RiskLab – Telegram
#معرفی_کتاب

📚 Machine Learning in Business: An Introduction to the World of Data Science
🥸 by John Hull

📎 دانلود کتاب ⬇️
📌📌📌سمینار معرفی کارشناسی ارشد مالی

📆 دوشنبه پانزدهم آذرماه ۱۴۰۰ ساعت ۱۳:۰۰


‼️دانشگاه صنعتی امیرکبیر، آمفی تئاتر دانشکده مهندسی برق

شرکت در این رویداد برای عموم، آزاد و رایگان است.

فرم ثبت‌نام شرکت در سمینار:

https://teias.institute/fin-intro-1401



@pasargadschools
شروع به کار کانال تلگرام ماشین هوشمند سرمایه گذاری #پی_بات
#سیگنال های معاملاتی این ربات هوشمند در #رمزارزها به صورت لحظه ای در زمانی که سیگنال #خرید یا #فروش باشد، را در اختیار استفاده کنندگان قرار می دهد
https://news.1rj.ru/str/PatternicBot
💻 کارگاه برنامه نویسی جولیا

🕘 - 🕛 Time: 9:00am-12pm (Tehran Time GMT+3:30)
📅 Date: Tuesday, 23 Azar 1400 (14 Dec 2021)
ℹ️ e-Location: vc.sharif.edu/ch/econ-talks (guest login)

اصلاحیه: دانشجویان عزیز لطفا دقت بفرمایید که در پوستر قبلی به اشتباه روز ارایه به جای سه شنبه، پنجشنبه ذکر شده است.

@RiskLab
RiskLab Middle East
#معرفی_کتاب

📚 Advanced Portfolio Management – A Quant’s Guide for Fundamental Investors
🥸 by Giuseppe Paleologo

📎 دانلود کتاب ⬇️

@RiskLab
RiskLab Middle East
پنل تخصصی بررسی چشم انداز #بیتکوین #ارزدیجیتال #دی_فای #ان_اف_تی
Panel Discussion on #bitcon #nft #Defi
لینک ثبت نام

@RiskLab
RiskLab Middle East
Forwarded from پترنیک | Patternic
🟣وبینار مهندسی مالی نوین-بیزینس لاین شاخص ها

--------------------------------------------------

🔴 لازم به ذکر است وبینار رایگان است اما ثبت نام در آن الزامی است و لینک ورود ، پس از ثبت نام ارسال خواهد شد.
--------------------------------------------------

🔗 لینک ثبت نام
🔖 کارگاه جوپای
📌 آموزش برنامه نویسی Julia و Python

👤 دکتر حمیدرضا آرین
👤 رامتین رفعت‌نژاد
👤 سید علیرضا موسوی‌زاده

🕥 شنبه‌ها، ساعت ١٨ الی ٢٠
📅 ٧ آبان الی ٢٨ آبان ١۴٠١
🗓 افزودن به تقویم گوگل

💵 هزینه دوره برای دانشجویان دوره فرعی اقتصاد شریف رایگان و برای سایرین ٢٠ هزار تومان می‌باشد.

برای ثبت نام از طریق این لینک مشخصات خود را وارد کرده و جهت پرداخت هزینه دوره به آیدی @Smfakhrefatemi پیام دهید.

@SharifEconAA
@RiskLab
🔖مدرسه‌ی زمستانی اقتصادمالی شریف
📌دوره‌ی حضوری، مخصوص علاقه‌مندان به اقتصاد مالی

👥دکتر مهدی محسنی، دکتر مهران ابراهیمیان، دکتر مهدی حیدری، دکتر امینه محمودزاده
🗓 ۷ روز، چهارشنبه‌ها و پنج‌شنبه‌ها
📅 ۳۰ آذر تا ۲۱ دی
🕧 ساعت ۹ تا ۱۶:۳۰
📍دانشکده مدیریت و اقتصاد دانشگاه شریف

🔻برای اطلاع از هزینه‌ی دوره و پیش‌ثبت‌‌نام، قوانین فرم را مطالعه کرده و آن را پر نمایید.

🔻گواهی پایان دوره به شرکت‌کنندگان اعطا خواهد شد.

🔻ظرفیت دوره محدود است و اولویت ثبت‌نام با افرادی خواهد بود که زودتر اقدام به تکمیل فرم نمایند.

🔻برای کسب اطلاعات بیشتر به @SharifEconPR پیام دهید.

@SharifEconAA
This media is not supported in your browser
VIEW IN TELEGRAM
نوارها یا بار های مالی ابزاری هستند که توسط معامله‌گران برای تحلیل رفتار بازار و تصمیم‌گیری‌های آگاهانه استفاده می‌شوند. نوارهای مالی شامل نوار دلاری، حجمی، تیکی و زمانی هستند. نوع جدیدی از نوارهایی وجود دارد که به شدت محبوب شده‌اند، از جمله نوارهای عدم تعادل و نوارهای اطلاعاتی. این نوع نوارها به ویژه برای معاملات الگوریتمی مفید هستند زیرا به معامله‌گران اجازه می‌دهند به سرعت الگوهای ناهماهنگی بازار و الگوهای دیگر مهم را شناسایی کنند که می‌تواند تصمیم‌گیری‌های معاملاتی را تحت تأثیر قرار دهد. برای مدلسازی نوارهای مالی، بسیاری از معامله‌گران و محققان به جولیا، یک زبان برنامه‌نویسی با عملکرد بالا که برای تجزیه و تحلیل داده و مدل‌سازی مناسب است، رجوع می‌کنند. سرعت و انعطاف پذیری جولیا آن را به یک ابزار ایده‌آل برای تجزیه و تحلیل مجموعه داده‌های بزرگ و ساخت الگوریتم‌های معاملات پیچیده تبدیل می‌کند.

در هفته های آینده پیاده سازی نوارهای مالی را در گیت هاب ریسک لب میتوانید پیگیری بفرمایید:

Telegram: @RiskLab
GitHub: https://github.com/RiskLabAI
📣 اسکالرشیپ و -TAشیپ ریسک لب برای مراحل ١، ۲ و ۳ مدرک CFA

🌍 اسکالرشیپ:
1️⃣ هزینه ثبت نام اولبه
2️⃣ هزینه امتحان برای مراحل اول، دوم و سوم

🧑🏻‍🎓 واجدین شرایط:
1️⃣ دانشجویان یا فارغ التحصیلان دانشگاه‌های صنعتی شریف، تهران، امیرکبیر
2️⃣ مهارت کامل در زبان انگلیسی برای امتحان
3️⃣ معدل حداقل 16 در دوره کارشناسی
4️⃣ آشنایی اولیه با مفاهیم مالی از جمله مشتقات مالی، مدیریت ریسک و روش‌های کوانت

💻 نحوه درخواست:
دانشجویانی که شروط ذکر شده را دارا می‌باشند، مدارک زیر را به ایمیل جناب آقای دکتر آرین (arian@sharif.edu) ارسال بفرمایند. لطفا عنوان ایمیل را "CFA" قرار دهید.
1️⃣ رزومه،
2️⃣ ریز نمرات دوره کارشناسی،
3️⃣ در صورت داشتن مدارک زبان (TOEFL، IELTS)، کارنامه و نتیجه امتحان
شبکه های عصبی زمان-عمیق برای حل معادلات دیفرانسیل با مشتقات جزیی در ابعاد بالا

لینک دانلود:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4554574

احمد آقاپور (دانشگاه صنعتی شریف)،  حمیدرضا آرین (دانشگاه یورک)، لوئیس سکو (دانشگاه تورنتو)

 نویسندگان در این مقاله نشان می دهند که شبکه های زمان-عمیق به طور قابل توجهی هزینه محاسباتی را کاهش می دهد و روند یادگیری معادلات دیفرانسیل با مشتقات جزئیِ را در مقایسه با سایر مدل های موجود در ادبیات به شکل چشم گیری سرعت می بخشند.  نتایج این مطالعه نشان می دهد که معماری شبکه های زمان-عمیق برای حل سریع و دقیق PDE های وابسته به زمان در کاربردهای مختلف علوم، اقتصاد و مهندسی امیدوار کننده است.
🔺 مقاله جدید ریسک لب چارچوب جامعی برای ارزیابی روش‌های اعتبارسنجی با در نظر گرفتن ویژگی‌های منحصر به فرد داده‌های مالی مانند غیر ثابت بودن رفتار فاکتورهای ریسک و بازده، همبستگی خودکار، و تغییر رژیم ارایه می‌دهد. این مقاله برتری قابل توجه روش ترکیبی (CPCV) را در کاهش بیش برازش و عملکرد بهتر از روش‌های سنتی مانند K-Fold، Purged K-Fold، و به خصوص Walk-Forward آشکار می‌سازد.

🕯 لینک مقاله برای دانلود:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4686376

📊 لینک کتابخانه های پایتون و جولیای ریسک لب:
GitHub: github.com/RiskLabAI

Telegram: @RiskLab
Please open Telegram to view this post
VIEW IN TELEGRAM
🔔 مقاله آقای احمد آقاپور در مجله ریاضیات کاربردی و محاسبات (Applied Mathematics and Computations) منتشر گردید.

هدف پژوهش:
🔬این مقاله، شبکه عصبی Deep-Time (DTNN)، را برای حل معادلات دیفرانسیل با مشتقات جزئی معرفی می‌کند.

چکیده:
1️⃣ این مدل جدید، کارایی محاسبات را بهبود می بخشد، به طور قابل توجهی روند یادگیری مدل را سرعت می بخشد و PDE های پیچیده و وابسته به زمان را با دقت بیشتر مورد بررسی قرار می دهد.
2️⃣ روش DTNN پتانسیل قابل توجهی را در زمینه های مختلف علمی و مهندسی با ملاحظات زمانی در لایه های عمیق تر شبکه نشان می دهد.
3️⃣ این مقاله همچنین تأثیر ترکیب هوش مصنوعی با ریاضیات پیشرفته برای حل مسائل دنیای واقعی و با ابعاد بالا را برجسته می کند.

کد پایتون:https://github.com/RiskLabAI/Notebooks.py/tree/main/pde/dtnn

مقاله کامل مقاله: https://www.sciencedirect.com/science/article/abs/pii/S0096300324005782


@RiskLab