ویژگیهای کلیدی
استفاده از کتابخانههای قدرتمند پایتون مانند pandas، NumPy و SciPy برای تجزیه و تحلیل دادههای مالی خود
بررسی دستورالعملهای منحصر به فرد برای تجزیه و تحلیل و پردازش دادههای مالی با پایتون
تخمین مدلهای مالی محبوب مانند CAPM و GARCH با استفاده از رویکرد حل مسئله
شرح کتاب
پایتون یکی از محبوبترین زبانهای برنامهنویسی مورد استفاده در صنعت مالی است که مجموعه عظیمی از کتابخانههای همراه را ارائه میدهد.
در این کتاب، روشهای مختلف دانلود دادههای مالی و آمادهسازی آنها برای مدلسازی را پوشش خواهید داد. شاخصهای محبوب مورد استفاده در تحلیل تکنیکال، مانند Bollinger Bands، MACD، RSI و استراتژیهای معاملاتی خودکار backtest را محاسبه خواهید کرد. در مرحله بعد، قبل از بررسی CAPM محبوب و مدل سه عاملی Fama-French، تجزیه و تحلیل سریهای زمانی و مدلهایی مانند هموارسازی نمایی، ARIMA و GARCH (شامل مشخصات چند متغیره) را پوشش خواهید داد. سپس نحوه بهینهسازی تخصیص دارایی و استفاده از شبیهسازیهای مونت کارلو را برای کارهایی مانند محاسبه قیمت آپشنهای آمریکایی و تخمین ارزش در معرض خطر (VaR) کشف خواهید کرد. در فصلهای بعدی، یک پروژه کامل علوم داده در حوزه مالی را بررسی خواهید کرد. همچنین یاد خواهید گرفت که چگونه با استفاده از طبقهبندیکنندههای پیشرفته مانند جنگل تصادفی، XGBoost، LightGBM و مدلهای انباشته، مشکلات کلاهبرداری و عدم پرداخت کارت اعتباری را حل کنید. سپس میتوانید پارامترهای فوق مدلها را تنظیم کرده و عدم تعادل کلاس را مدیریت کنید. در نهایت، بر یادگیری نحوه استفاده از یادگیری عمیق (PyTorch) برای انجام وظایف مالی تمرکز خواهید کرد.
در پایان این کتاب، یاد خواهید گرفت که چگونه با استفاده از یک رویکرد مبتنی بر دستور العمل، دادههای مالی را به طور مؤثر تجزیه و تحلیل کنید.
آنچه خواهید آموخت
دانلود و پیشپردازش دادههای مالی از منابع مختلف
بازآزمایی عملکرد استراتژیهای معاملاتی خودکار در یک محیط واقعی
تخمین مدلهای اقتصادسنجی مالی در پایتون و تفسیر نتایج آنها
استفاده از شبیهسازیهای مونت کارلو برای وظایف مختلف مانند ارزشگذاری مشتقات و ارزیابی ریسک
بهبود عملکرد مدلهای مالی با جدیدترین کتابخانههای پایتون
بهکارگیری تکنیکهای یادگیری ماشین و یادگیری عمیق برای حل مسائل مالی مختلف
درک رویکردهای مختلف مورد استفاده برای مدلسازی دادههای سری زمانی مالی
این کتاب برای چه کسانی مناسب است؟
این کتاب برای تحلیلگران مالی، تحلیلگران داده و توسعهدهندگان پایتون است که میخواهند یاد بگیرند چگونه طیف وسیعی از وظایف را در حوزه مالی پیادهسازی کنند. دانشمندان داده که به دنبال تدوین استراتژیهای مالی هوشمند برای انجام تحلیلهای مالی کارآمد هستند، این کتاب را نیز مفید خواهند یافت. دانش عملی زبان برنامهنویسی پایتون برای درک مؤثر مفاهیم مطرح شده در کتاب الزامی است.
فهرست مطالب
دادههای مالی و پیشپردازش
تحلیل تکنیکال در پایتون
مدلسازی سریهای زمانی
مدلهای چند عاملی
مدلسازی نوسانات با مدلهای کلاس GARCH
شبیهسازیهای مونت کارلو در امور مالی
تخصیص دارایی در پایتون
شناسایی نکول اعتباری با یادگیری ماشین
مدلهای پیشرفته یادگیری ماشین در امور مالی
یادگیری عمیق در امور مالی
