فینپای | FinPy – Telegram
فینپای | FinPy
2.4K subscribers
498 photos
62 videos
13 files
259 links
گروه پرسش و پاسخ:
@FinPyGroup

حضور در گروه نیازمند کامل بودن نام، نام خانوادگی و آیدی تلگرامی شما قبل از ارسال درخواست عضویت است.
Download Telegram
#پایتون_مالی
#همبستگی

📎همان طور که در این پست نشان دادیم، همبستگی یک مقیاس آماری است که نشان می‌دهد دارایی‌ها چگونه در ارتباط با یکدیگر حرکت می‌کنند. این معیار می‌تواند برای اوراق سهام مفید باشد و یا می‌تواند نشان دهد چگونه کلاس دارایی‌ها با کل بازار در ارتباط با یکدیگر حرکت می‌کنند.
📎از آنجایی که ماتریس همبستگی متقارن است، اگر شما بخواهید نقشه حرارتی را صرفا برای نیمه پایینی ماتریس ترسیم نمایید، به راحتی با استفاده از روش ارائه شده در بالا می توانید این کار را انجام بدهید.
📎قبلا در این پست نحوه گرفتن دیتای قیمت برای 15 سهم با استفاده از ماژول finpy-tse توضیح داده بودیم و دیتا را در df2 ذخیره کرده بودیم. بنابراین به راحتی با استفاده از کد بالا می توانیم نمودار heatmap قطری را ترسیم می نماییم .

#finpy_tse
#seaborn
#heatmap

@FinPy
👍10
This media is not supported in your browser
VIEW IN TELEGRAM
#مستند
#جورج_سوروس

📎 این ویدیو بخش هایی از مستند جذاب

The Great Speculator - The Mysterious Life of George Soros

که درباره زندگی رمزآلود جورج سوروس ساخته شده، هست. نسخه کامل این مستند سی دقیقه ای رو میتونید تو یوتیوب ببینید. شهرت جورج سوروس به خاطر معامله فروش استقراضی اش روی پوند انگلیس در سال 1992 هست که چیزی بیش از یک میلیارد دلار در یک روز نصیب اش کرد و بانک مرکزی انگلیس رو تقریبا تا مرز ورشکستگی برد. در این مستند، فراز و نشیب های زندگی جورج سوروس، دیدگاهش نسبت به بازارهای مالی، موفقیت ها و شکست هاش در بازارهای مالی، تا زمانی که بازنشسته شده و به امور خیریه پرداخته، مرور شده.

📎 آقای سوروس بنیانگذار سبک Global Macro هست که در این پست بهش اشاره کردیم. ماهیت معاملات آقای سوروس و فاندش هم از جنس Speculation یا به قول خودمونی تر نوسان گیری هست. منتها برای این کار داده های Macro رو مورد توجه قرار میده و البته باید در تایمینگ ورود و خروج هم موفق عمل کنه، به اضافه اینکه به نظر میرسه ایشون گاهی به اطلاعاتی دسترسی داشته که براش مزیت ایجاد کردن در بازارهای مالی، اطلاعاتی که در دسترس عموم نیست!

@FinPy
👍7
This media is not supported in your browser
VIEW IN TELEGRAM
#معرفی_کتاب

Advances in Active Portfolio Management

سطح: متوسط - پیشرفته

📎 کلا مباحث مربوط به پرتفولیو، تا حد زیادی با ریاضیات، آمار و بهینه سازی آمیخته هست و دوستان علاقه مند باید پذیرای این موضوع باشن. این کتاب یکی از بهترین و به روزترین کتابها در این حوزه هست، اگرچه خوندن اش نیاز به استمرار و تلاش خود فرد برای درک مفاهیم و جستجوی کدهای نمونه و سعی در کامل کردن اونها داره. انشالله کتابهای دیگری هم در حوزه مدیریت پرتفو و انتخاب آنلاین پرتفو در فرصت های آتی معرفی خواهیم کرد.

@FinPy
👍6
This media is not supported in your browser
VIEW IN TELEGRAM
#وزن_دهی_پرتفو

📎 در این پست به مطالعه ای اشاره شد که در اون شاخص هم وزن از منظر شارپ ریشیو عملکرد بهتری نسبت به شاخص کل (در بازار آمریکا) داشت. اما آیا این موضوع در بازار بورس تهران هم صادق هست؟ بلی، در بازار بورس تهران هم اگه همه سهم های بازار بورس رو در دو پرتفو بزاریم که یکی اش سهم ها رو بر اساس ارزش بازار و دیگری به صورت هم وزن، وزن دهی کنه و ریبالانس روزانه داشته باشه، پرتفوی هم وزن که معادل با شاخص هم وزنه عملکرد بهتری نسب به پرتفوی وزن دهی شده بر اساس ارزش بازار که معادل با شاخص کله، در بازه زمانی 2014 تا امروز خواهد داشت. در این بازه، شارپ ریشیو شاخص هم وزن 1.95 و شارپ ریشیو شاخص کل 1.09 بوده. در این بازه، شاخص هم وزن به طور میانگین بازدهی سالانه شده بیشتری نسبت به شاخص کل و والیتیلیتی سالانه شده کمتری نسبت به شاخص کل داشته. از نظر ماکزیمم دروداون هم شاخص هم وزن وضعیت بهتری داشته. اگر شما در سال 2014 روی پرتفوی هم وزن بازار سرمایه گذاری کرده بودید ثروت شما تا امروز 32.55 برابر شده بود در حالی که ثروت پرتفوی شاخص کل 16.24 برابر شده، حدود نصف پرتفوی شاخص هم وزن!

EW = شاخص هم وزن
CW = شاخص کل

@FinPy
👍13
#نظرسنجی
#تقریب_زدن_شاخص_کل

📎 به نظر شما اگه بخواییم با تعداد محدودی سهم یه پرتفو درست کنیم که رفتار شاخص کل رو با تقریب قابل قبولی تقلید کنه، اون سهم ها و وزن دهی بهشون چجوری باید انجام بشه؟ دوستان علاقه مند، میتونن نظرشون رو کامنت کنند.

@FinPy
👍4
This media is not supported in your browser
VIEW IN TELEGRAM
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
#نسیم_طالب
#کریپتو

📎 مدتی هست که تحلیل های عجیب و غریبی از دوستانم در مورد بازار کریپتو میشنوم که البته اون عزیزان هم این تحلیل ها رو در فضای مجازی میبینند و میشنوند! اخیرا یکی از دوستانم میگفت که قیمت بیت کوین و سایر ارزهای دیجیتال از متغیرهای کلان اقتصادی تاثیر میگیرن و به اثر تغییرات نرخ بهره و تورم اقتصاد آمریکا روی قیمت بیت کوین اشاره میکرد. آقای نسیم طالب در این مصاحبه با شبکه CNBC اشاره میکنه که از نظر ایشون بیت کوین یه طرح پانزی بزرگ هست و هیچ ارتباطی بین بیت کوین و نرخ تورم (که متاثر از نرخ بهره و کلی پارامتر اقتصادی دیگه هست) وجود نداره. اگرچه اخیرا کورولیشن خوبی بین بیت کوین و شاخص S&P500 آمریکا (که خودش به نوعی متاثر از شرایط کلان اقتصادی آمریکاست) مشاهده میشه اما نمیشه از این کورولیشن نتیجه گرفت که بیت کوین هم متاثر از شرایط کلان اقتصادی آمریکا باشه! در ادامه آقای طالب اشاره میکنه که شما نمیتونید از بیت کوین برای هج کردن تورم استفاده کنید چون ممکنه ما یه ابر تورم داشته باشیم ولی قیمت بیت کوین صفر بشه!

@FinPy
👍9👎1
نظرسنجی: فرض کنید شما چهار تا سهم تو پرتفوتون دارید که دو تاش هر کدام 20% تو سوده و دو تاش هر کدام 20% تو ضرر. ضرورتی براتون پیش اومده و پول لازم هستید، به طوری که با فروش یکی از این 4 تا سهم میتونید پول مورد نیازتون رو فراهم کنید. کدوم سهم رو میفروشید؟
Final Results
44%
یکی از سهم هایی که تو ضرره رو میفروشم تا پول رو فراهم کنم
56%
یکی از سهم هایی که تو سوده رو میفروشم تا پول رو فراهم کنم
👍12
This media is not supported in your browser
VIEW IN TELEGRAM
#ML_for_Algo_Trading

📎 جلسه ششم ارائه کتاب:
Machine Learning for Algorithmic Trading

روز دوشنبه 2 اسفند (امشب) ساعت 20، برگزار خواهد شد. موضوع جلسه:

Machine Learning Process

(فصل ششم کتاب) خواهد بود. برای شرکت در جلسه از طریق زوم، از این لینک و مشخصات زیر (در صورت نیاز) استفاده کنید:
Meeting ID: 899 2864 0090
Passcode: 12345
در صورتی که ظرفیت زوم تکمیل شده باشد، میتوانید از طریق لایو اینستاگرام جلسه را مشاهده کنید.

📎 برای دانلود کتاب از این لینک و برای دانلود کدهای پایتون کتاب از این لینک میتونید استفاده کنید. جلسات قبل هم در این پلی لیست در یوتیوب بارگذاری شده است.

📎 برای اطلاعات بیشتر در مورد ارائه دهندگان، به وبسایت پرزنتها مراجعه کنید.

@machinelearningnet2
@FinPy
👍2
#پایتون_مالی
#همبستگی
#خوشه_بندی
📎قبلا در این پست نحوه گرفتن دیتای قیمت برای 15 سهم با استفاده از ماژول finpy-tse توضیح داده بودیم و دیتا را در df2 ذخیره کرده بودیم. مطابق با روش ارائه شده در اسلاید بالا بازدهی لگاریتمی را بدست می آوریم و در گام بعدی همبستگی بین سهام را محاسبه نموده و نقشه حرارتی را با ترکیب خوشه بندی سهام رسم می نماییم.


#finpy_tse
#seaborn

@FinPy
👍8
#پایتون_مالی
#همبستگی
#خوشه_بندی
📎در سال‌های اخیر مسئله خوشه‌بندی و کشف روابط و روندهای موجود در سری‌های زمانی، موردتوجه بسیاری از محققان در حوزه‌های مختلف علوم ازجمله پژوهش‌های مالی قرارگرفته است. خوشه‌بندی سری‌های زمانی امکان تجزیه‌وتحلیل حجم زیادی از داده‌ها را در مقاطع زمانی مختلف، فراهم می‌کند. به‌طورکلی خوشه‌بندی یکی از روش‌های داده‌کاوی است که در آن، داده‌های مشابه در گروه‌های مرتبط یا همگن قرار می‌گیرند. سرمایه گذارانی که قصد خرید سهام جدید و اضافه کردن آن به پرتفوی خود را دارند و یا سرمایه گذارانی که قصد تشکیل پرتفوی بهینه را دارند لازم است که در ابتدا به همبستگی میان سهام مختلف توجه کنند چرا که این امر موجب کاهش ریسک سرمایه گذار ریسک گریز و افزایش بازده سرمایه گذار ریسک پذیر ‌می‌شود، می توانند از روش های خوشه بندی استفاده کنند.
📎بنابراین افرادی که قصد تشکیل پرتفوی دارند، مطابق با اصل متنوع سازی پرتفوی و جلوگیری از ریسک های ناشی از سهام همبسته با یکدیگر، نباید از سهام موجود در یک خوشه چندتا را انتخاب کنند.

#finpy_tse
#seaborn

@FinPy
👍8
#پایتون_مالی
#همبستگی
#خوشه_بندی
📎خوشه بندی روش های متنوعی دارد که یکی از آن روش ها خوشه بندی سلسله مراتبی است. خوشه‌بندی سلسله مراتبی شامل ایجاد خوشه‌هایی است که دارای ترتیب غالب از بالا به پایین هستند. مزیت اصلی خوشه‌بندی سلسله مراتبی این است که نیازی به تعیین تعداد خوشه‌ها نیست. مدل به‌تنهایی این مسئله را تعیین و حل می‌کند.
📎خوشه‌بندی سلسله مراتبی، ترسیم دندروگرام ها را که تصویری از یک خوشه‌بندی سلسله مراتبی باینری است، امکان‌پذیر می‌کند. دندروگرام نوعی نمودار درختی است که روابط سلسله مراتبی بین مجموعه‌های مختلف داده‌ها را نشان می‌دهد.
📎دندروگرام ها تجسم جالب و آموزنده‌ای از نتایج خوشه‌بندی سلسله مراتبی را ارائه می‌دهند که شامل حافظه الگوریتم خوشه‌بندی سلسله مراتبی است، بنابراین می‌توان به‌سادگی با بررسی نمودار، نحوه شکل‌گیری خوشه را بیان کرد.

#finpy_tse
#seaborn

@FinPy
👍10
This media is not supported in your browser
VIEW IN TELEGRAM
#حسابداری_ذهنی

▫️ از همه 115 نفری که در این نظرسنجی شرکت کردن، تشکر میکنم. در این نظر سنجی 56% تمایل به فروش یک سهم در سود و نگهداری سهم هایی که در ضرر بود رو داشتن و 44% هم فروش یک سهم که در ضرر بود و نگهداری سهم های در سود رو ترجیح دادن.

▫️ در شرایط مشابه، اکثر سرمایه گذاران همین تصمیمی رو میگیرند که در نتایج نظرسنجی هم نظر غالب بود: یعنی فروش یکی از سهم هایی که در سود هست و نگه داری سهم های در ضرر! دلیل اش هم به یه بایاس رفتاری در سرمایه گذاری به نام حسابداری ذهنی (Mental Accounting) برمیگرده. سرمایه گذاران غالبا عادت دارن سود و زیان سهم هاشون رو به صورت جداگانه بررسی و تصمیم گیری کنند. معمولا ناراحتی شناسایی زیان، اونقدری هست که اکثر سرمایه گذاران رو به سمت نگه داری سهم در ضرر سوق میده که این موضوع هم غالبا منجر به این میشه که زیان شون بیشتر بشه و سهم در سودی که میتونست با نگه داری سود بیشتری نصیب شون کنه رو میفروشند.

@FinPy
👍9
This media is not supported in your browser
VIEW IN TELEGRAM
#دنیل_کانمن
#حسابداری_ذهنی

▫️ در این ویدیو کوتاه، آقای دنیل کانمن، نوبلیست اقتصاد 2002، اشاره میکنه که یکی از تصمیمات اشتباه سرمایه گذاران که در بلند مدت منجر به خراب شدن عملکرد پرتفوی سرمایه گذاری شون میشه (با فروش سهم های در سود و نگهداری سهم های در زیان) همین بایاس رفتاری حسابداری ذهنی هست. هدف ما از این نظرسنجی و پست اخیر این بود که دوستانی که در معرض این قضیه هستند، رو قدری آگاه کنیم.

@FinPy
👍11
This media is not supported in your browser
VIEW IN TELEGRAM
#پایتون_مالی
#کشف_روابط_بین_متغیرها

📎یکی از موارد مهم در مدل سازی مالی، استخراج نوع رابطه بین متغیر هاست. ترسیم شکل و مصورسازی داده ها از جمله توانمندی هایی است که به ما در استخراج ضمنی روابط کمک شایانی می کند. کتابخانه Seaborn یکی از ابزارهای قدرتمند رسم شکل در پایتون است که البته از زیرساخت Matplotlib استفاده می کند.
📎در تصویر این پست، ابتدا داده های مربوط به سه سهم شپنا، شتران و شبندر دریافت می شود
📎در گام بعدی بازدهی داده ها محاسبه می شود و در نهایت به وسیله Pairplot در Seaborn رسم می شود.

#finpy_tse
#seaborn


@FinPy
👍11
#پایتون_مالی
#کشف_روابط_بین_متغیرها

📎با اضافه کردن kind می توانید خط رگرسیون را نیز به شکل قبلی اضافه نمایید.
kind{‘scatter’, ‘kde’, ‘hist’, ‘reg’}
هر کدام از این موارد را می توانید به جای kind قرار بدهید و خروجی آن را بررسی کنید.

📎برای دیدن مدل های دیگر می توانید به این لینک مراجعه نمایید.
https://seaborn.pydata.org/generated/seaborn.pairplot.html

#finpy_tse
#seaborn


@FinPy
👍9