فینپای | FinPy
#پایتون_مالی #کار_با_زمان #datetime @FinPy
#پایتون_مالی
#کار_با_زمان
📎انواع تبدیل های دیگری که می توانید استفاده کنید در این تصویر آمده است .
#datetime
@FinPy
#کار_با_زمان
📎انواع تبدیل های دیگری که می توانید استفاده کنید در این تصویر آمده است .
#datetime
@FinPy
👍5
#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
📎 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
👍11
فینپای | 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…
[@FinPy] TSE Stock List.xlsx
85 KB
#لیست_سهمها
📎 فایل اکسل لیست سهم ها که از زبانه شناسه صفحه اختصاصی هر سهم و با استفاده از پایتون استخراج شده است.
@FinPy
📎 فایل اکسل لیست سهم ها که از زبانه شناسه صفحه اختصاصی هر سهم و با استفاده از پایتون استخراج شده است.
@FinPy
👍2
فینپای | FinPy
[@FinPy] TSE Stock List.xlsx
#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
#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
👍4
فینپای | FinPy
#معاملات_رفتاری #قسمت_چهارم 📎 بیایید یک بار دیگر شرایطی که یک سهامدار را فروشنده میکند مرور کنیم: 1. سهامدار در سود خوبی باشد، میفروشد تا سیو سود کند و در فرصتی دیگر اقدام به سرمایه گذاری نماید. 2. قیمت سهم به حد ضرر سهامدار نزدیک باشد، میفروشد تا ضرر اش…
#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
#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
👍5
#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
#مفهوم_ریسک
#بتا_سهام
📎 در روزهای آینده در خصوص فرمول محاسبه بتا سهام و همچنین نحوه محاسبه آن در پایتون ، صحبت میکنیم .
@FinPy
👍11
#Quantopian
📎 کوانتوپین، یه هج فاند crowd-sourced بود که در سال 2011 بنیان گذاری شد و در نوامبر 2020 اعلام کرد که دیگه وجود خارجی نداره و تعطیل شده. از کوانتوپین میراثی به جا مونده که شامل ویدیوهای کنفرانس Quantcon هست و یه سری آموزش تصویری در مورد مسایل مالی با استفاده از پایتونه.
📎 برای دیدن و دانلود نوتبوک های آموزشی و لینک ویدیو های مربوط به این نوتبوک ها (در صورتی که اون مبحث آموزش ویدیویی داشته باشه) میتونید به این لینک مراجعه کنید.
📎 تو کانال یوتیوب quantopian هم که از این لینک میتونید بهش دسترسی داشته باشید، ویدیوهای کنفرانس Quantcon سالهای 2015 تا 2018 هست که میتونه نکات مفیدی برای استفاده داشته باشه به اضافه یه سری ویدیوهای مفید دیگه که پیشنهاد میکنم از دست ندیدشون.
@FinPy
📎 کوانتوپین، یه هج فاند crowd-sourced بود که در سال 2011 بنیان گذاری شد و در نوامبر 2020 اعلام کرد که دیگه وجود خارجی نداره و تعطیل شده. از کوانتوپین میراثی به جا مونده که شامل ویدیوهای کنفرانس Quantcon هست و یه سری آموزش تصویری در مورد مسایل مالی با استفاده از پایتونه.
📎 برای دیدن و دانلود نوتبوک های آموزشی و لینک ویدیو های مربوط به این نوتبوک ها (در صورتی که اون مبحث آموزش ویدیویی داشته باشه) میتونید به این لینک مراجعه کنید.
📎 تو کانال یوتیوب quantopian هم که از این لینک میتونید بهش دسترسی داشته باشید، ویدیوهای کنفرانس Quantcon سالهای 2015 تا 2018 هست که میتونه نکات مفیدی برای استفاده داشته باشه به اضافه یه سری ویدیوهای مفید دیگه که پیشنهاد میکنم از دست ندیدشون.
@FinPy
👍6
در بازار سهام نقطه مقابل سهام بنیادی سهام رشدی (سهم آنقدر رشد کرده که بیشتر از ارزش بنیادی، در بازار قیمت خورده) نام دارد. اگر معیار بنیادی بودن P/E یا P/B در نظر گرفته شود، با فرض تشکیل و ریبالانس روزانه پرتفوی هم وزنی از بنیادی ترین و رشدی ترین سهم ها:
Anonymous Poll
69%
پرتفوی متشکل از بنیادی ترین سهم ها (Value Stocks) در بلند مدت بازدهی بیشتری خواهد داشت
31%
پرتفوی متشکل از رشدی ترین سهم ها (Growth Stocks) در بلند مدت بازدهی بیشتری خواهد داشت
👍4
#معرفی_کتاب
Machine Learning for Financial Risk Management with Python
سطح: متوسط
📎 برای دوستانی که در زمینه مدیریت ریسک های مالی از ریسک بازار و اعتباری گرفته تا ... فعال هستند کتاب مفیدی میتونه باشه و دیدن اش خالی از لطف نیست.
@FinPy
Machine Learning for Financial Risk Management with Python
سطح: متوسط
📎 برای دوستانی که در زمینه مدیریت ریسک های مالی از ریسک بازار و اعتباری گرفته تا ... فعال هستند کتاب مفیدی میتونه باشه و دیدن اش خالی از لطف نیست.
@FinPy
👍7
Forwarded from @machinelearningnet (Sasan Barak)
سلام دوستان 🌺،
بسیار خرسندم که اعلام کنم،
دوشنبه ۲۷ دی ماه ساعت ۲۰ اولین جلسه پرزنت کتاب
Machine learning for algorithmic trading
رو شروع میکنیم 🌺🥳
۲۳ فصل کتاب در ۲۳ هفته پرزنت خواهد شد،
برنامه ۵ ماه آینده گروه 🌺😊
امیدوارم باهم کلی یاد بگیریم 🌺
لینک آپارات: (جهت دسترسی به جلسات ضبط شده گروه)
https://www.aparat.com/DrSasanBarak/videos
————————————————————
لینک گروه ( مارو به دوستانتان معرفی کنید و در اشاعه این اموزش ها یاری کنید)
https://news.1rj.ru/str/machinelearningnet
لینک کانال :
@Machinelearningnet2
همچنین بزودی برنامه هایی برای مسابقات حوزه الگوریتمیک تریدینگ در گروه برگزار خواهد شد و هدفمون ایجاد تیم های مختلف الگوریتمیک تریدینگ واقعی در ایران خواهد بود. ❤️
بسیار خرسندم که اعلام کنم،
دوشنبه ۲۷ دی ماه ساعت ۲۰ اولین جلسه پرزنت کتاب
Machine learning for algorithmic trading
رو شروع میکنیم 🌺🥳
۲۳ فصل کتاب در ۲۳ هفته پرزنت خواهد شد،
برنامه ۵ ماه آینده گروه 🌺😊
امیدوارم باهم کلی یاد بگیریم 🌺
لینک آپارات: (جهت دسترسی به جلسات ضبط شده گروه)
https://www.aparat.com/DrSasanBarak/videos
————————————————————
لینک گروه ( مارو به دوستانتان معرفی کنید و در اشاعه این اموزش ها یاری کنید)
https://news.1rj.ru/str/machinelearningnet
لینک کانال :
@Machinelearningnet2
همچنین بزودی برنامه هایی برای مسابقات حوزه الگوریتمیک تریدینگ در گروه برگزار خواهد شد و هدفمون ایجاد تیم های مختلف الگوریتمیک تریدینگ واقعی در ایران خواهد بود. ❤️
👍2
Forwarded from @machinelearningnet (Sasan Barak)
نزدیک به ۴۰ نفر از دوستان برای ارایه این کتاب همکاری خواهند کرد🌼، در واقع این بزرگترین دوره انلاین گروه خواهد بود🌺🌺
دوستانی با گرایش های علمی مختلف، حتی از کشورهای مختلف ، همگی در این پرزنت فصل های مختلف رو تدریس خواهند کرد و فصل های جذاب کتاب، فرصتی خواهد بود که ما با طیف وسیعی از اموزشهای حوزه الگوریتمیک تریدینگ اشنا بشیم🥳🤞،
بدون شک با توجه به تبحر دوستان، و تجربیات ما در ارایه کتابهای قبلی، این دوره بهترین دوره الگوریتمیک تریدینگ در ایران خواهد بود، 🌺🌺
امیدوارم بتونیم جلسات اکادمیک و پر رونقی برگزار کنیم، و جامعه الگوریتمیک تریدینگ ایران رو در این گروه بزودی راه اندازی کنیم 🥳🥳🍀
دوستانی با گرایش های علمی مختلف، حتی از کشورهای مختلف ، همگی در این پرزنت فصل های مختلف رو تدریس خواهند کرد و فصل های جذاب کتاب، فرصتی خواهد بود که ما با طیف وسیعی از اموزشهای حوزه الگوریتمیک تریدینگ اشنا بشیم🥳🤞،
بدون شک با توجه به تبحر دوستان، و تجربیات ما در ارایه کتابهای قبلی، این دوره بهترین دوره الگوریتمیک تریدینگ در ایران خواهد بود، 🌺🌺
امیدوارم بتونیم جلسات اکادمیک و پر رونقی برگزار کنیم، و جامعه الگوریتمیک تریدینگ ایران رو در این گروه بزودی راه اندازی کنیم 🥳🥳🍀
👍1
#رویداد
📎 دوستان عزیز، طبق اعلام قبلی از هفته بعد دوشنبه ها ساعت 20 پرزنت کتاب
Machine Learning for Algorithmic Trading
که در این پست معرفی شد و همراه با کدهای پایتون اش قابل دانلود هست، شروع خواهد شد. فعلا برنامه از این قرار هست که هر هفته یک جلسه برگزار بشه. پیشنهاد من اینه که سعی کنید قبل از برگزاری جلسه خودتون یک دور مطالب فصل رو بخونید و سوالات و اشکالات احتمالی تون رو در جلسه مطرح کنید. واقعا فکر نمیکنم کلاس آموزشی ای با این غنا به زبان فارسی جایی بتونید پیدا کنید، اونم رایگان!
📎 اگر عمری باشه، ما هم فصول زیر را خدمتتان پرزنت خواهیم کرد:
Chapter 20: Autoencoders for Conditional Risk Factors and Asset Pricing
Chapter 23: Conclusions and Next Steps
📎 دوستان لطفا در انتشار این رویداد هم ما را یاری کنید، در محیط دانشگاه، در محیط کار و شبکه های اجتماعی که فعال هستید، تا همه افراد علاقه مند به این حوزه بتونن بهره مند بشن.
@FinPy
📎 دوستان عزیز، طبق اعلام قبلی از هفته بعد دوشنبه ها ساعت 20 پرزنت کتاب
Machine Learning for Algorithmic Trading
که در این پست معرفی شد و همراه با کدهای پایتون اش قابل دانلود هست، شروع خواهد شد. فعلا برنامه از این قرار هست که هر هفته یک جلسه برگزار بشه. پیشنهاد من اینه که سعی کنید قبل از برگزاری جلسه خودتون یک دور مطالب فصل رو بخونید و سوالات و اشکالات احتمالی تون رو در جلسه مطرح کنید. واقعا فکر نمیکنم کلاس آموزشی ای با این غنا به زبان فارسی جایی بتونید پیدا کنید، اونم رایگان!
📎 اگر عمری باشه، ما هم فصول زیر را خدمتتان پرزنت خواهیم کرد:
Chapter 20: Autoencoders for Conditional Risk Factors and Asset Pricing
Chapter 23: Conclusions and Next Steps
📎 دوستان لطفا در انتشار این رویداد هم ما را یاری کنید، در محیط دانشگاه، در محیط کار و شبکه های اجتماعی که فعال هستید، تا همه افراد علاقه مند به این حوزه بتونن بهره مند بشن.
@FinPy
👍7
#پایتون_مالی
#مفهوم_ریسک
#بتا_سهام
📎در ادامه پست قبلی امروز به نحوه محاسبه بتا، و تفسیر بتا می پردازیم .
@FinPy
#مفهوم_ریسک
#بتا_سهام
📎در ادامه پست قبلی امروز به نحوه محاسبه بتا، و تفسیر بتا می پردازیم .
@FinPy
👍9