دانلود کتاب Mastering Python for Finance: Implement advanced state-of-the-art financial statistical applications using Python (به فارسی: تسلط بر پایتون برای امور مالی: اجرای برنامه های پیشرفته آماری مالی پیشرفته با استفاده از پایتون) نوشته شده توسط «James Ma Weiming»
اطلاعات کتاب تسلط بر پایتون برای امور مالی: اجرای برنامه های پیشرفته آماری مالی پیشرفته با استفاده از پایتون
موضوع اصلی: زیست شناسی و سایر علوم طبیعی
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: James Ma Weiming
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2019
تعداد صفحه: 426
حجم فایل: 14.00 مگابایت
کد کتاب: 1789346460 , 9781789346466
نوبت چاپ: 2nd
توضیحات کتاب تسلط بر پایتون برای امور مالی: اجرای برنامه های پیشرفته آماری مالی پیشرفته با استفاده از پایتون
مهارت های مالی خود را با تسلط بر برنامه های مالی ریاضی و آماری به سطح بالاتری ببرید
ویژگی های کلیدی
مدل های مالی پیشرفته مورد استفاده در صنعت و راه های حل آنها را با استفاده از Python کاوش کنید
ساخت زیرساخت های پیشرفته برای مدل سازی، تجسم، تجارت و موارد دیگر
با استفاده از یادگیری ماشینی و یادگیری عمیق، برنامه های مالی خود را قدرتمند کنید
توضیحات کتاب
نسخه دوم Mastering Python for Finance شما را از طریق انجام محاسبات پیچیده مالی در صنعت مالی با استفاده از متدولوژی های نسل بعدی راهنمایی می کند. شما با استفاده از ابزارهای در دسترس عموم برای انجام موفقیت آمیز مطالعات تحقیقاتی و مدل سازی، و یادگیری مدیریت ریسک ها با کمک مثال های پیشرفته، بر اکوسیستم پایتون مسلط خواهید شد.
شما با تنظیم دفترچه یادداشت Jupyter خود برای اجرای وظایف در سراسر کتاب شروع خواهید کرد. شما یاد خواهید گرفت که با استفاده از کتابخانه های محبوب مانند TensorFlow، Keras، Numpy، SciPy و sklearn، تصمیمات مالی کارآمد و قدرتمند مبتنی بر داده بگیرید. همچنین یاد خواهید گرفت که چگونه با تسلط بر مفاهیمی مانند سهام، گزینه ها، نرخ بهره و مشتقات آنها و تجزیه و تحلیل ریسک با استفاده از روش های محاسباتی، برنامه های مالی بسازید. با استفاده از این مبانی، شما یاد خواهید گرفت که تجزیه و تحلیل آماری را برای داده‌های سری زمانی اعمال کنید و درک کنید که چگونه داده‌های سری زمانی برای پیاده‌سازی یک سیستم آزمون پس‌آزمایی مبتنی بر رویداد و برای کار با داده‌های فرکانس بالا در ساخت یک پلتفرم معاملاتی الگوریتمی مفید هستند. در نهایت، تکنیک‌های یادگیری ماشینی و یادگیری عمیق را که در امور مالی به کار می‌روند، کشف خواهید کرد.
در پایان این کتاب، شما قادر خواهید بود پایتون را برای پارادایم های مختلف در صنعت مالی اعمال کنید و تجزیه و تحلیل داده ها را کارآمد انجام دهید.
آنچه خواهید آموخت
حل مدل های خطی و غیرخطی که مسائل مالی مختلف را نشان می دهند
تجزیه و تحلیل اجزای اصلی را بر روی شاخص DOW و اجزای آن انجام دهید
فرآیندهای سری زمانی ثابت و غیر ثابت را تجزیه و تحلیل، پیش‌بینی و پیش‌بینی کنید
یک ابزار بک تست مبتنی بر رویداد ایجاد کنید و استراتژی های خود را بسنجید
یک پلت فرم معاملاتی الگوریتمی با فرکانس بالا با Python
بسازید
برای مطالعه استراتژی های مبتنی بر VIX، شاخص CBOT VIX را با گزینه های SPX تکرار کنید
وظایف یادگیری ماشینی مبتنی بر رگرسیون و طبقه بندی را برای پیش بینی انجام دهید
از TensorFlow و Keras در معماری شبکه های عصبی یادگیری عمیق استفاده کنید
این کتاب برای چه کسانی است
اگر شما یک تحلیلگر مالی یا داده یا یک توسعه دهنده نرم افزار در صنعت مالی هستید که علاقه مند به استفاده از تکنیک های پیشرفته پایتون برای روش های کمی در امور مالی هستید، این کتاب مورد نیاز شماست! همچنین اگر می‌خواهید قابلیت‌های برنامه‌های مالی موجود خود را با استفاده از تکنیک‌های یادگیری ماشین هوشمند گسترش دهید، این کتاب برای شما مفید خواهد بود. تجربه قبلی در پایتون الزامی است.
فهرست مطالب
مروری بر تحلیل مالی با پایتون
اهمیت خطی بودن در امور مالی
غیرخطی بودن در امور مالی
روش‌های عددی برای گزینه‌های قیمت‌گذاری
مدل سازی نرخ بهره و مشتقات
تجزیه و تحلیل آماری داده های سری زمانی
تجزیه و تحلیل مالی تعاملی با VIX
ساخت یک پلتفرم معاملاتی الگوریتمی
پیاده سازی یک سیستم بک تست
یادگیری ماشینی برای امور مالی
یادگیری عمیق برای امور مالی
Key Features
Explore advanced financial models used by the industry and ways of solving them using Python
Build state-of-the-art infrastructure for modeling, visualization, trading, and more
Empower your financial applications by applying machine learning and deep learning
Book Description
The second edition of Mastering Python for Finance will guide you through carrying out complex financial calculations practiced in the industry of finance by using next-generation methodologies. You will master the Python ecosystem by leveraging publicly available tools to successfully perform research studies and modeling, and learn to manage risks with the help of advanced examples.
You will start by setting up your Jupyter notebook to implement the tasks throughout the book. You will learn to make efficient and powerful data-driven financial decisions using popular libraries such as TensorFlow, Keras, Numpy, SciPy, and sklearn. You will also learn how to build financial applications by mastering concepts such as stocks, options, interest rates and their derivatives, and risk analytics using computational methods. With these foundations, you will learn to apply statistical analysis to time series data, and understand how time series data is useful for implementing an event-driven backtesting system and for working with high-frequency data in building an algorithmic trading platform. Finally, you will explore machine learning and deep learning techniques that are applied in finance.
By the end of this book, you will be able to apply Python to different paradigms in the financial industry and perform efficient data analysis.
What you will learn
Solve linear and nonlinear models representing various financial problems
Perform principal component analysis on the DOW index and its components
Analyze, predict, and forecast stationary and non-stationary time series processes
Create an event-driven backtesting tool and measure your strategies
Build a high-frequency algorithmic trading platform with Python
Replicate the CBOT VIX index with SPX options for studying VIX-based strategies
Perform regression-based and classification-based machine learning tasks for prediction
Use TensorFlow and Keras in deep learning neural network architecture
Who this book is for
If you are a financial or data analyst or a software developer in the financial industry who is interested in using advanced Python techniques for quantitative methods in finance, this is the book you need! You will also find this book useful if you want to extend the functionalities of your existing financial applications by using smart machine learning techniques. Prior experience in Python is required.
Table of Contents
Overview of Financial Analysis with Python
The Importance of Linearity in Finance
Nonlinearity in Finance
Numerical Methods for Pricing Options
Modeling Interest Rates and Derivates
Statistical Analysis of Time Series Data
Interactive Financial Analytics with VIX
Building an Algorithmic Trading Platform
Implementing a Backtesting System
Machine Learning for Finance
Deep Learning for Finance
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.