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

  • Jupyter - مدیریت پیام های خطا Jupyter - Handling Error Messages

  • Jupyter - راه اندازی مجدد هسته Jupyter - Restarting the Kernel

متغیرهای پایتون و انواع داده ها Python Variables and Data Types

  • متغیرهای پایتون Python Variables

  • درک اعداد و مقادیر بولی Understanding Numbers and Boolean Values

  • رشته های Strings

نحو پایه پایتون Basic Python Syntax

  • عملگرهای حسابی پایتون The Arithmetic Operators of Python

  • علامت برابری مضاعف چیست؟ What is the Double Equality Sign

  • نحوه تخصیص مجدد مقادیر How to Reassign Values

  • نحوه اضافه کردن نظرات How to Add Comments

  • درک ادامه خط Understanding Line Continuation

  • نحوه نمایه سازی عناصر How to Index Elements

  • چگونه کد خود را با تورفتگی ساختار دهید How to Structure Your Code with Indentation

اطلاعات بیشتر در مورد عملگرهای پایتون More on Python Operators

  • عملگرهای مقایسه پایتون Python Comparison Operators

  • 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.

آموزش پایتون برای امور مالی: مبانی سرمایه گذاری و تجزیه و تحلیل داده ها [ویدئو]
جزییات دوره
7 h 9 m
112
Packtpub Packtpub
(آخرین آپدیت)
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

365 Careers Ltd. 365 Careers Ltd.

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.