#جلسه_اول #یادگیری_ماشینی در علوم مالی

موضوع:
- رویکرد کلی دوره
- یادگیری ماشینی چیست؟
- چه مسائلی با یادگیری ماشینی قابل حل است؟
- کاربردهای یادگیری ماشینی در #مالی
- روش‌های یادگیری ماشینی
- یادگیری کلاسیک
- یادگیری با ناظر
- یادگیری بدون ناظر
- یادگیری عمیق
- آشنایی با مباحث منتخب (#رگرسیون، #طبقه_بندی و #خوشه_بندی)

(ویدئوی ویرایش نشده)


➖
جهت دریافت ویدئوهای کامل دوره به ای‌دی @abedizohreh پیام دهید.
➖
مفاهیم مالی با زبانی ساده در اینستاگرام
https://instagram.com/raoofi_sahm
➖➖➖➖
مفاهیم مالی با زبانی ساده در تلگرام
https://telegram.me/ecoraoofi

🔵مقالات تخصصی من در زمینه پیش‌بینی بازارهای مالی در ژورنال‌های داخلی و خارجی
*علی رئوفی- دکتری اقتصاد مالی

1- Empirical Study on the Existence of Long-term Memory In Tehran Stock Exchange Returns: Rolling Window Approach
در این مقاله وجود حافظه در داده‌های تاریخی بورس اوراق بهادار بررسی شده است. به زبان ساده اینکه آیا می‌توان با استفاده از داده‌های روزهای گذشته، آینده بازار را پیش‌بینی کرد؟ بر اساس نتایج بدست آمده داده‌های بورسی دارای حافظه حدودا سه روزه هستند و می‌توان از اطلاعات سه روز گذشته برای پیش‌بینی استفاده کرد. البته به مرور زمان این حافظه کوتاه شده و به بورس ایران به بازار کارا نزدیکتر شده است.
2- Forecasting Tehran Stock Exchange Index Returns Using a Combination of Wavelet Decomposition and Adaptive Neural Fuzzy Inference Systems
در این مقاله تلاش شده کرده‌ایم تا شاخص کل بورس اوراق بهادار را با استفاده از ترکیب ابزارهای پیشرفته نظیر شبکه عصبی مصنوعی، تجزیه موجک و منطق فازی پیش‌بینی کنیم. در این روش، نویزها با استفاده از تجزیه موجک حذف شده تا نوسانات اصلی راحت‌تر قابل پیش‌بینی باشد. در نهایت یک مدل با دقت پیش‌بینی بالا ارائه شده است.
3- Assessment of Gold Price Predictability and Comparison of Predictions made by Linear and Nonlinear Methods
در این مقاله پیش‌بینی‌پذیری قیمت طلا مورد بررسی قرار گرفته است و مشخص شده است و بهترین روش برای پیش‌بینی قیمت طلا معرفی شده است.
4- Comparison of Several Combined Methods for Forecasting Tehran Stock Exchange Index
در این مقاله انواع روش‌های پیشرفته پیش‌بینی مورد ارزیابی و مقایسه قرار گرفته‌اند. و در نهایت روش ترکیبی شبکه عصبی مصنوعی-فازی به عنوان روش برگزیده معرفی گردیده است. در این روش جهت بازار (مثبت و منفی بودن بازده) با دقت 72 درصد قابل پیش‌بینی است.
5- Assessment and Comparison of linear and non- linear Methods for Forecasting Returns on Stock Market Index
در این مقاله روش‌های خطی و غیرخطی برای پیش‌بینی سهام مورد بررسی و مقایسه قرار گرفت. در ابتدا اثبات شد که رفتار بازار سهام ایران غیرخطی و آشوبی است. رفتار آشوبی رفتاری است که علیرغم وجود بی نظمی در ساختار خود، از یک نظم پیچیده که شاید در ظاهر قابل مشاهده نباشد پیروی می‌کند. سپس روش‌های پیش‌بینی پیشرفته با روش‌های خطی مقایسه شده است. نتایج مطابق انتظار نشان داد که روش‌هایی که توانایی مدلسازی رفتار غیرخطی را دارند بهتر از روش‌های خطی پیش‌بینی می‌کنند.
6- Forecasting OPEC Crude Oil Price Using Fuzzy Autoregressive Integrated Moving Average (FARIMA) Model
در این مقاله تلاش شده است تا قیمت نفت با استفاده از یک الگوی رگرسیون فازی مورد پیش‌بینی قرار گیرد. در نهایت مشخص شد که این روش توانایی قابل قبولی در پیش‌بینی بازار نفت نسبت به سایر روش‌ها دارد.
7- Identifying Data Generator Process of Tehran Stock Exchange, Modeling and forecasting using Soft Computing
در این مقاله داده‌های تاریخی بورس از جهات مختلف مورد بررسی قرار گرفته است. با شناسایی خصوصیات مختلف شامل حافظه‌مند بودن، کارا بودن، آشوبی بودن و نامتقارن بودن یک الگوی پیش‌بینی قابل قبول ارائه گردد. در نهایت مشخص شد که شوک‌های مثبت و منفی در بازار سهام متقارن نیستند و شوک‌های منفی بزرگتر از شوک‌های مثبت است. همینطور بازار سهام یک بازار آشوبی و حافظه‌مند است و مدلی که قرار است پیش‌بینی بازار را بر عهده بگیرد باید این خصوصیات را مدل کند.
8- Evaluation and comparison of performance of ANFIS and ARIMA in forecasting the daily gold prices
در این مقاله دو روش مختلف آریما (اقتصادسنجی) و شبکه عصبی فازی (محاسبات نرم) برای پیش‌بینی قیمت سکه تمام بهار آزادی مورد استفاده و مقایسه قرار گرفت که روش شبکه عصبی فازی با دقت بسیار بالایی توانایی خود را در پیش‌بینی این بازار نشان داد
9- The Existence of Long Memory Property in OPEC Oil Prices
در این مقاله قیمت نفت اوپک مورد ارزیابی قرار گرفته است و پیش‌بینی پذیری آن سنجش شده است. نتایج نشان می‌دهد که پیش‌بینی پذیری بازار نفت اگرچه کار دشواری است با این حال غیر ممکن نیست.
10- Evaluation and Comparison of Forecast Performance of Linear and Non-linear Methods for Daily Returns of Tehran Stock Exchange
در این مقاله انواع روش‌های نوین پیش‌بینی بازار سهام مورد بررسی قرار گرفته است و مهمترین روش‌ها با یکدیگر مقایسه شده است.
11- The Role of Feature Engineering in Prediction of Tehran Stock Exchange Index Based on LSTM
.
لیست کامل مقالات را اینجا (+) مطالعه بفرمایید

🟩 آشنایی با معاملات الگوریتمی

آیا تا این لحظه واژه #معاملات_الگوریتمی به گوشتان خورده است؟! زمانی که معاملات #بورس راه اندازی شد، سرعت پردازش در رایانه‌ها به شکل امروزی نبود و این بازارها به وجود آنها وابسته نبود. بنابراین در آن زمان معاملات به صورت دستی و حضوری و بطور #سنتی انجام می‌شد. هر شخصی برای خرید یا فروش سهام در بازار بورس ایران باید خود را به خیابان حافظ می‌رساند تا اولا از روی تابلو قیمت‌های به روز شده را ببیند و سپس برای خرید یا فروش سهم خود باید فرم‌های مربوطه را پر می‌کرد. اما امروزه به لطف پیشرفت در سیستم‌های نرم‌افزاری و سخت‌افزاری و در دسترس بودن اینترنت، در حالی که در خانه یا محل کار خود در حال نوشیدن یک #چای گرم هستید تنها با وارد شدن به سایت #کارگزاری خود و با زدن یک دکمه می‌توانید سهام خود را خریداری یا بفروش برسانید.
اما در حال حاضر نرم افزارها و سخت افزارهای رایانه‌ای، کار را برای ما از این هم راحت‌تر کرده‌اند. دکمه‌ای را که معامله‌گر بدون #استراتژی خاصی برای خرید یا فروش سهم خود با هر حالت روحی و روانی می‌زند نیز رایانه عهده دار آن است و معاملات را بدور از هیچ استرس روحی و روانی و با توجه به استراتژی معاملاتی می‌خرد و یا می‌فروشد. حال کمی فراتر می رویم می‌خواهیم معاملات #هوشمندانه‌تر انجام شود مثلا اول شرایط بازار را بسنجد و بعد میزان سرمایه را چک کند و سپس وارد معامله شود، به این گونه معاملات که هوشمندی خاصی دارند، معاملات الگوریتمی می‌گویند.
اگر بخواهیم به زبان ساده معاملات الگوریتمی را بیان نماییم ، به هر نوع معامله هوشمندانه که به صورت #خودکار توسط رایانه برنامه‌ریزی شود را معاملات الگوریتمی می گویند که این کار نیز با زبان #پایتون قابل دسترسی خواهد بود.

🔅 برای شرکت در دوره جامع معاملات الگوریتمی به @abedizohreh پیام ارسال نمایید.
➖➖➖➖➖➖➖

دوره معاملات الگوریتمی با پایتون

آیا می‌دانستید درحال حاضر بیش از ۸۵ درصد معاملات بازارهای مالی به صورت الگوریتمی انجام می‌شوند؟
#معاملات_الگوریتمی، معاملاتی هستند که بوسیله کامپیوتر و بدون دخالت انسان و با دقت بالا انجام می‌شوند. تحلیل حجم انبوهی از داده‌های مالی که در لحظه تولید می‌شوند از عهده یک فرد یا گروهی از افراد خارج است. از این رو استفاده از معاملات الگوریتمی در بازارهای مالی برای دریافت و پالایش داده‌ها و انجام معاملات به صورت خودکار روز به روز در حال گسترش است.

این دوره با این فرض طراحی شده است که مخاطب هیچ دانش و تجربه قبلی در زمینه برنامه‌نویسی نداشته و در طول آموزش با این زبان آشنا می‌شود.

طول دوره: ۲۰ساعت + ۴ساعت پرسش و پاسخ و تمرین

مدرس:
علی رئوفی- دکتری اقتصادسنجی و مالی

نحوه برگزاری:
آنلاین + ویدئو به صورت مادام‌العمر

✅ ۲۵ درصد #تخفیف تا جمعه ۲۸ آبان


برای کسب اطلاعات بیشتر و دریافت سرفصل‌ها به ایدی تلگرامی @abedizohreh پیام ارسال فرمایید.

🔵 پایتون مالی
دوستانی که علاقه‌مند به یادگیری #پایتون و کاربرد آن در مالی هستند، می‌تونن در کانال زیر عضو بشن.
در این کانال مطالب متنوعی در رابطه با:
زبان برنامه نویسی پایتون
هوش مصنوعی و یادگیری ماشین
معاملات الگوریتمی
و…
ارائه خواهد شد.
👇👇👇
https://t.me/pyfinance
👆👆👆
➖➖➖➖➖➖➖➖➖

🔵مقدمات زبان برنامه نویسی #پایتون

#درس_اول
ساخت انواع متغیرهای صحیح، اعشاری و رشته

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance

داده‌های پرت بعضی مواقع دردسر ساز هستند و ما به دنبال حذف آنها قبل از مدل‌سازی هستیم و در بعضی مواقع هم مساله اصلی تشخیص و مدلسازی همین داده‌های پرت به عنوان ناهنجاری (Anomaly Detection) است.

فرض کنید میانگین حقوق در یک شرکت ۴میلیون است.آیا این بدان معنی است که اکثر افراد در آن شرکت ۴میلیون (یا نزدیک به آن)حقوق می‌گیرند.در نگاه یک متخصص داده‌کاوی قطعا جواب خیر است چرا که در کنار شاخص‌های مرکزی مانند میانگین باید شاخص‌های پراکندگی نیز مورد ارزیابی قرار گیرد.ممکن است ۹۸درصد افراد حاضر در آن شرکت ۱میلیون حقوق بگیرند و ۲ درصد بقیه حقوقشان ۲۰میلیون باشد.در واقع این ۲درصد نوعی داده پرت هستند که میانگین را به نفع خود جا به جا کرده‌اند!

فرض کنید میانگین ثروت کارمندان ماکروسافت ۱۰۰میلیون دلار است.طبیعتا شخصی مانند بیل گیتس که ثروت او به اندازه چندین کشور است،میانگین را به بسیار بالاتر از میانگین واقعی تبدیل کرده ‌است و یک متخصص داده‌کاوی باید بتواند این این مسئله را تشخیص دهد.در واقع ثروت بیل گیتس یک داده پرت یا همان Outlier در میان ثروت کارکنان و مدیران مایکروسافت است.

‎🌐 دانش مالی با پایتون
https://t.me/pyfinance

وبینار «کاربرد علم داده در کسب و کار مالی»
این وبینار به صورت آنلاین برگزار می‌شود و برای ۱۰۰ نفر اول رایگان است.

لینک شرکت در دوره:
www.ifc.ir/213

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام 👇
https://t.me/pyfinance

🔵مقدمات زبان برنامه نویسی #پایتون

#درس_دوم
تغییر جنس متغیر های تعریف شده در پایتون

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance

چگونه از یک اقتصادخوانده به یک دانشمند داده تبدیل شویم؟

- در یک تخمین ابتدایی، ۱۳ درصد دیتاساینتیست‌های جهان، دارای مدرک اقتصاد هستند.
- افراد اقتصادخوانده به دلیل آشنایی مناسب با داده‌ها، روابط علّی و همبستگی، روش‌های رگرسیون خطی و لجستیک، گزینه‌های مناسبی برای تبدیل شدن به دانشمندان داده هستند.
- اقتصادخوانده‌ها معمولا با ریاضیات، آمار، جبرخطی میانه خوبی دارند، علاوه بر این مهارت‌هایی مانند روانشناسی و سیاست نیز در مواقعی در علم داده مورد نیاز است، که افراد اقتصادخوانده با آن آشنا هستند.
- در سال‌های اخیر به دلیل افزایش خیره کننده مشاغل مربوط به تحلیل داده در بازارهای مالی، افراد زیادی تمایل دارند که به این حوزه ورود کنند.

در این ویدئوی بسیار جالب، فرآیند تبدیل شدن از یک اقتصادخوانده به دانشمند داده به زبان ساده تشریح شده است.
➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

🔵مقدمات زبان برنامه نویسی #پایتون

#درس_سوم
ساخت لیست

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance

متخصصان علم داده تا چه مقطعی تحصیل کر‌ده‌اند؟

➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

اهمیت مصور سازی در #داده_کاوی.

شاید یک دایناسور در #داده های شما باشد!

آماره‌های توصیفی تمام واقعیت را به شما نشان نمی‌دهند.

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance

🔵مقدمات زبان برنامه نویسی #پایتون

#درس_چهارم
ساخت دیکشنری پایتون

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance

دوره معاملات الگوریتمی با پایتون

📣 ۳۵ درصد #تخفیف فقط تا پایان امروز!
🔔 امکان پرداخت به صورت #اقساط

طول دوره: ۲۰ساعت + ۴ساعت پرسش و پاسخ و تمرین

مدرس:
علی رئوفی- دکتری اقتصادسنجی و مالی

نحوه برگزاری:
آنلاین + ویدئو به صورت #مادام‌العمر

برای کسب اطلاعات بیشتر و دریافت سرفصل‌ها به ایدی تلگرامی @abedizohreh پیام ارسال فرمایید.
.

یادگیری ماشین در تجارت: مقدمه‌ای بر دنیای #علم_داده

#معرفی_کتاب

بسیاری از دانشجویان #مالی در ایران پروفسور #جان_هال را به‌واسط کتاب فوق‌العاده «اختیارهای خریدوفروش، قراردادهای آتی و سایر #مشتقات» می‌شناسند. ایشان در جولای سال ۲۰۱۹ میلادی و در سن ۷۳ سالگی کتابی با عنوان «#یادگیری_ماشین در تجارت: مقدمه‌ای بر دنیای #علم_داده» نگارش کرده‌اند که خواندنش برای علاقه‌مندان به دنیای علم داده خالی از لطف نیست.
.
➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

برای تبدیل شدن به یک متخصص داده، باید در چه رشته‌ای تحصیل کرد؟

تحصیلات اولین گزینه‌ای است که در یک رزومه کاری مورد توجه قرار می‌گیرد.
طبق داده‌های منتشر شده در 365datascience، یک متخصص معمولی داده در سال ۲۰۲۰، دارای مدرک کارشناسی (۱۳درصد)، کارشناسی ارشد (۵۶درصد) و یا دکترا (۲۷درصد) است. اما بهترین رشته برای تبدیل شدن به یک دانشمند داده چیست؟

حقیقت این است که برای متخصص شدن در این حرفه، تحصیل در هیچ رشته‌ای به تنهایی عامل موفقیت نیست. بدون کسب مهارت‌های تحلیل و برنامه‌نویسی، حتی اگر در بالاترین مقاطع تحصیلی در علوم داده باشیم، نمی‌توانیم در این جایگاه موفق عمل کنیم.

➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

کتاب «راهنمای پایتون برای اقتصادسنجی مقدماتی مالی»
python guid to accompany, Introductory Econometrics for Finance

#معرفی_کتاب

➖➖➖➖➖➖➖➖➖
🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام

https://t.me/pyfinance
.

وبینار «کاربرد علم داده در کسب و کار مالی»
این وبینار به صورت آنلاین برگزار می‌شود و برای ۱۰۰ نفر اول رایگان است.

لینک شرکت در دوره:
www.ifc.ir/213

🌐 ما را در تلگرام دنبال کنید.
افزایش دانش مالی با پایتون در تلگرام 👇
https://t.me/pyfinance