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: [2 ed.]
نویسندگان: John Lee. Cheng-Few Lee
سری:
ISBN (شابک) : 3031142357, 9783031142352
ناشر: Springer
سال نشر: 2023
تعداد صفحات: 697
[698]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 69 Mb
در صورت تبدیل فایل کتاب Essentials of Excel VBA, Python, and R: Volume I: Financial Statistics and Portfolio 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 ملزومات Excel VBA، Python و R: جلد اول: آمار مالی و تجزیه و تحلیل پورتفولیو 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 درسی پیشرفته برای آمار کسب و کار به آموزش،
تجزیه و تحلیل آماری و روشهای تحقیق با استفاده از مطالعات موردی
تجاری و دادههای مالی، با برنامههای Excel VBA، Python و R
میپردازد. هر فصل خواننده را با دادههای نمونه گرفتهشده از
سهام، شاخصهای سهام درگیر میکند ، گزینه ها و قراردادهای آتی
اکنون در ویرایش دوم خود، به دو جلد تبدیل شده است که هر جلد به
بخش های خاصی از برنامه درسی تجزیه و تحلیل کسب و کار اختصاص
دارد. برای انعکاس عصر کنونی علم داده و یادگیری ماشین، برنامه
های کاربردی مورد استفاده از Minitab و SAS به Python و R به روز
شده اند، به طوری که خوانندگان بهتر برای صنعت فعلی آماده می
شوند.
این جلد اول برای دوره های پیشرفته طراحی شده است. در آمارهای
مالی، تجزیه و تحلیل سرمایه گذاری و مدیریت پرتفوی. همچنین یک
مرجع جامع برای محققان فعال امور مالی آماری و تحلیلگران تجاری
است که به دنبال ارتقاء ابزارهای خود هستند. خوانندگان می توانند
برای محتوای اختصاصی در مورد مشتقات مالی، مدیریت ریسک و یادگیری
ماشین به جلد دوم نگاه کنند.
This advanced textbook for business statistics teaches,
statistical analyses and research methods utilizing business
case studies and financial data, with the applications of Excel
VBA, Python and R. Each chapter engages the reader with sample
data drawn from individual stocks, stock indices, options, and
futures. Now in its second edition, it has been expanded into
two volumes, each of which is devoted to specific parts of the
business analytics curriculum. To reflect the current age of
data science and machine learning, the used applications have
been updated from Minitab and SAS to Python and R, so that
readers will be better prepared for the current industry.
This first volume is designed for advanced courses in financial
statistics, investment analysis and portfolio management. It is
also a comprehensive reference for active statistical finance
scholars and business analysts who are looking to upgrade their
toolkits. Readers can look to the second volume for dedicated
content on financial derivatives, risk management, and machine
learning.