آنچه ترامپ می‌خواهد، محقق می‌شود؟!
علی رئوفی- اقتصاددان و مشاور مالی

ترامپ اینبار قطعا با برنامه‌تر از دوره قبل پا به عرصه سیاست گذاشته و تیم منسجم‌تری او را همراهی می‌کنند. با این اوصاف شاید در وهله اول تصور شود که دستیابی به آنچه ترامپ پشت تریبون به کشورها دیکته می‌کند به آسانی میسر است، اما نکته ماجرا اینجاست که دنیا هم به طرز عجیبی پیچیده‌تر شده است و همه چیز به این راحتی‌ها اتفاق نمی‌افتد.

به طور مثال در آنچه به حوزه کاری من مربوط است (بازارهای مالی و هوش مصنوعی)، آمریکا صادرات فناوری‌های پیشرفته مانند نیمه‌هادی‌های GPU به چین را ممنوع کرده است تا پیشرفت‌های این کشور در زمینه هوش مصنوعی، که مرز کلیدی در رقابت آمریکا و چین برای برتری فناوری است، متوقف کند. اما حالا با رونمایی از مدل هوش مصنوعی چینی DeepSeek که رقیب سرسخت ChatGPT است، چین نه تنها نشان داد که محدودیت‌ها مسیر رشدش را متوقف نکرده است، بلکه این مدل به طرز قابل توجهی به منابع پردازشی کمتری نیاز دارد. این ویژگی باعث شده دیپ سیک تنها با ۱۰ میلیون دلار هزینه‌ توسعه، عملکردی برابر با ChatGPT (با هزینه‌ ۱۵۰ میلیارد دلاری) داشته باشد. مساله‌ای که امروز باعث شد ارزش سهام شرکت‌های فناوری آمریکایی مثل انویدیا که تولید کننده پردازشگرهای هوش‌ مصنوعی است به شدت کاهش یابد. شرکت‌های تکنولوژی محوری مثل شرکت‌ Nvidia Corp در چند سال اخیر با افزایش تقاضای رو به رشد برای خدمات هوش مصنوعی مواجه بوده‌اند و رشدهای نجومی را تجربه کرده‌اند اما حالا با رونمایی از این مدل هوش مصنوعی، در یک روز ارزش انویدیا حدود ۶۰۰ میلیارد دلار کاهش یافته است. حالا شما با یک حساب سرانگشتی کل کاهش ارزش شرکت‌های فناوری محور آمریکایی را بدست آورید.

مخلص کلام اینکه سیاست‌های تنبیهی و تهدیدی ترامپ از طریق تحریم و تعرفه در دوره قبلی، بسیاری از کشورها را بر این واداشت که خودشان را آماده روزهای سخت این چنینی کنند. قضیه فقط مختص چین نیست. به طور مثال شرکت‌های خودروسازی آلمانی نیز به شدت در حال توسعه محصولات برای ایجاد تمایز هستند تا تعرفه‌های سنگینی که احتمالا ترامپ بر صنعت خودروسازیشان اعمال خواهد کرد را کم اثر کنند. یا مثلا توسعه سریعتر #بریکس ناشی از فشارهای دوره قبل ترامپ برای کند کردن رشد اقتصادی کشورهای در حال توسعه شرق آسیا مثل چین و هند بود.

حالا باید دید در این نبرد و جنگ اقتصادی چه پیش خواهد آمد. چیزی که عیان است این است که داستان به این سادگی‌ها هم نیست. همینطور به یاد داشته باشیم که تمرکز ترامپ بر ایران نیست و تحولات بزرگتری در جریان است. مسله ایران هم به این سادگی‌ها نیست!
➖➖➖➖➖
علی رئوفی - دکتری اقتصاد مالی
🌐@ecoraoofi

اینستاگرام | تلگرام | وبسایت

✅چطور دستکاری قیمت سهام و معاملات مشکوک را با علم داده و با زبان برنامه نویسی پایتون کشف کنیم؟
🔵در این فایل راهنما با یک مثال ساده کشف معاملات مشکوک در پایتون توضیح داده شده است.

➖➖➖➖➖➖
🔖 هوش‌مصنوعی در صنعت مالی
✅@pyfinance

🐋تاثیر هوش‌مصنوعی DeepSeek بر بازارهای مالی

معرفی DeepSeek به‌عنوان یک مدل هوش‌مصنوعی قدرتمند، نه‌تنها در حوزه فناوری بلکه در بازارهای مالی نیز اثرات گسترده‌ای داشته است. سهام شرکت‌های تکنولوژی‌محور، به‌ویژه آن‌هایی که در زمینه پردازنده‌های گرافیکی (GPU) و زیرساخت‌های هوش مصنوعی فعالیت دارند، با کاهش قابل‌توجهی مواجه شده‌اند. NVIDIA، AMD و ASML که از بزرگ‌ترین بازیگران این صنعت محسوب می‌شوند، در روزهای اخیر افت قیمتی چشمگیری را تجربه کرده‌اند.

اما این موضوع چگونه بر بیت‌کوین تأثیر می‌گذارد؟
ادامه را در پست زیر بخوانید (+)

➖➖➖➖➖
علی رئوفی - دکتری اقتصاد مالی
🌐@ecoraoofi

اینستاگرام | تلگرام | وبسایت

✅به راحتی داده های مالی و اقتصادی جهانی را وارد پایتون کنید!

❇️کتابخانه Econ DataReader یک کتابخانه بسیار کاربردی است که برای دریافت آسان داده‌های اقتصادی و مالی از منابع مختلف طراحی شده است. این ابزار به ویژه برای تحلیلگران داده‌های مالی و اقتصادی، پژوهشگران و علاقه‌مندان به تحلیل بازار بسیار مفید است، چرا که فرآیند جمع‌آوری داده‌ها را ساده می‌کند و به راحتی در جریان کارهای مبتنی بر داده ادغام می‌شود.

❇️ویژگی‌های کلیدی Econ DataReader
◀️پشتیبانی از منابع مختلف برای داده‌های اقتصادی و مالی:
◀️بازارهای مالی سنتی (Trad-Fi): داده‌های مربوط به سهام، اوراق قرضه، و دیگر شاخص‌های مالی.
◀️رمزارزها: شامل قیمت‌های لحظه‌ای بازار Upbit و قیمت‌های آنی و قراردادهای آتی Binance.
◀️فدرال رزرو (Federal Reserve Economic Data): یکی از بزرگ‌ترین منابع داده‌های اقتصادی ایالات متحده.
◀️بانک کره (Bank of Korea - BOK): داده‌های اقتصادی داخلی کره جنوبی.

برای نصب:

pip install econ-datareader

➖➖➖➖➖➖
🔖 هوش‌مصنوعی در صنعت مالی
✅@pyfinance

✅ساخت و بهینه‌سازی پورتفولیو با پایتون

❇️ساخت و بهینه‌سازی پورتفولیو یکی از اصول بنیادی در مدیریت سرمایه‌گذاری است که با هدف حداکثرسازی بازده و حداقل‌سازی ریسک انجام می‌شود. این فرآیند شامل انتخاب مجموعه‌ای از دارایی‌ها است که ترکیبی بهینه از بازده و ریسک را ارائه می‌دهند.

❇️استفاده از کتابخانه PyPortfolioOpt
کتابخانه PyPortfolioOpt یک کتابخانه جامع برای بهینه‌سازی پورتفولیو بر اساس نظریه مدرن پورتفولیو (MPT) است. این کتابخانه روش‌های مختلف بهینه‌سازی را ارائه می‌دهد که می‌تواند به شما در ساخت یک پورتفولیو بهینه کمک کند.

مثال عملی: بهینه‌سازی پورتفولیو با داده‌های بورس آمریکا
در ادامه، یک نمونه ساده از استفاده از PyPortfolioOpt برای بهینه‌سازی پورتفولیوی سهام‌های بورس ایالات متحده را ارائه می‌کنیم. برای این مثال، از داده‌های Yahoo Finance استفاده می‌کنیم.

مراحل انجام کار
🔹جمع‌آوری داده
🔹محاسبه بازده و ریسک
🔹اجرای بهینه‌سازی
🔹نمایش نتایج
ابتدا باید داده‌های قیمت تاریخی برخی سهم‌ها را دانلود کنیم و سپس با استفاده از PyPortfolioOpt آن‌ها را بهینه‌سازی کنیم.

import pandas as pd
import yfinance as yf
from datetime import datetime
from pypfopt import expected_returns, risk_models
from pypfopt.efficient_frontier import EfficientFrontier
from pypfopt.plotting import plot_efficient_frontier
import matplotlib.pyplot as plt

# دانلود داده‌های قیمت تاریخی
stocks = ['AAPL', 'GOOGL', 'MSFT', 'AMZN', 'FB']
data = yf.download(stocks, start='2020-01-01', end='2022-01-01')['Adj Close']

# محاسبه بازده و ماتریس هم‌بستگی
returns = expected_returns.mean_historical_return(data)
covariance_matrix = risk_models.sample_cov(data)

# بهینه‌سازی پورتفولیو
ef = EfficientFrontier(returns, covariance_matrix)
weights = ef.max_sharpe() # به حداکثر رساندن نسبت شارپ
cleaned_weights = ef.clean_weights()
ef.portfolio_performance(verbose=True)

# نمایش وزن‌های بهینه
print("وزن‌های بهینه پورتفولیو:")
for stock, weight in cleaned_weights.items():
print(f"{stock}: {weight:.2%}")

# رسم مرز کارا
fig, ax = plt.subplots()
plot_efficient_frontier(ef, ax=ax, show_assets=True)
plt.noscript("مرز کارا برای پورتفولیو")
plt.show()

✅به یک API رایگان برای دریافت اطلاعات بازارهای مالی جهانی احتیاج دارید؟

❇️سرویس Alpha Vantage یک سرویس محبوب برای دریافت داده‌های مالی بلادرنگ و تاریخی است که به کاربران امکان می‌دهد اطلاعات بازارهای مالی، مانند سهام، ارزهای دیجیتال و فارکس را با استفاده از API دریافت کنند. این پلتفرم ابزار ویژه‌ای برای تحلیل بازار و استفاده در معاملات الگوریتمی، تحلیل داده‌های مالی و سرمایه‌گذاری ارائه می‌دهد.

ویژگی‌های کلیدی Alpha Vantage:

داده‌های متنوع: سهام، ارز خارجی، ارز دیجیتال و شاخص‌های تحلیلی فنی.
مدل رایگان و اشتراکی: پلن رایگان با محدودیت تعداد درخواست (۵ درخواست در دقیقه) و پلن‌های پولی برای نیازهای بیشتر.
قابلیت اتصال آسان: امکان استفاده از داده‌ها در زبان‌هایی مانند پایتون.

✅کتابخانه پایتون alpha_vantage
کتابخانه alpha_vantage یک رابط پایتونی برای API آلفا ونیتج است که فرآیند دریافت داده‌ها را آسان می‌کند. این کتابخانه اجازه می‌دهد بدون نیاز به تنظیمات پیچیده، اطلاعات مالی مانند قیمت سهام، نرخ ارز یا شاخص‌های تحلیل تکنیکال را به‌راحتی در پروژه‌های پایتونی استفاده کنید.

با دستور زیر نصب می‌شود:

pip install alpha-vantage

❇️استفاده از API Key: برای استفاده از این کتابخانه، باید ابتدا یک API Key رایگان از وب‌سایت Alpha Vantage دریافت کنید.

❇️مثال کاربردی
دریافت داده روزانه سهام:

from alpha_vantage.timeseries import TimeSeries

api_key = 'YOUR_API_KEY'
ts = TimeSeries(key=api_key, output_format='pandas')
data, meta_data = ts.get_daily(symbol='AAPL', outputsize='full')
print(data.head())

دریافت شاخص تکنیکال (SMA):

from alpha_vantage.techindicators import TechIndicators

ti = TechIndicators(key=api_key, output_format='pandas')
data, meta_data = ti.get_sma(symbol='AAPL', interval='daily', time_period=20, series_type='close')
print(data.head())

➖➖➖➖➖➖
🔖 هوش‌مصنوعی در صنعت مالی
✅@pyfinance