آموزش پایتون برای امور مالی و علم داده - آخرین آپدیت

سرفصل ها و درس ها

معرفی Introduction

• این دوره چه مباحثی را پوشش می‌دهد؟ What does this course cover?

• سلب مسئولیت [حتما تماشا کنید!] Disclaimer [MUST WATCH!]

• چگونه بیشترین بهره را از این دوره ببریم؟ How to get the most of this course?

• هر سوال یا مشکلی دارید؟ با ما در ارتباط باشید! Any questions or problems? Reach out!

نصب و مبانی جوپیتر نوت‌بوک Installation and Jupyter Notebook Basics

• دانلود آناکوندا و راه‌اندازی جوپیتر نوت‌بوک Download Anaconda & Set Up Jupyter Notebook

• مبانی جوپیتر نوت‌بوک Jupyter Notebook Basics

مبانی پایتون Python Fundamentals

• متغیرها و انواع داده‌های تکی Variables & Single Datatypes

• اشتباهات رایج مبتدیان و نحوه اجتناب از آنها Common Beginner Mistakes & How to Avoid Them

• تغییر نوع داده و ورودی کاربر Typecasting & User Input

• زمان تمرین :-) Practice Time :-)

• عملگرهای محاسباتی Arithmetic Operators

• عملگرهای مقایسه‌ای / عملگرهای منطقی Comparison Operators / Logical Operators

• تورفتگی‌ها و دستورات شرطی If Indentations & If-Statements

• زمان تمرین :-) Practice Time :-)

• لیست‌ها به عنوان اشیاء دارای متد در پایتون Lists as objects with methods in Python

• برش و فهرست‌بندی لیست List Slicing & Indexing

• تفاوت بین لیست‌ها و تاپل‌ها Difference between lists & tuples

• دیکشنری‌ها Dictionaries

• حلقه‌های For For loops

• ترکیب لیست‌ها و حلقه‌ها: درک مطلب لیست Combining lists & loops: List comprehension

• حلقه While While loop

• زمان تمرین :-) Practice Time :-)

• حل یک سوال مصاحبه کلاسیک! Solve a Classic Interview Question!

• توابع Functions

• دانش خود را تست کنید Test Your Knowledge

مبانی پانداز Fundamentals of Pandas

• راه‌اندازی یک DataFrame و خصوصیات DataFrame Setting up a DataFrame and DataFrame properties

• اضافه کردن و مقداردهی اولیه ستون‌های DataFrame به طور کارآمد Adding & Initializing DataFrame Columns Efficiently

• ستون‌های جدید بر اساس محاسبات New columns based on calculations

• انتخاب داده با iloc Data Selection with iloc

• انتخاب داده با loc Data Selection with loc

• فیلتر کردن داده با ماسک‌های بولی و فهرست‌بندی بولی Data Filtering with Boolean Masks and Boolean Indexing

• دانش خود را تست کنید Test Your Knowledge

تحلیل داده‌های مالی کاربردی Applied Financial Data Analysis

• واکشی قیمت سهام و داده‌های OHLC Pulling stock prices and OHLC data

• به روز رسانی yfinance 2025! yfinance update 2025!

• خلاصه سریع آنچه در فصل قبل انجام دادیم Quick Recap on what we did in the last chapter

• محاسبه بازده با shift و pct_change Return calculation with shift and pct_change

• توابع مهم: diff, dropna, rolling Important functions: diff, dropna, rolling

• تسلط بر axis=0 در مقابل axis=1 در پانداز Mastering axis=0 vs. axis=1 in Pandas

• وقت کوئیز! Quiz Time!

• nlargest و nsmallest nlargest and nsmallest

• ادغام Dataframeها: Concat Bringing together Dataframes: Concat

• ترکیب سری زمانی و OHLC به طور کلی Combining Time Series and OHLC in general

• نمونه‌برداری مجدد از داده‌ها Resampling Data

• نمونه‌برداری مجدد از داده‌های OHLC Resampling OHLC Data

• رسم نمودار در پانداز Plotting in Pandas

• تکرار روی یک dataframe: Iterrows Iterating over a dataframe: Iterrows

• مقایسه عملکرد: Iterrows در مقابل Vectorization Performance Comparison: Iterrows vs. Vectorization

• بررسی عمیق محاسبه بازده Return calculation deep dive

• نوبت شما! Your turn!

• تمرین: رسم بازده سالانه S&P500 Practice Task: Plot the yearly returns of the S&P500

• راه حل تمرین: رسم بازده سالانه S&P500 Solution to the Practice Task: Plot yearly returns of the S&P500

تحلیل سبد سهام و مدیریت سبد سهام با پایتون Portfolio Analysis and Portfolio Management with Python

• مقدمه تحلیل سبد سهام Portfolio Analysis Introduction

• واریانس، انحراف معیار، کوواریانس و همبستگی Variance, Standarddeviation, Covariance and Correlation

• بازده و ریسک سبد سهام Portfolio Return and Risk

• بازده مورد انتظار سبد سهام و ریسک سبد سهام با استفاده از پایتون Portfolio Expected Return and Portfolio Risk using Python

• ریاضیات سبد سهام: استفاده از ضرب داخلی برای بازده و ریسک Portfolio Math: Using the Dot Product for Returns & Risk

• کاربرد در داده‌های واقعی: سبد سهام مایکروسافت، کوکاکولا و تسلا Application to real data: Portfolio of Microsoft, Coca Cola and Tesla

• مرز کارا، سبد سهام با حداقل واریانس و سبدهای غالب Efficient Frontier, Minimum Variance Portfolio and dominant Portfolios

• دانش خود را تست کنید Test Your Knowledge

مقدمه ای بر استراتژی‌های معاملاتی بک تست Introduction to Backtesting Trading Strategies

• بک تست 101: بررسی اجمالی استراتژی Backtesting 101: Strategy Overview

• کدنویسی استراتژی معاملاتی (رویکرد تکراری) Coding the Trading Strategy (iterative approach)

• برداری سازی بک تست Vectorizing the Backtest

پروژه 1 - معامله با مومنتوم: استراتژی و بک تست Project 1 – Momentum Trading: Strategy & Backtest

• مومنتوم مقطعی قسمت I: رسیدگی به سوگیری بقا Cross-sectional Momentum Part I: Survivorship Bias Handling

• مومنتوم مقطعی قسمت II: ساخت و بک تست Cross-sectional Momentum Part II: Constructing and Backtesting

• بک تست معامله با مومنتوم سری زمانی Backtesting Time-Series Momentum Trading

پروژه 2 - بک تست استراتژی مبتنی بر VIX جی پی مورگان Project 2 – Backtesting JPMorgan’s VIX-Based Strategy

• بک تست استراتژی مبتنی بر شاخص نوسانات (VIX) جی پی مورگان Backtesting JPMorgans Volatility Index (VIX) based Strategy

پروژه 3 - داشبوردهای تحلیل بازار سهام با Streamlit Project 3 – Stock Market Analysis Dashboards with Streamlit

• مقدمه مختصر Streamlit Brief Intro to Streamlit

• داشبورد تحلیل سبد سهام Streamlit Streamlit Portfolio Analysis Dashboard

• داشبورد Streamlit نشان دهنده بهترین و بدترین عملکرد شاخص S&P500 Streamlit Dashboard showing the Top and Worst S&P500 Index performers

پروژه 4 - یادگیری ماشین برای پیش بینی بازار سهام Project 4 – Machine Learning for Stock Market Predictions

• مدل یادگیری ماشینی که (به طور بالقوه) از S&P500 بهتر عمل کرد A Machine Learning Model which (potentially) outperformed the S&P500

• استراتژی معاملاتی میانگین متحرک حداقل مربعات Least Squares Moving Average Trading Strategy

پروژه 5 - بک تست و بهینه سازی پیشرفته بر روی 500+ سهام Project 5 – Advanced Backtesting & Optimization on 500+ Stocks

• رویکرد تکراری Iterative Approach

• رویکرد برداری شده Vectorized Approach

• تحلیل نتایج Results Analysis

پروژه 6 - بهینه سازی سبد سهام با استفاده از نسبت شارپ Project 6 – Portfolio Optimization Using the Sharpe Ratio

• مروری بر عملیات ماتریسی (بازده مورد انتظار و ریسک سبد سهام) Recap on Matrix Operations (Expected return and Portfolio Risk)

• بهینه سازی وزن سبد سهام Optimization of Portfolio weights

فصل اضافی: پانداز و SQL Extra Chapter: Pandas & SQL

• تلاقی قدرتمند بین پانداز و SQL The mighty Intersection between Pandas and SQL

• نحوه به روز رسانی پایگاه داده SQL با پانداز و SQL How to update an SQL Database with Pandas and SQL

• پایگاه داده مالی خود را با استفاده از پانداز و SQL بسازید! Build your own Finance DB using Pandas & SQL!

• یک سیستم توصیه سهام ساده با پایگاه داده مالی خود بسازید Build a simple Stock recommendation System with your Finance DB

• یک پایگاه داده قیمت سهام بین روزی با پایتون و SQL بسازید Build an Intraday Stock Price Database with Python and SQL

نکات پایانی و گام های بعدی - متشکرم! Final Thoughts & Next Steps – Thank You!

• متشکرم و چیزی برای به همراه داشتن! Thank you and something to take along!