عنوان کتاب به انگلیسی: |
Python for Finance Cookbook: Over 50 recipes for applying modern Python libraries to financial data analysis |
| سال انتشار: 2020 | 426 صفحه | حجم فایل: 33 مگابایت | زبان: انگلیسی |
| نویسنده | Eryk Lewinson |
| ناشر | Packt Publishing |
| ISBN10: | 1789618517 |
| ISBN13: | 9781789618518 |
توضیحات کتاب
Key FeaturesUse powerful Python libraries such as pandas, NumPy, and SciPy to analyze your financial data
Explore unique recipes for financial data analysis and processing with Python
Estimate popular financial models such as CAPM and GARCH using a problem-solution approachBook Description
Python is one of the most popular programming languages used in the financial industry, with a huge set of accompanying libraries.
In this book, you’ll cover different ways of downloading financial data and preparing it for modeling. You’ll calculate popular indicators used in technical analysis, such as Bollinger Bands, MACD, RSI, and backtest automatic trading strategies. Next, you’ll cover time series analysis and models, such as exponential smoothing, ARIMA, and GARCH (including multivariate specifications), before exploring the popular CAPM and the Fama-French three-factor model. You’ll then discover how to optimize asset allocation and use Monte Carlo simulations for tasks such as calculating the price of American options and estimating the Value at Risk (VaR). In later chapters, you’ll work through an entire data science project in the financial domain. You’ll also learn how to solve the credit card fraud and default problems using advanced classifiers such as random forest, XGBoost, LightGBM, and stacked models. You’ll then be able to tune the hyperparameters of the models and handle class imbalance. Finally, you’ll focus on learning how to use deep learning (PyTorch) for approaching financial tasks.
By the end of this book, you’ll have learned how to effectively analyze financial data using a recipe-based approach.
What you will learn
Download and preprocess financial data from different sources
Backtest the performance of automatic trading strategies in a real-world setting
Estimate financial econometrics models in Python and interpret their results
Use Monte Carlo simulations for a variety of tasks such as derivatives valuation and risk assessment
Improve the performance of financial models with the latest Python libraries
Apply machine learning and deep learning techniques to solve different financial problems
Understand the different approaches used to model financial time series data
Who this book is for
This book is for financial analysts, data analysts, and Python developers who want to learn how to implement a broad range of tasks in the finance domain. Data scientists looking to devise intelligent financial strategies to perform efficient financial analysis will also find this book useful. Working knowledge of the Python programming language is mandatory to grasp the concepts covered in the book effectively.
Table of Contents
Financial Data and Preprocessing
Technical Analysis in Python
Time Series Modelling
Multi-factor Models
Modeling Volatility with GARCH class models
Monte Carlo Simulations in Finance
Asset Allocation in Python
Identifying Credit Default with Machine Learning
Advanced Machine Learning Models in Finance
Deep Learning in Finance
توضیحات کتاب به فارسی (ترجمه ماشینی)
با استفاده از کتابخانه های پایتون مانند Numpy ، Scipy و Pandas مشکلات مالی مشترک و نه چندان متداول را حل کنید
ویژگی های کلیدی
برای تجزیه و تحلیل داده های مالی خود از کتابخانه های قدرتمند پایتون مانند Pandas ، Numpy و SciPy استفاده کنید
دستور العمل های منحصر به فرد را برای تجزیه و تحلیل داده های مالی و پردازش با پایتون کشف کنید
مدل های مالی محبوب مانند CAPM و GARCH را با استفاده از یک رویکرد حل مسئله تخمین بزنید
توضیحات کتاب
پایتون یکی از محبوب ترین زبان های برنامه نویسی است که در صنعت مالی مورد استفاده قرار می گیرد و مجموعه عظیمی از کتابخانه های همراه را دارد.
در این کتاب روش های مختلفی برای بارگیری داده های مالی و تهیه آن برای مدل سازی را پوشش می دهید.شما شاخص های محبوب مورد استفاده در تجزیه و تحلیل فنی ، مانند گروههای بولینگر ، MACD ، RSI و استراتژی های معاملاتی خودکار Backtest را محاسبه خواهید کرد.در مرحله بعد ، قبل از کاوش در CAPM محبوب و مدل سه عاملی Fama-French ، تجزیه و تحلیل سری های زمانی و مدل ها ، مانند صاف کردن نمایی ، ARIMA و GARCH (از جمله مشخصات چند متغیره) را پوشش خواهید داد.سپس می توانید نحوه بهینه سازی تخصیص دارایی را کشف کرده و از شبیه سازی مونت کارلو برای کارهایی مانند محاسبه قیمت گزینه های آمریکایی و برآورد ارزش در ریسک (VAR) استفاده کنید.در فصل های بعدی ، شما از طریق یک پروژه کل علوم داده در حوزه مالی کار خواهید کرد.شما همچنین می آموزید که چگونه با استفاده از طبقه بندی کننده های پیشرفته مانند Forest Random Forest ، XGBoost ، LightGBM و مدل های انباشته ، کلاهبرداری کارت اعتباری و مشکلات پیش فرض را حل کنید.سپس شما قادر خواهید بود که HyperParameters مدل ها را تنظیم کرده و عدم تعادل کلاس را کنترل کنید.سرانجام ، شما روی یادگیری نحوه استفاده از یادگیری عمیق (Pytorch) برای نزدیک شدن به کارهای مالی تمرکز خواهید کرد.
در پایان این کتاب ، شما یاد گرفته اید که چگونه می توانید داده های مالی را با استفاده از یک رویکرد مبتنی بر دستور العمل به طور مؤثر تجزیه و تحلیل کنید.
آنچه یاد خواهید گرفت
داده های مالی را از منابع مختلف بارگیری و پیش پردازش کنید
Backtest عملکرد استراتژی های معاملاتی خودکار در یک محیط واقعی
مدل های اقتصاد سنجی مالی را در پایتون تخمین بزنید و نتایج آنها را تفسیر کنید
از شبیه سازی های مونت کارلو برای کارهای مختلف مانند ارزیابی مشتقات و ارزیابی ریسک استفاده کنید
عملکرد مدل های مالی را با آخرین کتابخانه های پایتون بهبود بخشید
برای حل مشکلات مالی مختلف از یادگیری ماشین و روشهای یادگیری عمیق استفاده کنید
رویکردهای مختلف مورد استفاده برای مدل سازی داده های سری زمانی مالی را درک کنید
این کتاب برای چه کسی است
این کتاب برای تحلیلگران مالی ، تحلیلگران داده و توسعه دهندگان پایتون است که می خواهند یاد بگیرند که چگونه طیف گسترده ای از وظایف را در حوزه مالی اجرا کنند.دانشمندان داده به دنبال تدوین استراتژی های مالی هوشمند برای انجام تجزیه و تحلیل مالی کارآمد نیز این کتاب را مفید می دانند.دانش کار در مورد زبان برنامه نویسی پایتون برای درک مؤثر مفاهیم تحت پوشش در کتاب الزامی است.
فهرست مطالب
داده های مالی و پیش پردازش
تجزیه و تحلیل فنی در پایتون
مدل سازی سری زمانی
مدل های چند عاملی
نوسانات مدل سازی با مدل های کلاس Garch
شبیه سازی مونت کارلو در امور مالی
تخصیص دارایی در پایتون
شناسایی پیش فرض اعتبار با یادگیری ماشین
مدلهای پیشرفته یادگیری ماشین در امور مالی
یادگیری عمیق در امور مالی
| این محصول به صورت دانلودی می باشد و بلافاصله پس از پرداخت موفق قادر به دانلود خواهید بود |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.