آموزش تحلیل عملی سرمایه گذاری مالی در R و Tidyquant

Practical Financial Investment Analysis in R and tidyquant

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: با RStudio و tidyquant تجزیه و تحلیل مالی و ارزیابی پرتفوی انجام دهید. به دست آوردن و کار با داده های مالی واقعی یاد بگیرید برای به دست آوردن داده های مالی دنیای واقعی رایگان از Yahoo و Quandl قادر به خواندن، پیش پردازش و تجسم داده های مالی باشید. تکنیک تجزیه و تحلیل مالی برای تجزیه و تحلیل مالی پیش نیازها: آشنایی قبلی با رابط RStudio و نصب بسته قادر به انجام کارهای خواندن و پیش پردازش داده ها مانند پاکسازی داده ها در R علاقه به کار با داده های مالی کمی

این راهنمای کامل شما برای تجزیه و تحلیل داده های مالی در R است!

این دوره راهنمای کامل شما برای تجزیه و تحلیل داده‌های مالی دنیای واقعی با استفاده از R است. تمام جنبه‌های اصلی تجزیه و تحلیل داده‌های مالی - آمار، تجسم داده‌ها، تجزیه و تحلیل سری‌های زمانی و یادگیری ماشین به طور عمیق پوشش داده خواهد شد.

اگر این دوره را بگذرانید، می‌توانید از گذراندن دوره‌های دیگر یا خرید کتاب‌های تجزیه و تحلیل داده‌های مبتنی بر R صرفنظر کنید.

در این عصر داده‌های بزرگ، شرکت‌ها در سرتاسر جهان از R برای بررسی بهمن اطلاعاتی که در اختیار دارند استفاده می‌کنند. با تجزیه و تحلیل ماهرانه داده های مالی در R، می توانید به شرکت خود مزیت رقابتی بدهید و حرفه خود را به سطح بعدی ارتقا دهید.

از یک دانشمند داده خبره با 5 سال تجربه بیاموزید:

هی، نام من مینروا سینگ است، و من فارغ التحصیل کارشناسی ارشد دانشگاه آکسفورد (جغرافی و محیط زیست) هستم. من اخیراً یک دکترا را در دانشگاه کمبریج به پایان رساندم.

من +5 سال تجربه در تجزیه و تحلیل داده‌های واقعی از منابع مختلف با استفاده از تکنیک‌های مرتبط با علم داده دارم و انتشارات زیادی برای مجلات معتبر بین‌المللی تولید کرده‌ام.

در طول تحقیقم، متوجه شدم که تقریباً تمام دوره‌ها و کتاب‌های علوم داده‌های R ماهیت چند بعدی موضوع را توضیح نمی‌دهند.

بنابراین، بر خلاف سایر مدرسان، من ویژگی‌های علم داده R را عمیقاً بررسی می‌کنم و به شما پایه‌ای بی‌نظیر در موضوعات مرتبط با علم داده می‌دهم!

با این دوره، در حدود 3 ساعت، با برخی از رایج ترین بسته های R برای به دست آوردن، تمیز کردن، تجسم و تجزیه و تحلیل داده های مالی برای تصمیم گیری های مبتنی بر داده (چه برای خود یا شرکتتان) آشنا خواهید شد

از جمله موارد دیگر:

  • · داده های بلندمدت بازار سهام را از پلتفرم هایی مانند Yahoo و Quandl بدست آورید

    · تجسم داده‌های مالی زمانی و تولید نمودارها و تجسم‌های واضح را بیاموزید

    · تکنیک های تجزیه و تحلیل استاندارد، از جمله میانگین های متحرک و نسبت شارپ را اجرا کنید.


شما با جذب ارزشمندترین اصول و تکنیک های R Data Science شروع خواهید کرد. من از روش‌های ساده و کاربردی برای ساده‌سازی و پرداختن به سخت‌ترین مفاهیم در زبان برنامه‌نویسی R استفاده می‌کنم.

دوره آموزشی من به شما کمک می کند تا روش های REAL DATA به دست آمده از منابع مختلف را پیاده سازی کنید. بسیاری از دوره‌ها از داده‌های ساختگی استفاده می‌کنند که دانش‌آموزان را قادر به پیاده‌سازی علوم داده مبتنی بر R در زندگی واقعی نمی‌کند.

بعد از گذراندن این دوره، به راحتی از سری های زمانی رایج و بسته های تحلیل مالی در RStudio استفاده خواهید کرد

شما مفاهیم اساسی را درک خواهید کرد تا بفهمید چه الگوریتم‌ها و روش‌هایی به بهترین وجه با داده‌های شما مطابقت دارند.

ما با داده های واقعی کار خواهیم کرد و شما به تمام کدها و داده های استفاده شده در دوره دسترسی خواهید داشت.

اکنون به دوره من بپیوندید!


سرفصل ها و درس ها

به دوره آموزشی: تحلیل مالی عملی در R Welcome To the Course:Practical Financial Analysis in R

  • مقدمه دوره Introduction To Course

  • داده و کد Data and Code

  • R و RStudio را نصب کنید Install R and RStudio

  • انواع داده های مختلف Different Data Types

پردازش داده های اولیه در R Preliminary Data Processing in R

  • داده های CSV و Excel را بخوانید Read CSV and Excel Data

  • در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

  • در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

  • ویرایش داده ها در R Editing Data Within R

  • پاکسازی داده ها در R Data Cleaning in R

  • پاکسازی اطلاعات بیشتر More Data Cleaning

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 1 Introduction to dplyr for Data Summarizing-Part 1

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 2 Introduction to dplyr for Data Summarizing-Part 2

به دست آوردن داده های مالی در R Obtaining Financial Data in R

  • بیایید قیمت سهام تسلا را دریافت کنیم Let's Get the Tesla Stock Prices

  • به دست آوردن سهام و داده های بیشتر Obtaining More Stocks and Data

  • شروع با Quandl Getting Started With Quandl

  • داده های مالی Quandl Quandl Financial Data

  • داده های ارزهای دیجیتال را دریافت کنید Get Cryptocurrency Data

تجسم های اولیه و پردازش داده های مالی با Tidyquant Basic Visualisations and Processing Financial Data With Tidyquant

  • تجسم داده ها: مبانی مفهومی Data Visualisation:Conceptual Foundations

  • تجسم های اساسی برای داده های مالی Basic Visualisations For Financial Data

  • برخی تجسم های اساسی دیگر Some More Basic Visualisations

  • بازده چیست؟ What Are the Returns?

  • بازگشت ها را تجسم کنید Visualise The Returns

  • داده های سهام در مقیاس های زمانی مختلف Stock Data At Different Time Scales

تجزیه و تحلیل عملکرد مالی Analysing Financial Performance

  • میانگین متحرک ساده (SMA) Simple Moving Average (SMA)

  • میانگین متحرک همگرایی/واگرایی (MACD) Moving average convergence/divergence (MACD)

  • بیایید به بازده سالانه نگاه کنیم Lets Look At the Annual Returns

  • اغلب بازده های مثبت بزرگ را شناسایی کنید Identify Most Frequent Large Positive Returns

  • نسبت شارپ چیست؟ What Is the Sharpe Ratio?

  • با نسبت شارپ بازده های تعدیل شده با ریسک را شناسایی کنید Identify Risk-Adjusted Returns With the Sharpe Ratio

  • مقایسه با یک پایه Compare To a Baseline

  • مدل قیمت گذاری دارایی های سرمایه ای (CAPM) Capital Asset Pricing Model (CAPM)

نمایش نظرات

نظری ارسال نشده است.

آموزش تحلیل عملی سرمایه گذاری مالی در R و Tidyquant
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3 hours
31
Udemy (یودمی) udemy-small
03 خرداد 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
36
4.7 از 5
ندارد
دارد
دارد
Minerva Singh

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.