#سری_زمانی

▫️به منظور تحلیل بهتر سری‌های زمانی و همینطور کشف الگوهای موجود در آن‌ها، همواره سعی می‌شود تا یک سری زمانی به اجزا آن تقسیم شود.

▫️هرکدام از اجزا سری زمانی دارای الگوها و همینطور اطلاعاتی هستند که به ما در درک بهتر داده‌ها و همینطور پیش‌بینی آن‌ها کمک می‌کند.

▫️تمام سری‌های زمانی دارای جزء "تراز" بوده، بیشترشان دارای "نویز" هستند و وجود "روند" و "فصلی بودن" در داده ها بستگی به ذات پدیده مورد نظر دارد.

▫️اجزا اصلی که در تحلیل‌ها بسیار استفاده می‌شوند شامل "روند" و "فصلی بودن" هستند.
#Time_Series
#Decomposition
@FinPy

#دیتا_ترکیب_دارایی
#صندوقهای_سرمایه_گذاری
#در_سهام
#صدور_ابطال

▫️قبلا در این پست داده های مربوط به NAV برای 57 صندوق صدور و ابطال در سهام به اشتراک گذاشته شد. در این پست دیتای مربوط به ترکیب دارایی های این صندوق ها در همان بازه زمانی دیتای پست قبل، به اشتراک گذاشته میشه تا اگر کسی نیاز داشت استفاده کنه.

▫️این داده ها که رزولوشن روزانه دارند، از سایت خود صندوق ها و با استفاده از پایتون دانلود، تمیز و ذخیره شده اند. به علاوه ما ترکیب دارایی ها رو در 5 ستون آخر برای هر صندوق در قالب سهام، 5 سهم برتر، بانک و نقد، اوراق و سایر دارایی ها به این دیتا اضافه کردیم تا استفاده ازش راحت تر باشه. به عنوان مثال شما ممکنه علاقه مند به بررسی تغییر ترکیب دارایی صندوق ها در شرایط مختلف بازار باشید که در این صورت می تونید از همون 5 ستون آخر استفاده کنید.

@FinPy

#سری_زمانی

▫️یکی از مهمترین قسمتهایی که برای تحلیل سری‌های زمانی در داده های مالی به کار گرفته می شود، روند است.

▫️جدا نمودن روند و همچنین تشخیص روند همواره برای تحلیل سری های زمانی حائز اهمیت است.

▫️در مباحث آینده مبحث روند به بحث ایستایی سری های زمانی نیز مرتبط می‌شود.

▫️حذف روند در بیشتر اوقات به عنوان روشی برای پاکسازی داده ها استفاده می شود. ( باید دقت داشت که استفاده از داده های مربوط به روند و حذف آن ها بسته به نوع مسئله و میزان اطلاعاتی که در آن موجود است، متفاوت می باشد)

▫️در 3 کتابخانه پایتون روش هایی به منظور تشخیص و حذف روند از داده ها وجود دارد.

#Trend
#Time_Series
@FinPy

#جیمز_سایمون
#درسهایی_از_سایمون

▫️درس دوم، داده جمع کرده و به دنبال کشف ساختارهای موجود در آن باشید - در این ویدیو آقای سایمون اشاره میکنه که شما باید اقدام به جمع آوری حجم زیادی از انواع داده های مالی کرده و به دنبال کشف ساختارهای موجود در آن باشید. واقعیت اینه که نمیشه فقط با داده های قیمت یه استراتژی خیلی موفق معاملاتی ساخت و هر چه به داده های بیشتری علاوه بر داده های قیمت دسترسی داشته باشید، درک بهتری از اتفاقاتی که در بازار میفته خواهید داشت و احتمالا سیستمهای موفق تری توسعه خواهید داد.

▫️نکته دیگری که آقای سایمون بهش اشاره میکنه، اینه که یه سیستم معاملاتی نمیتونه یکبار برای همیشه توسعه داده و استفاده بشه و بخش های مختلف آن به مرور زمان کارآیی خود رو از دست خواهند داد و شما باید دایما در حال بهبود مدل خودتون باشید. دلیل از دست رفتن کارآیی سیستم در گذر زمان اینه که یا دینامیک حاکم بر بازار تغییر میکنه و یا کم کم بقیه هم به اطلاعاتی که شما از دیتا استخراج کردید، دسترسی پیدا کرده و هر چه تکنیکها عمومی تر بشه مزیت شما از بین خواهد رفت.

لینک درس اول

@FinPy

#نظرسنجی
#پول_هوشمند

▫️شاید عبارت "پول هوشمند" به گوشتون خورده باشه. مثلا شنیده باشید که میگن، پول هوشمند وارد فلان سهم شده یا پول هوشمند از فلان سهم خارج شده! پول هوشمند به پولی گفته میشه که وقتی وارد میشه معمولا سهم رشد میکنه و وقتی از سهم خارج میشه، دیگه افق روشنی برای سهم نمیشه متصور بود. این یه تعریف کلی، کیفی و البته به دردنخور از پول هوشمند هست!

▫️به نظر شما پول هوشمند رو چجوری باید محاسبه و ردگیری کرد تا بشه ازش در معاملات استفاده کرد؟ تعریف کمی و فرمول محاسبه اش چیه؟ دوستان میتونن نظر خودشون رو کامنت کنند.

@FinPy

#ML_for_Algo_Trading

📎 جلسه نهم ارائه کتاب:
Machine Learning for Algorithmic Trading

روز دوشنبه ۲۳ اسفند (امشب) ساعت 20، برگزار خواهد شد. موضوع جلسه:

Volatility Forecasting and Statistical Arbitrage

(فصل نهم 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

#معرفی_کتاب

Machine Learning for Asset Managers

سطح: متوسط - پیشرفته

▫️این کتاب یکی از بهترین منابع موجود برای آشنایی با کاربردهای ماشین لرنینگ در مدیریت دارایی است که توسط آقای Marcos Lopez De Prado نوشته شده است. در صورتی که با مباحث ماشین لرنیگ آشنایی دارید، مطالعه این کتاب را حتما در برنامه خود داشته باشید.

@FinPy

#معرفی_دوره_آموزشی
#یودمی

▫️ویدیوهای دوره آموزشی:

Cryptocurrency Algorithmic Trading with Python and Binance

که یکی از پرفروش ترین دوره های یودمی هست، از این لینک قابل دانلود بوده و نیازی به ثبت نام ندارد.

▫️در این دوره آموزشی 35 ساعته با فرآیند طراحی، ساخت و تست استراتژی‌ها و الگوریتم های معامله‌گری آشنا خواهید شد. الگوریتمهای های ساخته شده علاوه بر بایننس در سایر صرافی های فعال مانند کوین بیس، کوکوین و … نیز قابل استفاده هستند. این دوره آموزشی علاوه بر مباحث فنی مانند برنامه نویسی، مجموعه ای از مباحث و اصطلاحات تئوری حوزه سرمایه گذاری و معامله گری را نیز شامل می شود.

@FinPy

#نسیم_طالب
#کریپتو

▫️اون اوایل که بیت کوین و سایر ارزهای دیجیتال اومده بودن، خیلی ها فکر میکردن که اینها یه نوع پول هستند که شما میتونی باهاش کالا و خدمات خرید کنی و در نهایت جایگزین ارزهای بزرگ دنیا مثلا دلار، یورو و ... خواهد شد. تو این ویدیو، آقای نسیم طالب در مصاحبه با شبکه CNBC اشاره میکنه که چیزی مثل بیت کوین که به شدت Volatile بوده و روزی 5% و ماهی 20% میتونه بالا پایین بشه، هیچ وقت نمیتونه به عنوان پول جایگزین ارزهای اصلی دنیا بشه و در واقع یه ابزار سوداگری هست.

@FinPy

#ماژول_پایتون
#کریپتو

▫️برای دسترسی به دیتای مربوط به ارزهای دیجیتال از صرافی های مختلف، میتونید یه سری به صفحه گیتهاب کتابخانه CCXT بزنید و با نحوه نصب و استفاده ازش آشنا بشید. البته این کتابخانه علاوه بر پایتون از PHP و Javanoscript هم پشتیبانی میکنه که برای ما همون قسمت پایتون اش کفایت میکنه. توضیح مختصری در مورد این کتابخانه رو در شکل مشاهده میکنید.

CCXT – CryptoCurrency eXchange Trading Library

@FinPy

#سری_زمانی

▫️محاسبه اختلاف بین دو سطر یکی از روش های حذف روند از داده ها می باشد.

▫️در کتابخانه Pandas با استفاده از تابع diff می‌توان اختلاف بین دو سطر/ستون مورد نظر را محاسبه نمود.

▫️از تابع diff برای محاسبه بازده دارایی نیز استفاده می شود.

▫️باید در نظر داشت که diff یک تابع ساده است که تنها با استفاده از اختلاف بین دو سطر، روند را از داده ها حذف می نماید و قادر به تشخیص خود روند در داده ها نمی باشد.

#Trend
#Detrending
#Time_Series
@FinPy

بوی باران، بوی سبزه، بوی خاک
شاخه های شسته، باران خورده پاک
آسمان آبی و ابر سپید، برگ های سبز بید
عطر نرگس رقص باد، نغمۀ شوق پرستوهای شاد
خلوت گرم کبوترهای مست
نرم نرمک میرسد اینک بهار
میرسد اینک بهار، خوش به حال روزگار
خوش به حال چشمه ها و دشت ها
خوش به حال دانه ها و سبزه ها
خوش به حال غنچه های نیمه باز
خوش به حال دختر میخک که میخندد به ناز
خوش به حال جام لبریز از شراب، خوش به حال آفتاب
ای دریغ از تو، اگر چون گل نرقصی با نسیم
ای دریغ از من، اگر مستم نسازد آفتاب
ای دریغ از ما، دریغ از ما اگر کامی نگیریم از بهار
گر نکوبی شیشۀ غم را به سنگ
هفت رنگش میشود هفتاد رنگ
هفت رنگش میشود هفتاد رنگ

تصنیف "بوی باران" استاد محمد رضا شجریان

🌹 سال نو فرصتی نو برای باز نگریستن بر چگونه زیستن است. در این فرصت نو، شوری نو برای ساختن و بهتر زیستن برایتان آرزومندیم.

@FinPy

#جیمز_سایمون
#درسهایی_از_سایمون

▫️درس سوم، به سیستم معاملاتی خود پایبند باشید - در این ویدیو آقای سایمون اشاره میکنه که بعد از توسعه سیستم معاملاتی و بک تست موفق اش، تنها کاری که باید بکنید، پایبندی به اجرای اون سیستم معاملاتیه. نباید این طوری باشه که مثلا اگه سیستم یه مدتی درجا زد، ازش نا امید بشید و کنار بزارید اش و یا اینکه شروع کنید به افزودن ایده های تست نشده خودتون یا نظرات دیگران به سیستم معاملاتی!

▫️آقای سایمون مشخصا اشاره میکنه که فاندشون (رنسانس) کاملا مبتنی بر مدل هست و هر خرید و فروشی که انجام میدن هم بر اساس خروجی مدله و این طوری نیست که مثلا یکی امروز بیاد بگه که بریم سهام IBM رو بخریم، مطمئنا ضرر نمیده! هر چی مدل و سیستم معاملاتی میگه همون کار انجام میشه چون مدل تست شده و جواب داده در گذشته. پس میشه امیدوار بود که در آینده هم بتونه موفق باشه.

لینک درس اول
لینک درس دوم

@FinPy

#معرفی_کتاب

Online Portfolio Selection

سطح: پیشرفته

▫️این کتاب یکی از معدود منابعی هست که الگوریتمهای مربوط به OLPS یا همون Online Portfolio Selection رو یه جا جمع کرده و در موردش مطالبی ارائه داده. مطالب کتاب در سطح پیشرفته هست و نیازمند زمان برای هضم مفاهیم. در خصوص پیاده سازی هم قبل از هر چیزی پیشنهاد اینه که اول در مورد اون مفهوم یا مدل مورد علاقه تون سرچ کنید و بخونید (علاوه بر مطالبی که در کتاب هست) تا براتون کاملا جا بیفته مطلب و بعدش میتونید برید سراغ جستجوی کدهای لازم برای پیاده سازی در فضای وب و در نهایت پیاده سازی روی دیتایی که دارید و بازاری که مد نظرتون هست.

@FinPy