پایتون برای امور مالی؛ بیش از 80 دستورالعمل قدرتمند برای تحلیل موثر داده های مالی

استفاده از کتابخانه‌های مدرن پایتون مانند pandas، NumPy و scikit-learn و روش‌های محبوب یادگیری ماشین و یادگیری عمیق برای حل مسائل مدل‌سازی مالی

ویژگی‌های کلیدی

دستورالعمل‌های منحصر به فرد برای پردازش و تحلیل داده‌های مالی با پایتون را بررسی کنید.
رویکردهای کلاسیک و یادگیری ماشین را در تحلیل سری‌های زمانی مالی به کار ببرید.
شاخص‌های مختلف تحلیل تکنیکال و استراتژی‌های معاملاتی بک تست را محاسبه کنید.

شرح کتاب

پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در صنعت مالی است که مجموعه‌ای عظیم از کتابخانه‌های همراه را در خود جای داده است. در این نسخه جدید از کتاب آشپزی پایتون برای امور مالی، رویکردهای مالی کمی کلاسیک برای مدل‌سازی داده‌ها، مانند GARCH، CAPM، مدل‌های عاملی و همچنین راه‌حل‌های مدرن یادگیری ماشین و یادگیری عمیق را بررسی خواهید کرد.

شما از کتابخانه‌های محبوب پایتون استفاده خواهید کرد که در چند خط کد، ابزاری برای پردازش سریع، تجزیه و تحلیل و نتیجه‌گیری از داده‌های مالی فراهم می‌کنند. در این نسخه جدید، تأکید بیشتری بر تجزیه و تحلیل اکتشافی داده‌ها شده است تا به شما در تجسم و درک بهتر داده‌های مالی کمک کند. در حین انجام این کار، شما همچنین یاد خواهید گرفت که چگونه از Streamlit برای ایجاد برنامه‌های وب زیبا و تعاملی برای ارائه نتایج تحلیل‌های فنی استفاده کنید.

با استفاده از دستورالعمل‌های این کتاب، در تجزیه و تحلیل داده‌های مالی، چه برای پروژه‌های شخصی و چه حرفه‌ای، مهارت پیدا خواهید کرد. همچنین خواهید فهمید که با چنین تحلیل‌هایی چه مشکلات بالقوه‌ای را باید انتظار داشته باشید و مهمتر از آن، چگونه بر آنها غلبه کنید.

آنچه خواهید آموخت

پیش‌پردازش، تجزیه و تحلیل و تجسم داده‌های مالی
مدل‌سازی سری‌های زمانی را با مدل‌های آماری (هموارسازی نمایی، ARIMA) و یادگیری ماشین بررسی کنید
الگوریتم‌های پیشرفته پیش‌بینی سری‌های زمانی مانند Prophet متا را کشف کنید
از شبیه‌سازی‌های مونت کارلو برای ارزش‌گذاری مشتقات و ارزیابی ریسک استفاده کنید
مدل‌سازی نوسانات را با استفاده از مدل‌های GARCH تک متغیره و چند متغیره بررسی کنید
رویکردهای مختلف تخصیص دارایی را بررسی کنید
یاد بگیرید که چگونه با استفاده از یک مثال از پیش‌بینی پیش‌فرض، به پروژه‌های یادگیری عمیق نزدیک شوید
مدل‌های یادگیری عمیق مدرن مانند TabNet گوگل، DeepAR آمازون و NeuralProphet را بررسی کنید

این کتاب برای چه کسانی مناسب است؟

این کتاب برای تحلیلگران مالی، تحلیلگران و دانشمندان داده و توسعه‌دهندگان پایتون با آشنایی با مفاهیم مالی در نظر گرفته شده است. شما یاد خواهید گرفت که چگونه به درستی از رویکردهای پیشرفته برای تجزیه و تحلیل استفاده کنید، از مشکلات احتمالی و اشتباهات رایج جلوگیری کنید و برای طیف وسیعی از مسائل مالی به نتیجه‌گیری‌های صحیح برسید.

دانش عملی از زبان برنامه‌نویسی پایتون (به ویژه کتابخانه‌هایی مانند pandas و NumPy) ضروری است.

فهرست مطالب

دریافت داده‌های مالی
پیش‌پردازش داده‌ها
مصورسازی سری‌های زمانی مالی
بررسی داده‌های سری‌های زمانی مالی
تحلیل تکنیکال و ساخت داشبوردهای تعاملی
تحلیل و پیش‌بینی سری‌های زمانی
رویکردهای مبتنی بر یادگیری ماشین برای پیش‌بینی سری‌های زمانی
مدل‌های چند عاملی
مدل‌سازی نوسانات با مدل‌های کلاس GARCH
شبیه‌سازی‌های مونت کارلو در امور مالی
تخصیص دارایی
استراتژی‌های معاملاتی بک تست
یادگیری ماشین کاربردی: شناسایی نکول اعتباری
مفاهیم پیشرفته برای پروژه‌های یادگیری ماشین
یادگیری عمیق در امور مالی