#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

#معرفی_کتاب

Advances in Financial Machine Learning

سطح: متوسط - پیشرفته

▫️شاید بشه این کتاب رو به عنوان گل سرسبد همه کتابهای ماشین لرنینگ مالی معرفی کرد که توسط آقای دپرادا نوشته شده. قبل از مطالعه این کتاب باید با روش های ماشین لرنینگ آشنایی داشته باشید چون موضوع کتاب در خصوص معرفی این روش ها نبوده و بلکه در خصوص نحوه استفاده درست از ابزارهای ماشین لرنینگ هست. این کتاب علاوه بر مفاهیم شامل بخش زیادی از کدهای پایتون روش های معرفی شده هست (هر چند برخی از کدها باید یه تغییرات و اصلاحات کوچکی درش داده بشه).

▫️برای سهولت در مطالعه این کتاب میتونید ویدیوهای پرزنتیشن فصل های کتاب که به همت آقای دکتر براک و جمعی از دوستان تهیه شده، رو از اینجا و در کانال آپارات ایشون ببینید. همچنین 8 جلسه ضبط شده تدریس این کتاب که مربوط به دانشگاه صنعتی شریف و آقای دکتر آرین هست هم از این لینک در یوتیوب قابل دسترسی هست.

@FinPy

#لیبلینگ_مالی

▫️ بعد از دریافت و پیش پردازش داده های مالی و قبل از مدلسازی با روش های Supervised Learning گاها نیاز هست به این داده ها لیبل زده بشه. روش های مختلفی برای لیبل زدن به داده های مالی وجود داره که شرکت Hudson and Tames در این پرزنتیشن کوتاه به معرفی اونا پرداخته. بخشی از این روش ها برگرفته از کتاب آقای دپرادا و بخش دیگری از مقالات و کتب دیگر گرفته و در این پرزنتیشن کوتاه معرفی شدند. البته روش های لیبل زدن فقط به اینها محدود نمیشه و شما میتونید بسته به نیاز، به داده هاتون لیبل بزنید!

▫️ویدیو این ارائه رو میتونید از اینجا در یوتیوب ببینید.

فایل پرزنتیشن:

Labeling (Hudson and Tames Presentation)

@FinPy

#لیبلینگ_مالی
#شاخص_کل
#رژیم_نرمال_کرش

▫️یه نمونه از کاربردهای لیبلینگ، لیبل زدن رژیمهای نرمال و کرش بازار هست. قبلا در پستهای مختلف اشاره کردیم که در رژیم کرش نمیشه با دایورسیفای کردن و ... جلو ضرر رو گرفت و مطالبی در این خصوص ارائه کردیم. در این شکل ما با استفاده از روش Trend Filtering اومدیم و شاخص کل رو برای شناسایی رژیمهای نرمال و کرش (نواحی قرمز) لیبل زدیم تا بعد با استفاده از فیچرهایی که درست کردیم، سعی در پیش بینی رژیم های کرش و خروج از بازار قبل از وقوع اش داشته باشیم. در واقع کاری که لیبلینگ انجام میده، پیش بینی نیست بلکه آماده کردن داده برای مدلی هست که پیش بینی میکنه! روش Trend Filtering هم یه روش مبتنی بر ماشین لرنینگ هست و با Trend Scanning آقای دپرادا فرق داره!

@FinPy

#پیر_تریدینگ

▫️برای دوستانی که علاقه مند به حوزه pair trading و statistical arbitrage هستند، این کتابچه آموزشی که توسط شرکت Hudson and Tames تهیه شده، میتونه منبع و نقطه شروع خوبی برای یادگیری شون باشه. تو کانال یوتیوب این شرکت هم تعداد زیادی ویدیو در خصوص این موضوع وجود داره که هنگام مطالعه کتابچه میتونید با یه کلیک ساده به صفحه مربوط به اون ویدیو در یوتیوب هدایت بشید.

▫️فایل کتابچه آموزشی:

The Definitive Guide to Pair Trading



#pair_trading

@FinPy

#ماژول_فینپای
#دامنه_نوسان
#صف_خرید_فروش

▫️همون طور که میدونید، سازمان بورس قصد داره دامنه نوسان رو به مرور و به صورت پله ای افزایش بده. کاربران ماژول finpy_tse توجه داشته باشند که این موضوع تاثیری در عملکرد توابعی از ماژول که صف خرید و فروش رو محاسبه میکنند نداره چون این توابع قیمت حد بالا و پایین مجاز روز هر سهم رو برای محاسبات صف خرید و فروش استفاده میکنند و با درصد نوسان مجاز کاری ندارن. در نتیجه همچنان میتونید با خیال راحت داده های مربوط به صف خرید و فروش رو استفاده کنید.

#finpy_tse

@FinPy

#معرفی_کتاب

Advanced Portfolio Management (A Quant's Guide for Fundamental Investors)

سطح: متوسط

▫️این کتاب پیشنهاد یک دوست (همکار آقای دپرادا در ADIA) هست که بخشی از متن معرفی کتاب رو که در وبلاگش گذاشته براتون عینا نقل قول میکنم:

This book won’t teach you anything about how to source and develop trade ideas; It will simply assume that you have an edge in predicting future excess returns (for stocks), or at least selecting a basket of stocks that have high chance to beat the market. Given this predictive edge, still many things can go wrong between the trade ideas and the portfolio performance: poor sizing and timing, unrealistic returns/risk targets, unsuitable leverage, and ultimately hitting stop-losses before the realization of your edge. The book aims at giving fundamental investors some heuristics (based on quant methods) to avoid these pitfalls.

@FinPy

#رویداد

▫️به اطلاع دوستانی که علاقه مند به گپ و گفت حضوری با آقای دکتر براک هستند میرساند که ایشون روز یکشنبه هفته آینده یه سخنرانی در دانشگاه تهران خواهند داشت. حضور در این رویداد برای عموم آزاد بوده و در صورت تمایل میتونید شرکت کنید.

"سلام دوستان،
فرصتی فراهم شد بصورت حضوری در دانشکده اقتصاد دانشگاه تهران، میزبان شما باشم. برنامه به صورت سخنرانی در زمینه استفاده از ماشین لرنینگ در فاینانس و استارت آپ های مالی خواهد بود ، اما بیشتر هدف سوال و جواب و بحث آزاد و ملاقات حضوری شماست.

زمان: یکشنبه ۲۸ فروردین ساعت ۳
مکان: سالن شهید جوزی دانشکده اقتصاد دانشگاه تهران

جلسه حضوری می باشد و حضور برای عموم آزاد هست"

ویدیو این سخنرانی را از اینجا ببینید!

@machinelearningnet2
@FinPy

#چالش_کدنویسی

چالش شماره ۱ - محاسبه تایم فریم ماهانه شمسی با استفاده از اطلاعات تایم فریم روزانه

▫️با استفاده از ماژول finpy_tse اطلاعات تایم فریم روزانه شاخص کل را خوانده (صفحه ۳۵ و ۳۶ کتابچه راهنما، شکل ۱۹ نحوه دسترسی به این اطلاعات را نشان می دهد) و آن را به تایم فریم ماهانه برای ماه های شمسی تبدیل کنید.

▫️خروجی باید به صورت دیتافریمی با index به فرمت YYYY-MM شمسی و شامل ستون های High, Low, Open, Close و Volume شاخص کل در هر ماه شمسی باشد. علاقه مندان میتوانند، کدهای خود را به همراه تصویر دیتا فریم خروجی کامنت کنند.

@FinPy

#رابرت_شیلر
#توصیه

▫️در این ویدیو کوتاه آقای شیلر نوبلیست ۲۰۱۳ اقتصاد، به اقتصاددان های جوان توصیه میکنه که به جای تقلید کسل کننده از ایده های موجود و ارائه آنها در پوسته متفاوت، به سمت ارائه ایده های جدیدتر حرکت کنند. مشکلی که در پژوهش های داخلی ما بسیار پر رنگتر بوده و غالبا یک کپی از ایده خارجی برای بازار یا اقتصاد ایران هست! در این ویدیو هم آقای امانوئل درمن در مورد اینکه:

There's Enough Math in Finance Already. What's Missing is Imagination.

صحبت میکنه، مشکلی که به نظر میرسه در عصر حاضر، در حال تشدید هست!

@FinPy

#چالش_کدنویسی

چالش شماره ۲ - محاسبه تایم فریم هفتگی شمسی با استفاده از اطلاعات تایم فریم روزانه

▫️با استفاده از ماژول finpy_tse اطلاعات تایم فریم روزانه شاخص کل را خوانده (صفحه ۳۵ و ۳۶ کتابچه راهنما، شکل ۱۹ نحوه دسترسی به این اطلاعات را نشان می دهد) و آن را به تایم فریم هفتگی برای هفته های شمسی تبدیل کنید.

▫️خروجی باید به صورت دیتافریمی با index به فرمت YYYY-MM-DD شمسی برای اولین روز هفته (تاریخ اولین روز باز بودن بازار در هفته، آن هفته را نمایندگی میکند) و شامل ستون های High, Low, Open, Close و Volume شاخص کل در هر هفته شمسی باشد. علاقه مندان میتوانند، کدهای خود را به همراه تصویر دیتا فریم خروجی کامنت کنند.

@FinPy