای اینکه به روزگار Ely دچار نشه بخواد با فروش در همین قیمتها ضرر اش رو به اصطلاح کات کنه و نزاره بزرگتر بشه.
📎 در این قسمت هدف ما توجه شما به ضررها بود، معمولا در ضررهای بزرگ افراد حاضر به فروش نیستن چون نمیخوان این ضرر رو شناسایی کنند. در ضررهای حوالی حد ضرر هم افراد معمولا راحت میفروشند تا ضرر شون بزرگتر نشه.
@FinPy
#معاملات_رفتاری
#قسمت_سوم
📎 حالا با فرضیات جدید از سود و زیان سهامداران که در این شکل نشان داده شده، چه کسانی احتمال بیشتری داره که فروشنده باشند؟ و چرا؟ توجه داشته باشید که اینجا بحث صندلی مدیریتی و ... مطرح نیست و انگیزه هر 5 نفر کسب سود و تجارت از طریق خرید و فروش هست.
دوستان علاقه مند میتونن نظرات خودشون رو زیر این پست کامنت کنند.
📎 برای مشاهده سایر قسمت ها و پاسخ آنها میتوانید از لینک های زیر استفاده کنید:
قسمت اول
پاسخ قسمت اول
قسمت دوم
پاسخ قسمت دوم
@FinPy
#قسمت_سوم
📎 حالا با فرضیات جدید از سود و زیان سهامداران که در این شکل نشان داده شده، چه کسانی احتمال بیشتری داره که فروشنده باشند؟ و چرا؟ توجه داشته باشید که اینجا بحث صندلی مدیریتی و ... مطرح نیست و انگیزه هر 5 نفر کسب سود و تجارت از طریق خرید و فروش هست.
دوستان علاقه مند میتونن نظرات خودشون رو زیر این پست کامنت کنند.
📎 برای مشاهده سایر قسمت ها و پاسخ آنها میتوانید از لینک های زیر استفاده کنید:
قسمت اول
پاسخ قسمت اول
قسمت دوم
پاسخ قسمت دوم
@FinPy
#رژیمهای_بازار
#TwoSigma
▫️همان طور که ما لباسی برای همه فصل ها نداریم، مدلی هم برای همه شرایط بازار که به اصطلاح به آن رژیم گفته میشه نداریم. مثلا ما نمیتونیم با متنوع سازی سبد سرمایه گذاری، ریسک سرمایه گذاری مون رو در زمانی که بازار با ریزش شدید (Crash) مواجه میشه کنترل و محدود کنیم. چون در شرایط کرش، همبستگی بین سهم های بازار به شدت بالا میره و اکثر آنها رفتار مشابه نزولی از خود نشون میدن. در نتیجه ما باید برای هر شرایطی از بازار استراتژی متفاوتی داشته باشیم. این مقاله در خصوص تعریف شرایط (رژیمهای) مختلف بازار صحبت میکنه که اگرچه نمیشه عینا به بازار ایران منتقل اش کرد، ولی میتونه الهام بخش و تغییر دهنده نوع نگاه ما به بازار باشه.
برای درک بهتر می توانید به این مقاله مراجعه نمایید
مقاله:
A Machine Learning Approach to Regime Modeling
@FinPy
#TwoSigma
▫️همان طور که ما لباسی برای همه فصل ها نداریم، مدلی هم برای همه شرایط بازار که به اصطلاح به آن رژیم گفته میشه نداریم. مثلا ما نمیتونیم با متنوع سازی سبد سرمایه گذاری، ریسک سرمایه گذاری مون رو در زمانی که بازار با ریزش شدید (Crash) مواجه میشه کنترل و محدود کنیم. چون در شرایط کرش، همبستگی بین سهم های بازار به شدت بالا میره و اکثر آنها رفتار مشابه نزولی از خود نشون میدن. در نتیجه ما باید برای هر شرایطی از بازار استراتژی متفاوتی داشته باشیم. این مقاله در خصوص تعریف شرایط (رژیمهای) مختلف بازار صحبت میکنه که اگرچه نمیشه عینا به بازار ایران منتقل اش کرد، ولی میتونه الهام بخش و تغییر دهنده نوع نگاه ما به بازار باشه.
برای درک بهتر می توانید به این مقاله مراجعه نمایید
مقاله:
A Machine Learning Approach to Regime Modeling
@FinPy
👍3