لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون برای امور مالی: مبانی سرمایه گذاری و تجزیه و تحلیل داده ها [ویدئو]
Python for Finance: Investment Fundamentals and Data Analytics [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره شما را به سفری می برد که در آن نحوه کدنویسی در پایتون را یاد خواهید گرفت. شما یاد خواهید گرفت که چگونه از پایتون در یک محیط کاری واقعی استفاده کنید و چگونگی استفاده از پایتون را در دنیای مالی برای حل مسائل بهینه سازی پورتفولیو بررسی خواهید کرد.
بخش اول دوره برای مبتدیان و افرادی که می خواهند مهارت های پایتون خود را تقویت کنند ایده آل است. هنگامی که اصول اولیه را پوشش دادیم، برای انجام محاسبات مالی و وظایف بهینه سازی پورتفولیو آماده خواهیم بود. بلوک مالی این دوره به شما مهارت های مورد نیاز و دنیای واقعی را که کارفرمایان به دنبال آن هستند آموزش می دهد. این موضوع موضوعاتی مانند نحوه کار با عبارات شرطی پایتون، توابع، دنبالهها و حلقهها، ساخت پورتفولیوهای سرمایهگذاری و موارد دیگر را توضیح میدهد.
بسته کد این دوره ویدیویی در https://github.com/PacktPublishing/Python-for-Finance-Investment-Fundamentals-and-Data-Analytics در دسترس است.
یاد بگیرید که تجزیه و تحلیل عمیق سرمایه گذاری انجام دهید
محاسبه ریسک و بازده اوراق بهادار منفرد
ریسک و بازده پرتفوی سرمایه گذاری را محاسبه کنید
شبیه سازی مونت کارلو را انجام دهید
نحوه قیمت گذاری گزینه ها را با استفاده از فرمول بلک اسکولز بیاموزید این دوره برای دانشمندان داده، مبتدیان برنامه نویسی، افرادی که علاقه مند به امور مالی و سرمایه گذاری هستند، برنامه نویسانی که می خواهند در امور مالی تخصص داشته باشند، فارغ التحصیلان مالی و متخصصانی که نیاز به دانستن بیشتر در مورد نحوه انجام کار دارند طراحی شده است. دانش خود را در پایتون اعمال کنند. برنامه نویسی پایتون را از ابتدا بیاموزید * آموزش انجام تجزیه و تحلیل مالی در دنیای واقعی در پایتون * یک آموزش عملی طراحی شده برای مبتدیان برنامه نویسی و دانشمندان مشتاق داده
سرفصل ها و درس ها
خوش آمدی! معرفی دوره
Welcome! Course Introduction
دوره شامل چه مواردی است؟
What Does the Course Cover?
مقدمه ای بر Jupyter و برنامه نویسی با پایتون
Introduction to Jupyter and Programming with Python
پایتون
Python
چرا پایتون
Why Python
ژوپیتر
Jupyter
تنظیم محیط
Setting Up the Environment
برنامه نویسی در 5 دقیقه توضیح داده شد
Programming Explained in 5 Minutes
چرا ژوپیتر
Why Jupyter
نصب آناکوندا
Installing Anaconda
رابط Jupyter - داشبورد
Jupyter's Interface – the Dashboard
رابط Jupyter - پیش نیازهای کدنویسی
Jupyter's Interface – Prerequisites for Coding
Jupyter - استفاده از میانبرها
Jupyter - Using Shortcuts
عملگرهای منطقی و هویتی پایتون
Python's Logical and Identity Operators
اظهارات مشروط
Conditional Statements
آشنایی با بیانیه IF
Getting to Know the IF Statement
افزودن عبارت ELSE
Adding an ELSE statement
در غیر این صورت، برای خلاصه - ELIF
Else if, for Brief – ELIF
توضیح اضافی در مورد مقادیر بولی
An Additional Explanation of Boolean Values
توابع پایتون
Python Functions
نحوه تعریف تابع در پایتون
How to Define a Function in Python
نحوه ایجاد یک تابع با یک پارامتر
How to Create a Function with a Parameter
راه دیگری برای تعریف یک تابع
Another Way to Define a Function
نحوه استفاده از یک تابع در یک تابع
How to Use a Function within a Function
از عبارات شرطی و توابع با هم استفاده کنید
Use Conditional Statements and Functions Together
نحوه ایجاد توابعی که حاوی چند آرگومان هستند
How to Create Functions that Contain a Few Arguments
توابع داخلی در پایتون که ارزش دانستن دارد
Built-In Functions in Python Worth Knowing
دنباله های پایتون
Python Sequences
مقدمه ای بر لیست ها
Introduction to Lists
استفاده از متدها در پایتون
Using Methods in Python
برش لیست چیست؟
What is List Slicing
کار با Tuples
Working with Tuples
دیکشنری های پایتون
Python Dictionaries
استفاده از تکرارها در پایتون
Using Iterations in Python
استفاده از For Loops
Using For Loops
استفاده از حلقه های while و افزایش
Using While Loops and Incrementing
از تابع range() برای ایجاد لیست استفاده کنید
Use the range() Function to Create Lists
دستورات شرطی و حلقه ها را ترکیب کنید
Combine Conditional Statements and Loops
همه در - عبارات شرطی، توابع، و حلقه ها
All In – Conditional Statements, Functions, and Loops
نحوه تکرار بر روی دیکشنری ها
How to Iterate over Dictionaries
ابزارهای پیشرفته پایتون
Advanced Python Tools
برنامه نویسی شی گرا
Object-Oriented Programming
ماژول ها، بسته ها و کتابخانه استاندارد پایتون
Modules, Packages, and the Python Standard Library
وارد کردن ماژول ها
Importing Modules
مستندات نرم افزار چیست؟
What is Software Documentation
مستندات پایتون
The Python Documentation
بسته های ضروری Fin DSc
Must-Have Packages Fin DSc
آرایه ها
Arrays
تولید اعداد تصادفی
Generating Random Numbers
استفاده از داده های مالی در پایتون
Using Financial Data in Python
وارد کردن داده ها قسمت اول
Importing Data Part I
وارد کردن داده ها قسمت دوم
Importing Data Part II
وارد کردن داده ها قسمت سوم
Importing Data Part III
تغییر فهرست داده های سری زمانی شما
Changing the Index of Your Time-Series Data
راه اندازی مجدد هسته Jupyter
Restarting the Jupyter Kernel
بخش دوم مالی - محاسبه و مقایسه نرخ بازده در پایتون
PART II FINANCE - Calculating and Comparing Rates of Return in Python
در نظر گرفتن هر دو ریسک و بازده
Considering Both Risk and Return
در ادامه چه چیزی را خواهیم دید؟
What are We Going to See Next?
محاسبه نرخ بازده امنیت
Calculating a Security's Rate of Return
بازگشت های ساده قسمت اول
Simple Returns Part I
بازگشت های ساده قسمت دوم
Simple Returns Part II
ورود به سیستم بازگشت
Log Returns
سبد اوراق بهادار و محاسبه نرخ بازده
Portfolio of Securities and Calculating Rate of Return
محاسبه نرخ بازده پرتفوی اوراق بهادار
Calculating the Rate of Return of a Portfolio of Securities
شاخص های سهام محبوب
Popular Stock Indices
محاسبه بازده شاخص ها
Calculating the Return of Indices
بخش دوم مالی - اندازه گیری ریسک سرمایه گذاری
PART II Finance - Measuring Investment Risk
چگونه ریسک امنیت را اندازه گیری کنیم؟
How Do We Measure a Security's Risk?
محاسبه ریسک امنیت در پایتون
Calculating a Security's Risk in Python
مزایای تنوع پورتفولیو
The Benefits of Portfolio Diversification
محاسبه کوواریانس بین اوراق بهادار
Calculating the Covariance between Securities
اندازه گیری همبستگی بین اوراق بهادار
Measuring the Correlation between Securities
محاسبه کوواریانس و همبستگی
Calculating Covariance and Correlation
در نظر گرفتن ریسک اوراق بهادار چندگانه
Considering the Risk of Multiple Securities
محاسبه ریسک پورتفولیو
Calculating Portfolio Risk
درک ریسک سیستماتیک در مقابل ریسک خاص
Understanding Systematic Versus Idiosyncratic Risk
محاسبه ریسک متنوع و غیر قابل تنوع
Calculating Diversifiable and NonDiversifiable Risk
بخش دوم مالی - استفاده از رگرسیون برای تجزیه و تحلیل مالی
PART II Finance - Using Regressions for Financial Analysis
تحلیل رگرسیون ساده
Simple Regression Analysis
اجرای رگرسیون در پایتون
Running a Regression in Python
چگونه رگرسیون های خوب را تشخیص دهیم
How to Distinguish Good Regressions
محاسبه آلفا، بتا و R2 در پایتون
Computing Alpha, Beta, and R2 in Python
بخش دوم امور مالی - بهینه سازی پورتفولیو مارکوویتز
PART II Finance - Markowitz Portfolio Optimization
نظریه پورتفولیو مارکوویتز
Markowitz Portfolio Theory
به دست آوردن مرز کارآمد قسمت اول
Obtaining the Efficient Frontier Part I
به دست آوردن مرز کارآمد قسمت دوم
Obtaining the Efficient Frontier Part II
به دست آوردن مرز کارآمد قسمت سوم
Obtaining the Efficient Frontier Part III
بخش دوم امور مالی - مدل قیمت گذاری دارایی های سرمایه ای
PART II Finance - The Capital Asset Pricing Model
شهود پشت CAPM
The Intuition Behind the CAPM
درک و محاسبه بتا
Understanding and Calculating Beta
محاسبه بتای سهام
Calculating the Beta of a Stock
فرمول CAPM
The CAPM Formula
محاسبه بازده مورد انتظار سهام
Calculating the Expected Return of a Stock
معرفی نسبت شارپ
Introducing the Sharpe Ratio
به دست آوردن نسبت شارپ در پایتون
Obtaining the Sharpe Ratio in Python
اندازه گیری آلفا
Measuring Alpha
بخش دوم مالی - تحلیل رگرسیون چند متغیره
PART II Finance - Multivariate Regression Analysis
تحلیل رگرسیون چند متغیره
Multivariate Regression Analysis
اجرای رگرسیون چند متغیره در پایتون
Running a Multivariate Regression in Python
بخش دوم مالی - شبیه سازی مونت کارلو به عنوان یک ابزار تصمیم گیری
PART II Finance - Monte Carlo Simulations as a Decision-Making Tool
ماهیت شبیه سازی های مونت کارلو
The Essence of Monte Carlo Simulations
مونت کارلو در امور مالی شرکتی
Monte Carlo in Corporate Finance
MC پیش بینی سود ناخالص قسمت اول
MC Predicting Gross Profit Part I
MC پیش بینی سود ناخالص قسمت دوم
MC Predicting Gross Profit Part II
پیش بینی قیمت سهام با شبیه سازی MC
Forecasting Stock Prices with an MC Simulation
پیش بینی قیمت سهام MC قسمت اول
MC Forecasting Stock Prices Part I
MC پیش بینی قیمت سهام قسمت دوم
MC Forecasting Stock Prices Part II
MC پیش بینی قیمت سهام قسمت سوم
MC Forecasting Stock Prices Part III
مقدمه ای بر قراردادهای مشتقه
An Introduction to Derivative Contracts
فرمول بلک اسکولز
The Black Scholes Formula
MC بلک اسکولز مرتون به روز شد
MC Black Scholes Merton Updated
گسسته سازی MC اویلر قسمت اول
MC Euler Discretization Part I
گسسته سازی MC اویلر قسمت دوم
MC Euler Discretization Part II
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
365 دوره شغلی توسط بیش از 203000 دانشجو در 204 کشور گذرانده شده است. افرادی که در شرکتهای کلاس جهانی مانند Apple، PayPal و Citibank کار میکنند، 365 دوره آموزشی Careers را گذراندهاند. با انتخاب 365 Careers، مطمئن می شوید که از کارشناسان ثابت شده ای که علاقه زیادی به تدریس دارند یاد می گیرید و می توانند شما را از مبتدی به حرفه ای در کوتاه ترین زمان ممکن برسانند. اگر می خواهید یک تحلیلگر مالی، یک مدیر مالی، یک تحلیلگر FP&A، یک بانکدار سرمایه گذاری، یک مدیر اجرایی کسب و کار، یک کارآفرین، یک تحلیلگر هوش تجاری، یک تحلیلگر داده یا یک دانشمند داده شوید، دوره های 365 Careers بهترین مکان هستند. برای شروع.
نمایش نظرات