#معرفی_کتاب

Algorithmic and High Frequency Trading

سطح: پیشرفته

📎 داستان معاملات الگوریتمی با معاملات الگوریتمی فرکانس بالا بسیار متفاوت است. معاملات الگوریتمی فرکانس بالا که با نام HFT شناخته میشود، بیشتر حول مدلسازی سفارشات یا همان LOB و Market Microstructure میچرخد. این کتاب یکی از بهترین منابعی است که در خصوص معاملات الگوریتمی فرکانس بالا وجود دارد و مطالعه آن به علاقه مندان این حوزه پیشنهاد میشود، اگرچه برای دوستانی که تازه قدم در حوزه معاملات الگوریتمی گذاشته اند، مناسب نیست.

📎 برخی از کدهای کتاب در این لینک و در صفحه شخصی آقای Sebastian Jaimungal یکی از نویسندگان کتاب و استاد دانشگاه تورنتو کانادا، قابل مشاهده است.

@FinPy

#پایتون_مالی
#کار_با_زمان
در ادامه پست قبلی ، دومین نوع داده ای که کتابخانه datetime پشتیبانی میکند ، نوع time است .

#datetime
@FinPy

#پایتون_مالی
#کار_با_زمان

📎انواع تبدیل های دیگری که می توانید استفاده کنید در این تصویر آمده است .

#datetime
@FinPy

#لیست_سهمها

📎 در فایل زیر مشخصات کلی همه سهم های بازار بورس، فرابورس و پایه آمده است. در این فایل اکسل میتوانید با انتخاب مثلا یک گروه صنعت، فقط سهم های آن گروه را مشاهده کنید. یا میتوانید فقط سهم های بازار بورس را جدا کنید. شما میتوانید این فایل را با استفاده از پایتون خوانده و فیلترهای مختلفی روی آن برای جدا کردن سهم های مد نظر اعمال کرده و لیستی از سهم ها را ایجاد کنید که به آن علاقه مندید.

📎 این فایل در وهله اول با هدف آشنایی دوستان تازه کار با سهم ها، بازارها و صنایع و سپس با هدف تمرین برای خواندن فایل اکسل به صورت دیتافریم و اعمال فیلتر های مختلف بر روی آن با استفاده از پایتون به اشتراک گذاشته شده است . در پست های آینده سعی خواهیم کرد مثال هایی از نحوه خواندن و فیلتر کردن دیتا با پایتون روی این فایل، ارائه کنیم.

@FinPy

#لیست_سهمها

📎 فایل اکسل لیست سهم ها که از زبانه شناسه صفحه اختصاصی هر سهم و با استفاده از پایتون استخراج شده است.

@FinPy

#لیست_سهمها
#شناسه_سهمها

📎 اطلاعات فایل فوق پس از تهیه لیست جامعی از همه سهم های موجود در بازار بورس و فرابورس (از سایت TSE) و لیستی از همه سهم های بازار پایه (از سایت فرابورس)، با استفاده از تکنیکهای وبکاوی با پایتون، از صفحات اختصاصی هر سهم و از زبانه شناسه (سایت TSE) که در شکل فوق نشان داده شده، استخراج شده است.

@FinPy

#معاملات_رفتاری
#قسمت_پنجم

📎 طبیعتا هر معامله گر یا سهامداری علاقه مند است در پایین ترین (ارزانترین) قیمت ممکن اقدام به خرید و در بالاترین (گران ترین) قیمت ممکن اقدام به فروش سهام خود کند. معیارهای مختلفی برای سنجش ارزانی یا گرانی یک سهم وجود دارد، مثلا ممکن است با استفاده از روش های تحلیل بنیادی نسبت به تعیین ارزش ذاتی یک سهم اقدام کرده و اگر قیمت بازار پایین تر از آن باشد اقدام به خرید و اگر قیمت بازار بالاتر از آن باشد، اقدام به فروش نمایید. اما رویکرد بنیادی، یک رویکرد غیر جمعی است به این معنا که اکثر سهامداران یک سهم یا فعالان بازار اطلاعی از ارزش ذاتی یک سهم نداشته و یا اساسا اهمیت چندانی به آن نمیدهند و در نتیجه برای سرمایه گذاری های بلند مدت بهتر است.

📎 بنابراین بهتر است به جای سنجش ارزانی یا گرانی یک سهم با روش هایی مثل تحلیل بنیادی، انتظارات جمعی سهامداران یک سهم سنجیده شود. به این معنی که بسنجیم به طور میانگین سهامداران یک سهم چقدر در سود یا زیان هستند. محاسبه این عدد با داده های قابل دسترس برای عموم ممکن است که در پست های بعدی توضیح داده خواهد شد. البته این عدد نمیتواند به تنهایی معیار خرید و فروش سهام قرار گیرد و برای تایمینگ ورود یا خروج از سهم ابزار مناسبی است. به این معنی که به شما کمک میکند تا در سهمی که قصد خرید یا فروش دارید، در قیمت بهتری ورورد یا خروج خود را انجام دهید.

📎 این ابزار با اندازه گیری احتمال افزایش یا کاهش عرضه (و تاثیر آن در قیمت) شما را در موقعیت بهتری برای زمانبندی ورود یا خروج قرار میدهد. با توجه به مطالب بیان شده، فقط کافی است به خاطر داشته باشید که احتمال افزایش عرضه و کاهش قیمت، زمانی که سهامداران به طور میانگین در سود خوبی هستند، بیشتر و بنابراین زمان مناسبی برای خروج خواهد بود، همچنین زمانی که سهامداران در سود یا زیان اندک و همچنین زیان بزرگی (locked in) هستند، احتمال افزایش عرضه و کاهش بیشتر قیمت کم بوده و زمان مناسبی برای ورود به سهم خواهد بود. با این مقدمات در پست های بعدی به نحوه کوانتیزه کردن و عملیاتی کردن این ابزار خواهیم پرداخت و توضیح خواهیم داد که مقادیر درصدی سود خوب و زیان بزرگ چگونه باید برای هر سهم محاسبه شوند، چون قصد داریم این مفاهیم رفتاری موثر بر عرضه را در قالب عدد نمایش و بر مبنای آن تصمیم گیری کنیم.


@FinPy

#پایتون_مالی
#مفهوم_ریسک
#بتا_سهام

📎 در روزهای آینده در خصوص فرمول محاسبه بتا سهام و همچنین نحوه محاسبه آن در پایتون ، صحبت میکنیم .


@FinPy