دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed. 2021]
نویسندگان: Mauricio Garita
سری:
ISBN (شابک) : 3030291405, 9783030291402
ناشر: Palgrave Pivot
سال نشر: 2021
تعداد صفحات: 266
[257]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Applied Quantitative Finance: Using Python for Financial Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مالی کمی کاربردی: استفاده از پایتون برای تحلیل مالی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب هم دانش مفهومی مالی کمی و هم یک رویکرد عملی برای استفاده از پایتون ارائه می دهد. با توصیف مفاهیم قبل از کاربرد پایتون با هدف درک نحوه محاسبه و تفسیر نتایج آغاز می شود. این کتاب کاربردهای عملی در زمینه مالی را در مورد پایتون ارائه می دهد، زبانی که به دلیل داده های بزرگ در عرصه مالی بیش از پیش مرتبط است. این امر منجر به درک بهتر امور مالی می شود زیرا فرآیند توصیفی را برای دانشجویان، دانشگاهیان و شاغلین ارائه می دهد.
This book provides both conceptual knowledge of quantitative finance and a hands-on approach to using Python. It begins with a description of concepts prior to the application of Python with the purpose of understanding how to compute and interpret results. This book offers practical applications in the field of finance concerning Python, a language that is more and more relevant in the financial arena due to big data. This will lead to a better understanding of finance as it gives a descriptive process for students, academics and practitioners.
Introduction Contents About the Author List of Figures List of Tables List of Equations Why Python? Abstract Installing Python in the Computer Using Jupyter Notebooks with Python Understanding Jupyter Notebooks Using Google Colab References Learning to Use Python: The Basic Aspects Abstract Understanding Numbers in Python Understanding Numbers in Python Using Data Structures in Python What Is a List? How to Create a List? Measuring a List Indexing and Cutting a List Appending Lists Arranging Lists From List to Matrices From List to Dictionaries Modifying a Dictionary Other Interesting Functions of a Dictionary The DataFrame Boolean, Loops and Other Features If, Else and Elif in Python Loops For Loop While Loop List Comprehension References Using FRED® API for Economic Indicators and Data (Example) Abstract Installing the FRED® API Using the FRED® API to Retrieve Data First Step Second Step Third Step The Gross Domestic Product The Gross Domestic Product Price Deflator Understanding the Process into the Basics Comparing GDP Using Stock Market Data in Python Abstract API Sources Most Important Libraries for Using Data in Python in the Present Book Other Important Libraries Not Used in This Book Suggestion of Libraries for Other Applications Using Python with Yahoo Finance API Using Python with Quandl API Using f.fn( ) for Retreiving Information Using Python with Excel Conclusion Regarding Using Data in Python Statistical Methods Using Python for Analyzing Stocks Abstract The Central Limit Theorem Creating a Histogram Creating a Histogram with Line Plots Histograms Using f.fn() Histogram (Percent Change) with Two Variables Histogram (Logarithmic Return) with Two Variables Interquartile Range and Boxplots Boxplot with Two Variables Kernel Density Plot and Volatility Kernel Density Plot (Percent Change) with Two Variables Covariance and Correlation Scatterplots and Heatmaps Works Cited Elements for Technical Analysis Using Python Abstract The Linear Plot with One Stock Price (Max & Min Values and the Range) When to Use Linear Plots in Finance The Linear Plot with Two or More Stock Price Linear Plot with Volume Volume of Trade Comparison of Securities with Volume Plots and Closing Prices Candlestick Charts Candlestick Charts and Volume Customizing Candlestick Charts and Volume with **Kwargs OHLC Charts with Volume Line Charts with Volume Moving Average with Matplotlib Moving Average with Mplfinance The Exponential Moving Average (EMA) The Moving Average Convergence Divergence (MACD) with Baseline The Moving Average Convergence Divergence (MACD) with Signal Line Bollinger Bands ® Backtesting Strategies for Trading Parabolic SAR Fast and Slow Stochastic Oscillators References Valuation and Risk Models with Stocks Abstract Creating a Portfolio Calculating Statistical Measures on a Portfolio The Capital Asset Pricing Model The Beta The Beta and the CAPM Sharpe Ratio Traynor Ratio Jensen’s Measure Information Ratio References Value at Risk Abstract Historical VaR(95) Historical VaR(99) VaR for the Next 10 Days Historical Drawdown Wrapping Up the Book—Understanding Performance Portfolio Performance using f.fn() Fund Performance using f.fn() Works Cited Works Cited Index