#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

#ML_for_Algo_Trading

📎 جلسه دهم ارائه کتاب:
Machine Learning for Algorithmic Trading

روز چهارشنبه 3 فروردین (امروز) ساعت 20، برگزار خواهد شد (ادامه جلسات به دلیل تعطیلات نوروز دو هفته تعطیل شده و ادامه پرزنت ها از 22 فروردین شروع خواهد شد). موضوع جلسه این هفته:

Bayesian ML – Dynamic Sharpe Ratios and Pairs Trading

(فصل دهم 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

#کریپتو
#قیمت_گذاری

▫️این ویدیو کوتاه بخش هایی از پرزنت آقای دکتر امین شمس در خصوص یکی از تحقیقاتشان درباره رمزارزها هست که علاوه بر اینکه در بلومبرگ، CNN، نیویورک تایمز، رویترز , ... بازتاب رسانه ای داشته، مبنای تحقیق دادستان نیویورک در مورد انتشار بدون پشتوانه تتر هم قرار گرفته.

▫️در این ویدیو آقای شمس اشاره میکنه که بیشتر از نصف افزایش قیمت بیت کوین در سال 2017، از هزار تا 20 هزار دلار رو میشه با تعداد محدودی ساعت که در اون ساعات، تتر بدون پشتوانه منتشر، از طریق صرافی bitfinex وارد بازار و صرف خرید بیت کوین شده، مدل و حتی برای توسعه استراتژی معاملاتی ازش استفاده کرد.

▫️ویدیو کامل این پرزنت که در مورد عوامل موثر بر قیمت رمزارزها هست، رو میتونید در یوتیوب و از این لینک مشاهده کنید.

@FinPy

#معرفی_کتاب

Detecting Regime Change in Computational Finance

سطح: متوسط

▫️قبلا در مورد اینکه استراتژی برای همه فصل های بازار نداریم، چندین بار صحبت کردیم. اینجا، منظور از رژیم همون فصل های بازاره، مثلا ممکنه ما بخواییم بازار رو به دو فصل نرمال و کرش (Crash) تقسیم و علاوه بر اینکه سعی کنیم تغییر فصل ها (رژیمهای بازار) رو پیش بینی کنیم، برای هر فصل هم استراتژی متفاوتی داشته باشیم. این کتاب مختصر، نگاهی به روشهای به کار رفته و پیشنهاد شده در زمینه تشخیص تغییر رژیم بازار داره که اگرچه همه روشها رو شامل نمیشه و بهترین نیست، ولی به دلیل اهمیت موضوع، ارزش خوندن داره!

@FinPy

#ویدیو_آموزشی
#پایتون

▫️برخی از دوستان پیام میدن و میپرسن که پایتون مالی رو از کجا یاد بگیریم! نکته اول اینه که ما چیزی به اسم "پایتون مالی" نداریم! اگه پایتون مالی داشته باشیم اون وقت شما میتونید ته هر زبان برنامه نویسی ای یه "مالی" بزارید و مثلا بگید زبان C مالی و ... . این دوره هایی هم که تحت عنوان پایتون مالی میبیند با قیمتهای عمدتا بالا، چیز خاصی بهتون آموزش نمیده جز همون پایتون با مثالهایی از اقتصاد و بازارهای مالی که اون مثالها و خیلی بهترهاش رو هم به راحتی میتونید با یه جستجوی ساده در اینترنت، به رایگان پیدا کنید. قرار هم نیست در دوره های آموزشی تحت عنوان "پایتون مالی" استراتژی معاملاتی سود ده ای به شما یاد داده بشه! این دوره ها اگر مدرس اش مسلط باشه و خوب آموزش بده (که طبق چیزی که دیدم و شنیدم این طور نیست و حتی دیتا گرفتن درست و حسابی هم یاد نمیدن)، قراره به شما یه سری ابزار بده برای پیاده سازی ایده ها، ایده هایی که به تجربه یا با مطالعه کتب و مقالات، خودتون باید به دست بیارید.

▫️ما قصد داشتیم یه مجموعه آموزشی رایگان برای پایتون ضبط کنیم که یه کمکی به تازه کارها بشه، ولی بعدش دیدیم که آموزشهای خوبی به زبان فارسی و به رایگان وجود داره، مثل این آموزش در یوتیوب که آقای علیرضا محمدی دانشجوی دکتر مهندسی کامپیوتر تهیه کردند و در حال تکمیل هست. بعد از اینکه با الفبای پایتون با این ویدیوهای کوتاه آشنا شدید (نیازی به دیدن همه این ویدویها هم نیست)، میتونید برای تسلط بر ماژولهای مهم پایتون (مثل pandas، numpy، matplotlib، sk-learn و ...) از ویدیوهای کنفرانس Enthought استفاده کنید. برای هر ماژول یه ویدیوی 2-3 ساعته هست یا ویدیوی ورکشاپهای گاها یک روزه که توسط بهترین ها برگزار میشه و کدهاش رو هم زیر ویدیو به گیتهاب ارجاع دادن و میتونید داشته باشید. بعدش دیگه باید برید سراغ کتابها، مثل کتابی که هفتگی داره مرور میشه و کتابهایی که در کانال فینپای معرفی شده. کلی کد نمونه برای هر روش هم در این کتابها و هم در گیتهاب هست. این میشه مسیر یادگیری به اصطلاح پایتون مالی. فقط در این مسیر سعی کنید "اقیانوسی به عمق یک وجب" نشید که از هر چیزی یه ذره بدونید، به جاش سعی کنید روی موضوعات خاصی عمیق بشید و با مطالعه بیشتر و پیاده سازی مقالات و ... تبحر پیدا کنید در اون موضوع خاص.

▫️برای گرفتن دیتای بازار ایران جهت بررسی روش هایی که یاد گرفتید هم میتونید از ماژول finpy-tse یا هر ماژول و راه حلی که فک میکنید بهتره، استفاده کنید. برای بازارهای جهانی هم کلی سولوشن برای دسترسی به دیتا وجود داره. حتما سعی کنید با دیتای واقعی کار کنید و ایده ها و روش هایی که یاد گرفتید رو امتحان کنید. اگه بتونید تیم مطالعاتی تشکیل بدید و چند نفری پیش برید هم خیلی بهتره، هم تنها نیستید در مسیر و انگیزه تون رو از دست نمیدید و هم به همدیگه کمک میکنید مشکلاتتون برطرف بشه.

@FinPy

#لوپز_دپرادا
#پایتون

▫️انتخاب زبان برنامه نویسی برای کاربردهای مالی، سوال دیگری هست که گاها پرسیده میشه و برخی دوستان مثلا بین R، پایتون و جولیا، مردد هستند. این موضوع جا زیاد داره برای بحث، ولی توجه دوستان رو جلب میکنم به پاسخ آقای دپرادا به همین سوال که پیشنهاد میکنه پایتون رو خیلی خوب بلد باشید به خاطر انعطاف پذیری که پایتون داره در کار با داده (دیتا فریم های Pandas) و حتی امکان استفاده از کتابخانه های R در داخل پایتون. در مورد Pandas قبلا هم تاکید کرده بودیم و پیرو پست قبلی یه آموزش خیلی خوب برای این ماژول از ویدیوهای کنفرانس Enthought هم هست که میتونید از لینک زیر در یوتیوب ببینید اش و کدها رو هم میتونید از اینجا در گیتهاب ببینید و دانلود کنید!

Introduction to Data Processing in Python with Pandas | SciPy 2019 Tutorial | Daniel Chen

@FinPy

#دیپ_لرنینگ
#ماشین_لرنینگ

▫️آقای دکتر براک در این پست یه پکیج برای پیاده سازی مدلهای دیپ لرنینگ در تایم سری معرفی کردند و در انتها اشاره کردند به اینکه: "البته بیان این نکته واجبه که مدل های پیچیده تضمینی برای رسیدن به بهترین دقت نیست. من خیلی پیش میاد از RF بهتر از Deep Network نتیجه گرفتم"

▫️ما در این پست جایگاه ماشین لرنینگ و دیپ لرنینگ رو نشون دادیم و در این پست هم اشاره کردیم که دوستان تازه کار فعلا ماشین لرنیگ یاد بگیرن و دنبال دیپ لرنینگ نباشن. چرا گفتیم دنبال دیپ لرنینگ نباشن؟ به همین دلیلی که آقای دکتر براک هم در پست شون اشاره کردن که خیلی براشون پیش اومده که از Random Forest جواب بهتری نسبت به دیپ لرنینگ گرفتن. جواب این سوال رو آقای Andrew Ng در کورس دیپ لرنینگ شون دادن: "کارآیی مدل هایی دیپ لرنینگ موقعی بهتر از مدل های ماشین لرنینگ مثل Random Forest هست که شما حجم دیتای زیادی داشته باشید" رابطه بین کارآمدی مدل و حجم دیتا در این شکل نشون داده شده. همون طور که میبیند برای حجم دیتای کم مدل های ماشین لرنینگ عملکرد بهتری دارن.

@FinPy

#دیپ_لرنینگ
#ماشین_لرنینگ

ادامه پست قبل:

▫️با توجه به توضیحات پست قبل در صورتی که حجم دیتای شما زیاد باشه مدل های دیپ لرنینگ (پیچیده تر)، عملکرد بهتری خواهند داشت. اما چون ما تو فایننس معمولا حجم دیتامون زیاد نیست (یا مشکل از ماست که نمیریم دیتای زیادی جمع کنیم یا دیتا محدوده) در نتیجه اکثر مواقع (نه همیشه) مدل های ماشین لرنینگ عملکرد بهتری نسبت به مدل های پیچیده تر دیپ لرنینگ دارن. اضافه کنید به این پتانسیل بالای اورفیت شدن مدل های دیپ لرنینگ رو.

@FinPy

#دیپ_لرنینگ
#ماشین_لرنینگ

▫️در دو پست قبلی، به رابطه حجم دیتا با کارآمدی مدلهای دیپ لرنینگ اشاره ای کردیم و گفتیم که ما در فایننس معمولا حجم دیتای زیادی نداریم. بنابراین اغلب و نه همیشه کارآمدی مدل های ماشین لرنینگ بهتر از دیپ لرنینگ هست اما در برخی موارد ممکنه برعکس باشه یا تفاوت چندانی در کارآمدی آنها مشاهده نکنید. بنابراین پیشنهاد ما اینه که صرفا بر اساس مطالبی که ارائه شد از بررسی روش های دیپ لرنینگ صرف نظر نکنید!

▫️در این ویدیو آقای Andrew Ng توضیح میده که برای حجم کم دیتا، نمیشه از قبل تعیین کرد کدوم مدل همیشه بهتره و نتیجه برای زمانی که دیتا ست کوچکی دارید، خیلی بستگی به مهارت کسی داره که مدلسازی رو انجام میده و تبحر اش در ایجاد و استفاده از فیچرهای با قابلیت پیش بینی بالاتر. خودشون هم به احتمال بهتر بودن SVM (یکی از روش های ماشین لرنینگ) نسبت به دیپ لرنینگ در این ویدیو اشاره میکنن. این کورس رو میتونید از این لینک و سایت کورسرا مشاهده کنید.

@FinPy

#جیمز_سایمون
#درسهایی_از_سایمون

▫️درس چهارم، خود را در محاصره افراد موفق و درست این حوزه قرار دهید - این درس آقای سایمون، بیشتر متوجه مدیران فعال در بازار سرمایه ایران که در کانال حضور دارند و دوستانی هست که قصد راه اندازی بیزنس های مبتنی بر کوانت فایننس رو دارن، هر چند برای افراد مستقل هم کار تیمی منجر به نتایج سریعتر، بهتر و پایدارتری خواهد شد. سایمون اشاره میکنه که خط مشی اش در رنسانس، جمع کردن افراد باهوش، تامین امکانات و دادن آزادی عمل به آنها و در نهایت شریک کردن این افراد در سود حاصل از فعالیت هستش، موضوعی که در کشور ما با وجود حضور استعدادهای برجسته، بسیار مغفول مانده! در حالی که همین بیخ گوش ما، امارات متحده عربی روی دست سایمون بلند شده و ستاره های کوانت مثل آقای دپرادا رو از سراسر دنیا در شرکت سرمایه گذاری ADIA داره دور هم جمع میکنه. دارایی ADIA از دارایی تحت مدیریت بزرگترین فاندهای دنیا هم بیشتره!

لینک درس اول
لینک درس دوم
لینک درس سوم

@FinPy

#ADIA

▫️پیرو پست قبل و اشاره ای که به ADIA شد، دو تا از مقالاتی که در مورد این موسسه یکی در Financial Times و دیگری در Risk.net منتشر شده رو در ادامه به اشتراک میزاریم. از این لینک هم میتونید نگاهی به سایت این موسسه بندازید.

▫️تصور کنید که اگر ما هم میتونستیم در ایران چنین موسساتی رو تشکیل بدیم و از استعدادهای داخل و خارج کشور استفاده کرده و پول نفت رو به جای تزریق مستقیم در اقتصاد سرمایه گذاری میکردیم و عواید اش رو صرف توسعه زیرساختهای کشور میکردیم، چه اتفاق های مبارکی میتونست برامون بیفته (مثل نروژ)!

مقاله Financial Times

مقاله Risk.net

@FinPy