پایتون کاربردی برای امور مالی [ویدئو]

Hands-On Python for Finance [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آیا می‌دانستید پایتون یکی از بهترین راه‌حل‌ها برای تجزیه و تحلیل کمی امور مالی شما با مروری بر جدول زمانی است؟ این دوره عملی به توسعه دهندگان و تحلیلگران کمی کمک می کند تا با پایتون شروع به کار کنند و شما را از طریق مهمترین جنبه های استفاده از Python برای تامین مالی کمی راهنمایی می کند. شما با یک پرایمر برای پایتون و ساختارهای داده مختلف آن شروع خواهید کرد. سپس به کتابخانه های شخص ثالث شیرجه خواهید زد. شما با کتابخانه ها و ابزارهای پایتون که به طور خاص برای اهداف تحلیلی و تجسمی طراحی شده اند کار خواهید کرد. سپس یک نمای کلی از جریان نقدی در طول جدول زمانی دریافت خواهید کرد. شما همچنین مفاهیمی مانند ارزیابی سری زمانی، پیش بینی، رگرسیون خطی را یاد خواهید گرفت و همچنین به جنبه های حیاتی مانند مدل های خطی، همبستگی و ساخت نمونه کارها نگاه خواهید کرد. در نهایت، ارزش در معرض خطر (VaR) را محاسبه کرده و مقادیر پورتفولیو را با استفاده از شبیه‌سازی مونت کارلو که کلاس وسیع‌تری از الگوریتم‌های محاسباتی است، شبیه‌سازی می‌کنید. با مثال‌های عملی متعدد در طول دوره، یک چارچوب کامل برای مونت کارلو ایجاد خواهید کرد، که کلاسی از الگوریتم‌های محاسباتی و مشتقات مبتنی بر شبیه‌سازی و تجزیه و تحلیل ریسک است. لینک Github به این دوره عبارت است از: https://github.com/PacktPublishing/Hands-on-Python-for-Finance-V مهارت های برنامه نویسی عمومی در پایتون و کار با رابط های رایج پایتون استفاده از Numpy، Pandas و matplotlib برای دستکاری، تجزیه و تحلیل و تجسم داده ها ارزش زمانی برنامه های کاربردی پول و انتخاب پروژه را درک کنید دریافت و با داده های کاری، روش های پیش بینی سری های زمانی و مدل های خطی درک همبستگی و ساخت نمونه کارها با شبیه سازی مونت کارلو، ارزش در معرض خطر و ارزش گذاری گزینه ها راحت باشید این دوره برای توسعه دهندگان و تحلیلگران با سابقه زبان برنامه نویسی است و علاقه مند به یک چارچوب مشخص برای استفاده از پایتون برای تقویت یا جایگزینی برنامه های صفحه گسترده برای کارهای مالی هستند. از کتابخانه‌هایی مانند Numpy، Pandas، Scipy و Matplotlib برای تجزیه و تحلیل، دستکاری و تجسم داده‌ها استفاده کنید * تکنیک‌های رایج ارزیابی سری زمانی را اجرا کنید، از جمله توسعه مدل‌های پیش‌بینی و مدل‌های خطی برای پیش‌بینی. و محاسبه ارزش در معرض خطر *

سرفصل ها و درس ها

پرایمر برنامه نویسی پایتون Python Programming Primer

  • بررسی اجمالی دوره The Course Overview

  • نصب پلتفرم آناکوندا Installing the Anaconda Platform

  • راه اندازی محیط پایتون Launching the Python Environment

  • اشیاء رشته و عدد String and Number Objects

  • لیست های پایتون Python Lists

  • دیکشنری پایتون (Dicts) Python Dictionaries (Dicts)

  • تکرار در پایتون (For Loops) Repetition in Python (For Loops)

  • منطق انشعاب در پایتون (If Blocks) Branching Logic in Python (If Blocks)

  • مقدمه ای بر توابع در پایتون Introduction to Functions in Python

محیط داده پایتون The Python Data Environment

  • آشنایی با آرایه های NumPy Introduction to NumPy Arrays

  • NumPy - شیرجه عمیق تر NumPy – A Deeper Dive

  • پانداها – قسمت اول Pandas – Part I

  • پانداها – قسمت دوم Pandas – Part II

  • مقدمه ای بر Scipy.stats Introduction to Scipy.stats

  • Matplotlib – قسمت اول Matplotlib – Part I

  • Matplotlib – قسمت دوم Matplotlib – Part II

ارزش زمانی پول Time Value of Money

  • ارزش فعلی جریانی از جریان های نقدی Present Value of a Stream of Cash Flows

  • ارزش آتی جریان های نقدی منفرد و چندگانه Future Value of Single and Multiple Cash Flows

  • ارزش فعلی خالص یک پروژه Net Present Value of a Project

  • نرخ بازده داخلی Internal Rate of Return

  • مقدمه ای بر استهلاک Introduction to Amortization

  • ایجاد یک برنامه استهلاک Creating an Amortization Application

ارزیابی و پیش بینی سری های زمانی Time Series Evaluation and Forecasting

  • باز کردن و خواندن یک فایل CSV Opening and Reading a .CSV File

  • دریافت و ارزیابی داده ها Getting and Evaluating Data

  • پیش بینی میانگین متحرک Moving Average Forecasting

  • پیش بینی با هموارسازی تک نمایی Forecasting with Single Exponential Smoothing

  • ایجاد و آزمایش یک سیستم معاملاتی ساده Creating and Testing a Simple Trading System

مدل های خطی، همبستگی و ارزش گذاری Linear Models, Correlation, and Valuation

  • ارزش گذاری اوراق بهادار با مدل های قیمت گذاری Valuing Securities with Pricing Models

  • یافتن همبستگی بین اوراق بهادار Finding Correlations Between Securities

  • رگرسیون خطی Linear Regression

  • محاسبه بتا و بازده مورد انتظار Calculating Beta and Expected Return

  • ساخت نمونه کارها در امتداد مرز کارآمد Constructing Portfolios Along the Efficient Frontier

یک اپلیکیشن شبیه سازی مونت کارلو بسازید Build a Monte Carlo Simulation App

  • آشنایی با مونت کارلو Introduction to Monte Carlo

  • شبیه سازی مونت کارلو Monte Carlo Simulation

  • استفاده از تکنیک مونت کارلو برای محاسبه ارزش در معرض خطر Using Monte Carlo Technique to Calculate Value at Risk

  • قرار دادن همه چیز با هم - برنامه شبیه سازی Monte Putting It All Together – Monte Simulation Application

نمایش نظرات

پایتون کاربردی برای امور مالی [ویدئو]
جزییات دوره
5 h 25 m
36
Packtpub Packtpub
(آخرین آپدیت)
1
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Matthew Macarty Matthew Macarty

متیو مکارتی بیش از 15 سال است که به دانشجویان فارغ التحصیل و لیسانس دانشکده بازرگانی تدریس کرده است و در حال حاضر در دانشگاه بنتلی تدریس می کند. وی دروس آمار، روش های کمی، سیستم های اطلاعاتی و طراحی پایگاه داده را تدریس کرده است. https://www.linkedin.com/in/mjmacarty/ https://www.youtube.com/user/mjmacarty/videos

Matthew Macarty Matthew Macarty

متیو مکارتی بیش از 15 سال است که به دانشجویان فارغ التحصیل و لیسانس دانشکده بازرگانی تدریس کرده است و در حال حاضر در دانشگاه بنتلی تدریس می کند. وی دروس آمار، روش های کمی، سیستم های اطلاعاتی و طراحی پایگاه داده را تدریس کرده است. https://www.linkedin.com/in/mjmacarty/ https://www.youtube.com/user/mjmacarty/videos