python4finance

۱,۷۸۰عضو

۱.۸هزار عضو

python4finance

کانال Python4Financeآموزش پایتون در اقتصاد و مدیریت مالیهر روز چند نکته را در خصوص پایتون برای مالی بیاموزیم
ارتباط با من: @SadiqKarimi

مشاهده در اپلیکیشن «بله»مشاهده در وب ‌اپلیکیشن «بله»

۱۸ تیر

معرفی ماژول PyCaret یک ماژول بی نظیر برای یادگیری ماشینیکی از ویژگی های بسیار جالب و هیجان انگیز پایتون ماژول های بسیار فراوانی است که دست ما را برای توسعه نرم افزارها باز می کند. PyCaret یک ماژول متن باز برای انجام کارهای یادگیری ماشین است که با حداقل ترین حالت کد نویسی، نیازهای شما را برای اجرای مدلها برآورده می کند.یکی از ویژگی های جذاب این ماژول، مقایسه مدلها با یکدیگر در یک جدول مقایسه ای است.این ماژول برای دانشجویان کارشناسی ارشد و دکتری که دنبال انجام سریع مدلها و مقایسه آنها با یکدیگر هستند بسیار کاربردی و مفید خواهد بود.

لینک گیت هاب ماژول
#یادگیری_ماشین#Machine_Learning#PyCaret
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۵:۴۲

۱۵:۴۲

۲۵ تیر

فرارسیدن تاسوعا و عاشورای حسینی تسلیت باد.التماس دعا از همه شما عزیزان در این ایام

۱۶:۵۳

۳۰ تیر

بررسی بازار کار مشاغل مختلف در حوزه هوش مصنوعیبحث هوش مصنوعی و کاربردهای آن در صنایع مختلف از بحث های بسیار داغ و جذاب است و خیلی ها به دنبال یادگیری مهارت هایی برای ورود به این حوزه هستند. اخیرا شرکت Mckinsey که یکی از شرکت های معظم و بنام مشاور است، در گزارش 2024 ، به بررسی وضعیت مشاغل مختلف فعال در حوزه هوش مصنوعی پرداخته است.در این گزارش حدود 500.000 فرصت شغلی در شرکت های مختلف بررسی شده است. در تصویر پیوست فرصت های شغلی در بین سالهای 2019 تا 2023 برای حوزه هوش مصنوعی کاربردی (Applied AI) با هم مقایسه می شود.
#هوش_مصنوعی#مکینزی#Mckinsey#AI
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۵:۲۲

python4finance

بررسی بازار کار مشاغل مختلف در حوزه هوش مصنوعی بحث هوش مصنوعی و کاربردهای آن در صنایع مختلف از بحث های بسیار داغ و جذاب است و خیلی ها به دنبال یادگیری مهارت هایی برای ورود به این حوزه هستند. اخیرا شرکت Mckinsey که یکی از شرکت های معظم و بنام مشاور است، در گزارش 2024 ، به بررسی وضعیت مشاغل مختلف فعال در حوزه هوش مصنوعی پرداخته است. در این گزارش حدود 500.000 فرصت شغلی در شرکت های مختلف بررسی شده است. در تصویر پیوست فرصت های شغلی در بین سالهای 2019 تا 2023 برای حوزه هوش مصنوعی کاربردی (Applied AI) با هم مقایسه می شود. #هوش_مصنوعی #مکینزی #Mckinsey #AI پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

mckinsey-technology-trends-outlook-2024.pdf

۷.۸۷ مگابایت

اصل گزارش بالا به پیوست تقدیم می شود.
#هوش_مصنوعی#مکینزی#Mckinsey#AI
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۵:۲۳

۷ مرداد

تفاوت CPU و GPU در محاسباتبا پیشرفت مدل های هوش مصنوعی، ضرورت استفاده از پردازنده های GPU (Graphics Processing Unit) به جای CPU (Central processing unit) های سنتی بیش از پیش آشکار شده است. پیش از این در خصوص ارزش سهام شرکت #Nvidia به همین دلیل صحبت کرده بودیم.در این ویدئو کوتاه که توسط Nvidia تهیه شده است تفاوت پردازش مبتنی بر CPU و GPU را مشاهده می نمایید.
#ویدئو
#Cpu#Gpu
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۸:۱۵

۲۹ مرداد

یک ماژول بسیار جالب و کاربردی برای رسم نمودارهای مالیپیش از این چندین ماژول را برای رسم نمودارهای مالی و بازار سرمایه خدمت شما معرفی کرده بودم. امروز یکی دیگر از ماژول های بسیار جذاب و کاربردی را معرفی می کنم.نام این ماژول کاربردی lightweight-charts است. به کمک این ماژول به راحتی می توانید نمودارهای کندل OHLC را رسم کنید. ویژگی مهم دیگر این ماژول قابلیت کار با داده های زنده است و می توانید داده ها را در لحظه آپدیت کنید. ویژگی دیگر این ماژول امکان دسترسی به ابزارهای تکمیلی و تعاملی مانند رسم خطوط حمایت و مقاومت است که به راحتی قابل انجام است.اگر به این ماژول علاقه مند شدید سری به گیت هاب آن به این نشانی بزنید.در این پست داده های نماد MSFT دریافت و رسم می شود.

import yfinance as yf
from lightweight_charts import Chart
df=yf.download("MSFT",start="2023-01-01")
chart = Chart(toolbox=True)
chart.legend(visible=True)
chart.watermark('MSFT 1D Data', color='rgba(180, 180, 240, 0.7)')
chart.set(df)
chart.show(block=True)

#رسم_نمودار#candle
پایتون برای مالی

@python4finance

۵:۳۵

۸ شهریور

چالش اعداد اعشاری در پایتون!یکی از مشکلاتی که در برخی زبان های برنامه نویسی از جمله پایتون با آن مواجه می شویم، چالش کار با اعداد اعشاری است. به دو عبارت زیر توجه کنید:

True
0.1 + 0.1 + 0.1 == 0.3
False

مساله از اینجا شروع می شود که پایتون برای محاسبات خود، اعداد را به باینری تبدیل می کند که این مسئله، محاسبات اعداد اعشاری را در برخی موارد دچار مشکل می کند. برای حل این موضوع می توان از تابع isclose در ماژول math استفاده کرد.

True

لازم است در تحلیل هایی که نیاز به بررسی اعداد اعشاری دارند، این مورد را حتما در نظر بگیرید.
پایتون برای مالی

@python4finance

۹:۴۴

۱۸ شهریور

ماژول PyPortfolioOpt ، یک ماژول بسیار جذاب برای معاملات الگوریتمیاین ماژول یکی از ماژول های بسیار جالب برای بهینه سازی و محاسبات مبتنی بر ریسک است. ویژگی مهم این ماژول سادگی و روان بودن آن است. اگر علاقه مند به این ماژول بودید سری به آدرس آن در pypi به این نشانی و یا صفحه گیت هاب آن بزنید.
پی نوشت: این ماژول تا پایتون 3.11 سازگار است و هنوز با 3.12 سازگار نشده است.
#ماژول

@python4finance

۱۷:۲۵

۲۶ شهریور

معرفی کتاب « آشنایی با پایتون-علم داده و مالی کمی » به انگلیسی « Introduction to Python - Data Science, Quantitative Finance (2.0) »در واقع این کتاب، یک منبع ابتدایی برای افرادی است که می خواهند به تازگی با مفاهیم پایتون مالی آشنا شوند. سطح کتاب مقدماتی و آسان و زبان انگلیسی آن روان است. این کتاب را به عنوان یک منبع تکمیلی برای دوره « مدلسازی مالی مقدماتی » معرفی می کنم.
#معرفی_کتاب #پایتون_مالی
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۴:۳۰

n_to_Python_Data_Science,_Quantitative_Finance.pdf

۲.۵۹ مگابایت

دانلود کتاب « آشنایی با پایتون-علم داده و مالی کمی » به انگلیسی « Introduction to Python - Data Science, Quantitative Finance (2.0) »
در واقع این کتاب، یک منبع ابتدایی برای افرادی است که می خواهند به تازگی با مفاهیم پایتون مالی آشنا شوند. سطح کتاب مقدماتی و آسان و زبان انگلیسی آن روان است.

#دانلود_کتاب #پایتون_مالی
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۴:۳۰

۲۷ شهریور

tsemodule5.py

۴۵.۹ کیلوبایت

ماژول دریافت اطلاعات از بورس تهران (TSETMC) - نسخه 5.61

ماژول Tsemodule رو فکر می کنم همه دیگه می شناسید. این ماژول رو من برای کارهای آموزشی توسعه دادم و خیلی ها الان از این ماژول استفاده می کنند و به تناسب نیاز برای خودشون توسعه های مازادی هم دادن. اخیرا به دلیل تغییرات سایت TseTmc تابع stockdetail کار نمی کرد که در این آپدیت اصلاح شده است.اگر با همه امکانات ماژول آشنا نیستید سری به این پست بزنید. با استفاده از دستور tm5.ver مطمئن شوید که از ورژن 5.61 استفاده می کنید.تغییرات اخیر ماژول: - رفع مشکل یافتن جزئیات نماد- بهبودهای جزئی در عملکرد برنامه
گیت هاب: لینک#tsemodule
پی نوشت: خیلی از عزیزان نسخه های جدیدی رو بر مبنای این ماژول توسعه دادن و امکانات خوبی به ماژول اصلی اضافه کردن و در اینترنت هم توزیع کردن. اگرچه من از همون ابتدا این ماژول رو برای همین موضوع توسعه دادم و خوشحال می شم وقتی نسخه های توسعه داده شده ای رو می بینم ولی اگر دوست داشتید در نسخه های خودتون به منبع اصلی هم اشاره کنید. این طوری کارتون هم حرفه ای تره.
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۲:۱۱

۳۰ شهریور

میلاد نبی اکرم بهانه خلقت و قرآن ناطق، امام صادق(ع) بر شما تبریک وتهنیت باد.
#مناسبت
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۹:۰۳

۳ مهر

یک دستیار هوش مصنوعی فوق العاده برای یافتن موضوع مقاله،پایان نامه و رسالهیکی از موضوعاتی که بسیاری از دنبال کنندگان کانال از من می پرسند این است که در چه حیطه ای تحقیق کنیم و آیا موضوع خوب برای پایان نامه و مقاله سراغ دارید؟قبلا مطالبی را در این خصوص تقدیم کرده بودم که با هشتگ #پایان_نامه در دسترس است.اما یکی از سایت های جالبی که یکی دو سالی است برای کمک به پژوهشگران تاسیس شده است سایت perplexity.ai است. Perplexity AI یک موتور جستجوی محاوره ای و تحقیقاتی مبتنی بر هوش مصنوعی است که با استفاده از متد زبان طبیعی به سوالات شما پاسخ می دهد.کافی است با زبان محاوره ای سوال خود را بپرسید و از نتیجه های بسیار جالب آن استفاده کنید.
#پایان_نامه#رساله#انتخاب_موضوع#پایتون_مالی
عضویت در کانال

t.me/python4finance

ble.ir/python4finance

۱۸:۱۴

۱۳ آبان

اختصاصی سازی مقادیر نمایش داده شده در pandasیکی از ویژگی های جالب پانداس، امکانات بسیار خوبی است که برای اختصاصی سازی داده ها به کاربر می دهد. برای مثال فرض کنید می خواهیم به جای داده های Nan عبارت خالی را نمایش دهیم. یا می خواهیم داده ها را به صورت سه رقم سه رقم نمایش دهیم. برای این کار به آسانی می توانیم از style.format استفاده کنیم. در مثال این پست، اختصاصی سازی داده ها برای مقادیر مختلف نمایش داده می شود.

df = pd.DataFrame( [ [np.nan, 1234567, np.nan], [2.0, 'A' , 3.0]])
df.style.format(thousands=",", precision=2 , decimal="/", na_rep='خالی')

#پایتون_مالی#پانداس#pandas
عضویت در کانال پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۱۱:۰۸

۱۴ آبان

استفاده از هوش مصنوعی در برنامه نویسیقبلا در این پست در خصوص یک دستیار هوش مصنوعی صحبت کرده بودم. امروز می خواهم یک ماژول بسیار خوب برای استفاده از هوش مصنوعی در برنامه نویسی را معرفی کنم. برای این منظور کافی است ماژول CodeGPT را روی vscode نصب کنید. نتیجه حیرت انگیز است. می توانید سوالات خود را حتی به فارسی هم بپرسید!
واقعا با این ابزارهای جدید برنامه نویسی هر روز جذاب و جذاب تر می شود.

#vscode#CodeGPT#Microsoft#IDE
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۷:۰۰

۲۰ آبان

معرفی کتاب « مالی تر و تمیز با پایتون » به انگلیسی « Tidy Finance with Python »تا امروز کتاب های زیادی را در خصوص یادگیری پایتون و کاربرد آن در اقتصاد و مالی معرفی کردیم. برخی کتاب های بسیار دقیق و البته پیچیده و برخی کتاب های مقدماتی تر و با زبانی ساده بودند. البته عموما اینگونه کتاب ها دارای مفاهیم مشترک زیادی هستند و بیشتر تفاوت در سبک بیان و مثال هاست. در این کتاب ضمن بیان مفاهیم اصلی مالی، کاربردهای تجربی از مفاهیم کلیدی قیمت گذاری دارایی (برآورد بتا، انواع نمونه کارها، تجزیه و تحلیل عملکرد،فاکتورهای فاما-فرنچ) تا مدل سازی و کاربردهای یادگیری ماشین (تخمین اثرات ثابت، خوشه بندی خطاهای استاندارد، رگرسیون خطی و ...) ارائه می شود.این کتاب در سطح میانه ارائه شده است.
سایت کتاب
#معرفی_کتاب #پایتون_مالی
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۶:۱۲

@Python4Finance_tidy-finance-python.pdf

۶.۸۵ مگابایت

دانلود کتاب « مالی تر و تمیز با پایتون » به انگلیسی « Tidy Finance with Python »
سایت کتاب
#معرفی_کتاب #پایتون_مالی
پایتون برای مالی

t.me/python4finance

ble.ir/python4finance

۶:۱۲

۲۵ آبان

خلاصه بندی OHLC داده ها با resampleیکی از توابع بسیار کاربردی pandas تابع resample است. به کمک این تابع می توانیم تناوب داده ها را تغییر دهیم. مثلا داده های ساعتی را به داده های روزانه تبدیل کنیم یا داده های روزانه را به هفتگی، ماهانه و سالانه.یکی از بخش های قشنگ این ماژل تبدیل داده ها به فرمت OHLC است. یعنی داده های مربوط به بازشدن، بالاترین داده، کمترین داده و داده بسته شده. (البته برای بچه های بازار سرمایه این فرمت آشناست، اما برای سایر رشته ها شاید کمی عجیب به نظر برسد)فرض کنید داده های ساعتی هواشناسی را داریم. می خواهیم دمای هوا در ابتدا و انتهای روز و نیز بالاترین دما و پایین ترین دما را مشخص و رسم کنیم.با استفاده از ersample به راحتی قابل انجام است.

import mplfinance as mpf
url="https://python4finance.ir/datafolder/WeatherData.csv"
df=pd.read_csv(url,index_col="Date/Time" , parse_dates=True)
mpf.plot(df.loc ["01/01/2012 00:00":"05/01/2012 00:00"] ["Temp_C"].resample("D").ohlc(),type="candle",figsize=(16,6),mav=(10))

#پانداس#pandas#resample
پایتون برای مالی

@python4finance

۱۹:۰۵