کتاب پایتون در فین‌تک: تحلیل بازارهای مالی و کمی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون در فین‌تک: تحلیل بازارهای مالی و کمی

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پایتون در تحلیل مالی و کمی
  • 2. نصب و راه‌اندازی محیط توسعه پایتون برای فین‌تک
  • 3. آشنایی با کتابخانه‌های پایه: NumPy و Pandas
  • 4. مدیریت و پاکسازی داده‌های مالی با Pandas
  • 5. بارگذاری داده‌های تاریخی بازار از منابع آنلاین
  • 6. شاخص‌های آماری توصیفی برای سری‌های زمانی مالی
  • 7. محاسبه بازده ساده و لگاریتمی
  • 8. تحلیل نوسانات و ریسک با انحراف معیار
  • 9. مفهوم کوواریانس و همبستگی بین دارایی‌ها
  • 10. محاسبه کوواریانس و همبستگی با پایتون
  • 11. رگرسیون خطی برای مدل‌سازی قیمت
  • 12. مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) در پایتون
  • 13. مفهوم ارزش در معرض ریسک (VaR)
  • 14. محاسبه Value at Risk با روش پارامتریک
  • 15. محاسبه Value at Risk با شبیه‌سازی تاریخی
  • 16. شبیه‌سازی مونت کارلو برای پیش‌بینی قیمت
  • 17. بهینه‌سازی پرتفوی با ماژول SciPy
  • 18. مرز کارا و نسبت شارپ در بهینه‌سازی سبد سهام
  • 19. مفهوم میانگین-واریانس و مدل مارکویتز
  • 20. مدیریت ریسک با رویکرد ارزش در معرض ریسک شرطی (CVaR)
  • 21. تحلیل تکنیکال مقدماتی با شاخص‌های میانگین متحرک
  • 22. محاسبه شاخص قدرت نسبی (RSI) در پایتون
  • 23. محاسبه باندهای بولینگر برای تحلیل نوسان
  • 24. تشکیل سیگنال خرید و فروش بر اساس اندیکاتورها
  • 25. پیش‌پردازش داده‌های مالی برای یادگیری ماشین
  • 26. آشنایی با کتابخانه Scikit-learn برای مدل‌سازی
  • 27. رگرسیون خطی چندمتغیره برای پیش‌بینی قیمت
  • 28. درخت تصمیم و رگرسیون برای پیش‌بینی روند بازار
  • 29. جنگل تصادفی در تحلیل مالی
  • 30. ماشین بردار پشتیبان (SVM) برای طبقه‌بندی بازار
  • 31. شبکه‌های عصبی ساده با Keras برای پیش‌بینی سری زمانی
  • 32. شبکه‌های عصبی بازگشتی (RNN) و LSTM برای داده‌های مالی
  • 33. ارزیابی مدل‌های پیش‌بینی با معیارهای خطا (MSE, MAE)
  • 34. اعتبارسنجی متقابل در مدل‌های مالی
  • 35. مدل GARCH برای پیش‌بینی نوسانات
  • 36. تحلیل فاکتور و مدل سه‌عاملی فاما-فرنچ
  • 37. مفهوم آربیتراژ و استراتژی‌های معاملاتی ساده
  • 38. طراحی استراتژی معاملاتی مبتنی بر بازگشت به میانگین
  • 39. طراحی استراتژی معاملاتی مبتنی بر روند
  • 40. بک‌تست استراتژی با کتابخانه Backtrader
  • 41. معیارهای ارزیابی استراتژی: بازده، شارپ، دراودان
  • 42. مدیریت سرمایه و تعیین اندازه موقعیت
  • 43. مدیریت ریسک با دستور توقف ضرر و حد سود
  • 44. تحلیل احساسات بازار با متن‌کاوی تویتر و اخبار
  • 45. پردازش زبان طبیعی (NLP) با NLTK برای اخبار مالی
  • 46. طبقه‌بندی اخبار مثبت و منفی با یادگیری ماشین
  • 47. تاثیر اخبار بر نوسانات قیمت: تحلیل رویداد
  • 48. آشنایی با APIهای مالی (Yahoo Finance, Alpha Vantage)
  • 49. دریافت داده‌های لحظه‌ای و تاریخچه معاملات
  • 50. مدیریت پایگاه داده SQLite برای ذخیره داده‌های مالی
  • 51. اتصال به صرافی‌های رمزارز با API (برای داده‌های غیرممنوع)
  • 52. تحلیل داده‌های دفتر کل توزیع‌شده (بلاکچین) برای روند بازار
  • 53. مفهوم معاملات الگوریتمی و اجزای آن
  • 54. طراحی یک ربات معاملاتی ساده با پایتون
  • 55. اتصال به بروکرهای مجاز با API (مفاهیم عمومی)
  • 56. مدیریت ریسک در معاملات الگوریتمی
  • 57. بهینه‌سازی پارامترهای استراتژی با الگوریتم ژنتیک
  • 58. تحلیل سری زمانی چندمتغیره با VAR
  • 59. مدل‌های تصحیح خطا (ECM) برای رابطه بلندمدت
  • 60. آزمون ریشه واحد و ایستایی داده‌های مالی
  • 61. آزمون هم‌انباشتگی (Cointegration) برای جفت‌ارزها
  • 62. تحلیل فاکتورهای کلان اقتصادی با داده‌های رسمی ایران
  • 63. مدل‌سازی نرخ ارز و تورم با داده‌های داخلی
  • 64. تحلیل ریسک اعتباری و نکول با مدل‌های آماری
  • 65. مدل‌سازی احتمال نکول با رگرسیون لجستیک
  • 66. معیار ROC و AUC برای ارزیابی مدل‌های طبقه‌بندی
  • 67. خوشه‌بندی سهام با K-Means برای شناسایی گروه‌ها
  • 68. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد داده
  • 69. تشخیص ناهنجاری در داده‌های معاملاتی
  • 70. مدیریت خطا و استثنا در کدهای مالی
  • 71. بهبود کارایی با Vectorization و Numba
  • 72. تست واحد (Unit Test) برای ماژول‌های مالی
  • 73. مستندسازی و گزارش‌گیری با Jupyter Notebook
  • 74. رسم نمودارهای حرفه‌ای با Matplotlib و Plotly
  • 75. داشبورد تعاملی با Streamlit برای تحلیل بازار
  • 76. ایجاد گزارش خودکار از تحلیل‌ها با Pandas
  • 77. مفاهیم اخلاقی و انطباق با مقررات در فین‌تک
  • 78. امنیت داده‌ها و کلیدهای API در پروژه‌های مالی
  • 79. شفافیت و قابلیت بازتولید نتایج در تحقیقات کمی
  • 80. مرور پروژه جامع: تحلیل یک سبد دارایی واقعی
تگ‌ها: برنامه نویسی پایتون پایتون در فین‌تک پایتون مالی تحلیل بازارهای مالی تحلیل کمی داده کاوی مالی فین‌تک معاملات الگوریتمی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.