دانلود کتاب «مدل‌سازی ریسک اعتباری: مبانی نظری، ابزارهای تشخیصی، مثال‌های عملی و کاربردهای عددی در پایتون» به انگلیسی «Credit-Risk Modelling: Theoretical Foundations, Diagnostic Tools, Practical Examples, and Numerical Recipes in Python»

*** از عزیزانی که با نقل از منبع مطالب را نشر می دهند، بسیار سپاسگزارم.

#دانلود_کتاب
#ریسک_اعتباری

#Credit-Risk
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

بررسی تاریخی قیمت بیت کوین
بیت کوین، تاثیرگذارترین رمز ارز و متداولترین آنهاست. تحلیل قیمت بیت کوین نقش بسیار مهمی در تحلیل سایر آلتکوین‌ها دارد.
در این ویدئو، نمودار قیمت بیت کوین از سال 2010 تا امروز در دو حالت قیمت بازار و تحلیل لگاریتمی نمایش داده می شود. نکته تکرار شونده در این ویدئو رکورد شکنی بیت کوین، ریزش و مجددا رکورد جدید در بازار است.

#بیت_کوین

پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

تغییر در بازه نمایش داده‌ها در Matplotlib
هنگامی که یک سری زمانی را با Matplotlib رسم می کنیم، Matplotlib به صورت هوشمند، بازه‌های زمانی را در ستون x ها در نظر می‌گیرد. گاهی لازم است در نمایش داده‌ها، از بازه‌های زمانی هفتگی، روزانه، ماهانه و ... استفاده کنیم. برای این کار کافی است از ماژول Matplotlib بخش dates را ایمپورت کنیم.
در تصویر این پست؛ سه بازه زمانی پیش فرض، هفتگی و روزانه رسم شده است.

#Matplotlib
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

آشنایی با SHAP، یک ماژول بی نظیر برای یادگیری ماشین
مدل‌های هوش مصنوعی عموما به صورت جعبه سیاه هستند و با گرفتن داده ها، نتایج را بدون ارائه تفسیر دقیق از آنها ارائه می کنند. برای درک اینکه چه ویژگی‌های اصلی بر خروجی مدل تأثیر می‌گذارند، به تکنیک‌های یادگیری ماشینی قابل توضیح نیاز داریم که برخی از این جنبه‌ها را آشکار کند.
برای مثال مدل اعتبار سنجی مشتریان بانک را در نظر بگیرید که می گوید که بانک نباید به فردی وام دهد ولی بانک از نظر قانونی موظف است مبنای هر رد وام را توضیح دهد.
یا یک شرکت بیمه سلامت می‌خواهد عواملی که باعث ایجاد خطر ابتلا به بیماری در هر بیمار می‌شود را شناسایی کند تا بتواند مستقیماً آن عوامل را با مداخلات بهداشتی هدفمند بررسی کند.
برای این منظور از ماژول SHAP استفاده می کنیم.SHAP(SHapley Additive Explanations) روشی مبتنی بر تئوری بازی های مشارکتی است و برای افزایش شفافیت و تفسیرپذیری مدل های یادگیری ماشین استفاده می شود.
برای آشنایی با این ماژول ارزشمند سری به سایت آن بزنید.

#یادگیری_ماشین
#Machine_learning
#SHAP

پایتون برای مالی
🆔 www.tg-me.com/python4finance

یک IDE جالب برای دانشمندان داده (جایگزین Jupyter Notebook)
قبلا در خصوص اینکه کجا کد بنویسیم صحبت کرده بودیم. (به پست‌های در کجا کد بزنیم؟ و #IDE و #vscode مراجعه نمایید.)
یکی از IDEهای جالب که بسیار شبیه Jupyter است و برای کارهای دیتاساینسی که دائما در حال آزمون روی داده های مختلف هستیم مناسب است، nteract است. این نرم افزار متن باز است و طراحی آن بسیار ساده و کاربردی است و به دلیل اینکه در قالب نرم افزار اجرا می شود (بر خلاف Jupyter که روی مرورگر اجرا می شد) محدودیت‌های ژوپیتر را ندارد. امکان افزودن کرنل های مختلف برای اجرای سایر زبان‌های برنامه نویسی از قبیل R، NodeJS ، .Net و ... هم در نرم افزار وجود دارد. برای کسب اطلاعات بیشتر و دانلود nteract به این آدرس مراجعه نمایید.

#nteract
#IDE
#Jupyter_notebook
#Vscode
#در_کجا_کد_بنویسیم

پایتون برای مالی
🆔 @python4finance

در چه مواردی ضریب تعیین یا همان شاخص نیکویی برازش (R2) منفی می شود!؟
عموما در مباحث اقتصاد سنجی و یادگیری ماشین برای سنجش کیفیت مدل های رگرسیون از شاخص R2 استفاده می شود. در تعریف اولیه این شاخص بیان می شود که R2 بیان کننده کیفیت مدل است به عبارت دیگر، دقت مدل ما چقدر است و چقدر مدل امکان پیش بینی صحیح دارد و مقدار آن بین 0 و یک در نظر گرفته می شود که از جذر آن ضریب همبستگی به دست می آید.
اما گاهی ممکن است در محاسبات، R2 منفی شود!
عموما R2 در دو حالت منفی می شود.
1️⃣ زمانی که عرض از مبدا مدل(یا همان B1) صفر در نظر گرفته شود. به دلیل ماهیت تئوریک برخی مدلها، حتما باید عرض از مبدا صفر باشد.
2️⃣ زمانی که پیش بینی مدل با واقعیت بسیار متفاوت باشد. یکی از دلایل این موضوع می تواند ناهمگن بودن دادن ها Train و Test در مدلهای یادگیری ماشین باشد.
در زمانی که R2 منفی باشد، به طور کلی R2 را صفر در نظر می گیریم.

#ارزیابی_مدل
#رگرسیون
#نیکویی_برازش
#accuracy
#R2
#Negetive R2


پایتون برای مالی
🆔 @python4finance

عرض تسلیت به مناسبت شهادت جانسوز دخت نبی گرامی اسلام، حضرت فاطمه زهرا(س)

#مناسبت

پایتون برای مالی
🆔 @python4finance

الهی در این شب یلدا، دل همتون گرم و لب همتون خندون باشه. خدا همه پدر و مادرهایی که هستند رو نگه داره و سایشون بالای سرمون باشه و اونهایی که به رحمت خدا رفتند، غریق رحمت کنه.
ارادتمند: محمدصادق کریمی

@python4finance

معرفی یک سایت بسیار جالب برای تحلیل داده ها به کمک هوش مصنوعی با زبان پایتون!
اگر علاقه دارید دادهای خود را به هوش مصنوعی بدهید، و هوش مصنوعی با کمک پایتون داده های شما را بررسی، مصور و تحلیل کند سری به سایت julius.ai بزنید. به کمک هوش مصنوعی این سایت و به صورت تعاملی (درخواست از هوش مصنوعی) به راحتی می توانید داده های خود را تحلیل کنید و از مدلهای متنوع آماری و یادگیری ماشین در آن استفاده کنید. کافی است دیتاست خود را به سایت بدهید و درخواست خود را مطرح کنید. زیبایی این سایت اینجاست که توضیحات بسیار خوبی راجع به موضوع به شما می دهد و کدهای پایتون دقیقی به شما می دهد.

لینک سایت: julius.ai
#هوش_مصنوعی

پایتون برای مالی
🆔 @python4finance

یک پایگاه داده عالی برای دسترسی به مقالات و مستندات علمی بر اساس هوش مصنوعی
انتخاب موضوع مناسب برای کارهای علمی همیشه یکی از دغدغه‌های اساتید و دانشجویان است. سای نپس(Scinapse) یک موتور جستجوی مبتنی بر هوش مصنوعی است که برای تحقیقات دانشگاهی طراحی شده است. این ابزار کاملا رایگان است و رقیبی برای گوگل اسکالر است.
با استفاده از سای‌نپس می توانید به جستجوی مقالات، پیشینه پژوهش، شناسایی پژوهشگران، دانشگاه ها و کشورهای برتر هر حوزه بپردازید.
برای دسترسی به این پایگاه داده یه سایت آن به نشانی www.scinapse.io بروید.

لینک سایت: www.scinapse.io

#مقاله
#پایان_نامه
#رساله
#انتخاب_موضوع
#پایتون_مالی


پایتون برای مالی
🆔 @python4finance

معرفی سه سایت بسیار خوب برای تمرین برنامه نویسی
اگر شما از جمله برنامه نویسان علاقه مند به یادگیری پایتون به کمک مثال های جذاب و کاربردی هستید، این سه سایت برای شما بسیار کاربردی هستند، (البته به جز پایتون برای سایر زبان های برنامه نویسی هم مفید هستند):
1️⃣ سایت leetcode.com
بیشتر از 3000 سوال برنامه نویسی برای ارتقاء برنامه نویسی شما دارد. در خود سایت هم می توانید کدهای پایتون خود را بنویسید
2️⃣ سایت hackerrank.com
این سایت بر اساس دسته بندی های مختلف، سطح برنامه نویسی شما را محک می زند.
3️⃣ سایت exercism.org
این سایت هم سوالات متعددی برای آموزش و یادگیری دارد.

#معرفی_سایت
#تمرین

لینک عضویت در چالش های پایتون برای مالی:
www.tg-me.com/python4finance_challenge

معرفی کتاب «مصورسازی داده ها در پایتون 3 به کمک ChatGPT / GPT-4» به انگلیسی «Python 3 Data Visualization Using ChatGPT / GPT-4»

تعامل با هوش مصنوعی به کمک چت جی‌پی‌تی بسیار کاربردی و جذاب است. در این کتاب می‌توانید کار با داده‌ها و مصورسازی داده‌ها را با کمک چت جی‌پی‌تی به راحتی انجام دهید. ابتدا در 6 فصل اول کتاب، توضیحات کاملی از پایتون، Numpy ، Pandas، Matplotlib ، Seaborn داده می‌شود و بعد از آن فرآیند کار با داده‌ها و مصورسازی با ChatGPT توضیح داده می شود.


#معرفی_کتاب
#چت_جی‌پی‌تی

#ChatGPT
#GPT-4
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «مصورسازی داده ها در پایتون 3 به کمک ChatGPT / GPT-4» به انگلیسی «Python 3 Data Visualization Using ChatGPT / GPT-4»


#دانلود_کتاب
#چت_جی‌پی‌تی

#ChatGPT
#GPT-4
پایتون برای مالی
🆔 www.tg-me.com/python4finance
🆔 ble.ir/python4finance

میلاد با سعادت مولی الموحدین، امیر المومنین حضرت علی علیه السلام مبارک.
@python4finance

یکی از اصلی ترین نیازهای سخت افزاری در پردازش های هوش مصنوعی، پردازنده های قوی است. معمولا برای پردازش های سنگین از GPU استفاده می شود. در تصویر زیر مقایسه ای بین نرخ رشد سهام شرکت مایکروسافت ، گوگل و NVDIA (اصلی ترین تولید کننده کارت های گرافیکی) را مشاهده می نمایید. رشد بی سابقه قیمت سهام این شرکت در مقایسه با قول های نرم افزاری دنیا مانند مایکروسافت و گوگل نشان دهنده اقبال بسیار زیاد به هوش مصنوعی است.

#code by @Python4finance
import yfinance as yf
import matplotlib.pyplot as plt
plt.style.use('ggplot')
df=yf.download("NVDA GOOG MSFT",start="2023-01-01", progress=False)["Adj Close"]
df=df/df.iloc[0]
df.plot(figsize=(16,6))
plt.show()

پایتون برای مالی
🆔 @python4finance

سامانه جدید بانک اطلاعات سری‌های زمانی اقتصادی کشور
معمولا بانک مرکزی کشورها، متناوبا اطلاعات جامعی را در خصوص متغیرهای اصلی اقتصادی منتشر می کنند. در ایران هم بانک مرکزی متصدی این موضوع بود و از سال 85 سامانه ای را برای این موضوع راه اندازی کرده بود. خوشبختانه از چند روز پیش نسخه جدید این سامانه بارگذاری شده است.
این سامانه مشتمل بر بیش از یک هزار و پانصد متغیر مهم اقتصادی است که لازمه‌ی انجام بسیاری از کارهای تحقیقاتی و پژوهشی کشور می‌باشند. این اطلاعات در ۱۳ سرفصل کلی شامل عناوین ذیل طبقه بندی شده‌اند.
- بخش خارجی
- متغیرهای پولی و اعتباری
- بورس
- شاخص‌های قیمت
- انرژی
- صنعت و معدن
- ساختمان و مسکن
- حمل و نقل
- کشاورزی
- امور اجتماعی
- نیروی انسانی و اشتغال
- حساب‌های ملی
- وضعیت مالی دولت

اساتید، دانشجویان و محققین می توانند به اطلاعات هر یک از متغیرهای اقتصادی در عناوینی که بیان شد با تواترهای سالانه، فصلی و ماهانه در بازه های زمانی طولانی دسترسی داشته باشند.

🌐 آدرس سامانه: tsdview.cis.cbi.ir

پایتون برای مالی
🆔 @python4finance

اگر به موضوعات اقتصاد و تحول دیجیتال علاقه مند هستید، گاه نوشته های خودم در این خصوص رو در این کانال با شما به اشتراک می گذارم. خیلی خوشحال می شوم اگر اون رو هم دنبال کنید...

عضویت در کانال تحول دیجیتال 👇👇👇👇👇👇
www.tg-me.com/DigitalTransformation4all

میلاد با سعادت امام حسین (ع)،حضرت عباس(ع) و حضرت امام سجاد(ع) مبارک.

#مناسبت

🆔 www.tg-me.com/python4finance