آموزش 202. پایتون و یادگیری ماشین در تحلیل مالی - آخرین آپدیت

سرفصل ها و درس ها

داده های مالی و پیش پردازش Financial Data and Preprocessing

• معرفی پایتون و مزایای آن Introducing Python and its advantages

• تجزیه و تحلیل مالی چیست و در این دوره چه خواهید آموخت؟ What is financial analysis and what will you learn in this course?

• معرفی Introduction

• دریافت اطلاعات از Yahoo Finance Getting data from Yahoo Finance

• دریافت داده از Quandl Getting data from Quandl

• تبدیل قیمت به بازده Converting prices to returns

• تغییر فرکانس Changing frequency

• تجسم داده های سری زمانی Visualizing time series data

• شناسایی موارد پرت Identifying outliers

• بررسی حقایق تلطیف شده از بازده دارایی Investigating stylized facts of asset returns

• کدهای منبع بخش 1 Source codes of section 1

تجزیه و تحلیل فنی در پایتون Technical Analysis in Python

• معرفی Introduction

• ایجاد نمودار شمعدان Creating a candlestick chart

• میانگین متحرک متحرک (SMA) و میانگین حرکت نمایشی (EMA) Simple Moving Average (SMA) and Exponential Moving Average (EMA)

• گروههای بولینگر Bollinger Bands

• Backstesting یک استراتژی بر اساس میانگین متحرک ساده Backtesting a strategy based on simple moving average

• محاسبه باندهای بولینگر و آزمایش استراتژی خرید/فروش Calculating Bollinger Bands and testing a buy/sell strategy

• آموزش نصب کتابخانه TA-Lib TA-Lib library installation tutorial

• محاسبه شاخص قدرت نسبی و آزمایش یک استراتژی طولانی/کوتاه Calculating the relative strength index and testing a long/short strategy

• ساخت داشبورد تعاملی برای TA Building an interactive dashboard for TA

• کد منبع بخش 2 Source codes of section 2

مدل سازی سری های زمانی Time Series Modeling

• معرفی Introduction

• تجزیه سری های زمانی Decomposing time series

• تست ایستایی در سری های زمانی Testing for stationarity in time series

• بارگیری کتابخانه Download Library

• اصلاح برای ثابت بودن در سری های زمانی Correcting for stationarity in time series

• مقاله (1) درباره روشهای هموار سازی نمایی (ESM) Article (1) about Exponential Smoothing Methods (ESM)

• مقاله (2) درباره هموار سازی نمایی سری زمانی Article (2) about Time series exponential smoothing

• مدل سازی سری های زمانی با روش های صاف کردن نمایی Modeling time series with exponential smoothing methods

• سری زمانی مدل سازی با مدلهای کلاس ARIMA Modeling time series with ARIMA class models

• پیش بینی با استفاده از مدل های کلاس ARIMA Forecasting using ARIMA class models

• کد منبع بخش 3 Source codes of Section 3

مدل های چند عاملی Multi-Factor Models

• معرفی Introduction

• اجرای CAPM در پایتون Implementing the CAPM in Python

• فایل CSV را بارگیری کنید Download csv file

• پیاده سازی مدل سه عاملی Fama-French در پایتون Implementing the Fama-French three-factor model in Python

• پیاده سازی مدل سه عامل نورد در مجموعه ای از دارایی ها Implementing the rolling three-factor model on a portfolio of assets

• پیاده سازی مدل های چهار و پنج عاملی در پایتون Implementing the four and five-factor models in Python

• اطلاعات بیشتر در مورد مدلهای چند عاملی More about Multi-factor models

• کدهای منبع بخش 4 Source codes of section 4

مدل سازی نوسانات با مدل های کلاس GARCH Modeling Volatility with GARCH Class Models

• معرفی Introduction

• توضیح نوسانات بازده سهام با مدل های ARCH Explaining stock returns' volatility with ARCH models

• موارد بیشتری درباره توضیح نوسانات بازده سهام با مدل های ARCH وجود دارد There's more about Explaining stock returns' volatility with ARCH models

• توضیح نوسانات بازده سهام با مدل های GARCH Explaining stock returns' volatility with GARCH models

• در مورد توضیح نوسانات بازده سهام با مدل های GARCH اطلاعات بیشتری وجود دارد There's more about Explaining stock returns' volatility with GARCH models

• اجرای یک مدل CCC-GARCH برای پیش بینی نوسانات چند متغیره Implementing a CCC-GARCH model for multivariate volatility forecasting

• نحوه برنامه نویسی با Python و R در یک دفترچه یادداشت Jupyter How to program with Python and R in the same Jupyter notebook

• بارگیری Dataset (پرونده CSV) Download Dataset (csv file)

• پیش بینی ماتریس کوواریانس مشروط با استفاده از DCC-GARCH (پایتون و R) Forecasting the conditional covariance matrix using DCC-GARCH (Python and R)

• اطلاعات بیشتری در مورد پیش بینی ماتریس کواریانس شرطی با استفاده از DCC-GARCH وجود دارد There's more about Forecasting the conditional covariance matrix using DCC-GARCH

• کدهای منبع بخش 5 Source codes of Section 5

شبیه سازی مونت کارلو در امور مالی Monte Carlo Simulations in Finance

• معرفی Introduction

• شبیه سازی پویایی قیمت سهام با استفاده از حرکت هندسی Brownian Simulating stock price dynamics using Geometric Brownian Motion

• فصل_6_غبارها را بارگیری کنید Download chapter_6_utils

• قیمت گذاری گزینه های اروپایی با استفاده از شبیه سازی Pricing European options using simulations

• قیمت گذاری گزینه های آمریکایی با حداقل مربعات مونت کارلو Pricing American Options with Least Squares Monte Carlo

• قیمت گذاری گزینه های آمریکایی با استفاده از Quantlib Pricing American Options using Quantlib

• برآورد ارزش در معرض خطر با استفاده از مونت کارلو Estimating Value-at-risk using Monte Carlo

• کدهای منبع بخش 6 Source codes of Section 6

تخصیص دارایی در پایتون Asset Allocation in Python

• معرفی Introduction

• ارزیابی عملکرد یک مجموعه 1/n پایه Evaluating the performance of a basic 1/n portfolio

• یافتن مرز کارآمد با استفاده از شبیه سازی مونت کارلو Finding the Efficient Frontier using Monte Carlo simulations

• یافتن مرز کارآمد با استفاده از بهینه سازی با کلاهبرداری Finding the Efficient Frontier using optimization with scipy

• کدهای منبع بخش 7 Source codes of section 7

شناسایی پیش فرض اعتبار با یادگیری ماشین Identifying Credit Default with Machine Learning

• معرفی Introduction

• بارگیری کارت اعتباری default.csv Download credit card default.csv

• بارگیری داده ها و مدیریت انواع داده ها Loading the data and managing data types

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• تقسیم داده ها به مجموعه های آموزشی و آزمایشی Splitting the data into training and test sets

• مقابله با مقادیر از دست رفته Dealing with missing values

• رمزگذاری متغیرهای طبقه ای Encoding categorical variables

• Chapter_8_utils را بارگیری کنید Download chapter_8_utils

• مناسب سازی طبقه بندی درخت تصمیم Fitting a decision tree classifier

• اجرای خطوط لوله یادگیری سریع Implementing scikit-learns pipelines

• تنظیم ابرپارامترها با استفاده از جستجوی شبکه و اعتبارسنجی متقابل Tuning hyperparameters using grid search and cross-validation

• کدهای منبع بخش 8 Source codes of Section 8

مدلهای پیشرفته یادگیری ماشین در امور مالی Advanced Machine Learning Models in Finance

• معرفی Introduction

• پرونده_9_utils و CSV را بارگیری کنید Download chapter_9_utils and csv files

• بررسی طبقه بندی کننده های پیشرفته Investigating advanced classifiers

• موارد بیشتری در مورد استفاده از طبقه بندی کننده های پیشرفته برای دستیابی به نتایج بهتر وجود دارد There's more about use advanced classifiers to achieve better results

• در مورد استفاده از طبقه بندی کننده های پیشرفته برای دستیابی به نتایج بهتر موارد بیشتری وجود دارد Codes of There's more about use advanced classifiers to achieve better results

• استفاده از stacking برای بهبود عملکرد Using stacking for improved performance

• بررسی اهمیت ویژگی Investigating the feature importance

• بررسی رویکردهای مختلف برای مدیریت داده های نامتعادل Investigating different approaches to handling imbalanced data

• موارد بیشتری در مورد بررسی رویکردهای مختلف برای مدیریت داده های نامتعادل وجود دارد There's more about Investigating different approaches to handling imbalanced dat

• پرونده های Trials.p را بارگیری کنید Download Trials.p files

• بهینه سازی ابرپارامتر بیزی Bayesian Hyperparameter Optimization

• کدهای منبع بخش 9 Source codes of section 9

یادگیری عمیق در امور مالی Deep Learning in Finance

• معرفی Introduction

• Chapter_10_utils و credit_card_default.csv را بارگیری کنید Download chapter_10_utils and credit_card_default.csv

• یادگیری عمیق برای داده های جدول Deep Learning for Tabular Data

• پرسپترون های چند لایه برای پیش بینی سری های زمانی Multilayer perceptrons for time series forecasting

• شبکه های عصبی کانولوشن (CNN) برای پیش بینی سری های زمانی Convolutional neural networks (CNN) for time series forecasting

• شبکه های عصبی مکرر (RNN) برای پیش بینی سری های زمانی Recurrent neural networks (RNN) for time series forecasting

• کد منبع بخش 10 Source codes of section 10