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: 2nd
نویسندگان: Yuxing Yan
سری:
ISBN (شابک) : 1787125696, 9781787125698
ناشر: Packt Publishing
سال نشر: 2017
تعداد صفحات: 586
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب پایتون برای امور مالی: مدلسازی و طراحی داده، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری، پردازش داده، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری، مالی شخصی، نرمافزار، رایانهها و فناوری، حسابداری، نرمافزار، رایانهها و فناوری، ریاضی و آماری، نرمافزار، رایانه و فناوری، پایتون، زبان های برنامه نویسی، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب Python for Finance 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 پایتون برای امور 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.
یادگیری و پیاده سازی مفاهیم مختلف کمیت مالی با استفاده از کتابخانه های محبوب پایتون
این کتاب فرض میکند که خوانندگان دانش اولیه مرتبط با پایتون دارند. با این حال، او دانش مالی کمی ندارد. علاوه بر این، او هیچ دانشی در مورد داده های مالی ندارد.
این کتاب از Python به عنوان ابزار محاسباتی خود استفاده میکند. از آنجایی که پایتون رایگان است، هر مدرسه یا سازمانی می تواند آن را دانلود و استفاده کند.
این کتاب بر اساس موضوعات مختلف مالی سازماندهی شده است. به عبارت دیگر، نسخه اول بیشتر بر پایتون تمرکز دارد، در حالی که ویرایش دوم واقعاً سعی دارد پایتون را در امور مالی اعمال کند.
کتاب با توضیح موضوعات منحصراً مرتبط با پایتون شروع میشود. سپس به بخشهای حیاتی پایتون میپردازیم و مفاهیمی مانند ارزش زمانی سهام پول و ارزیابی اوراق قرضه، مدل قیمتگذاری داراییهای سرمایهای، مدلهای چندعاملی، تحلیل سریهای زمانی، نظریه پورتفولیو، گزینهها و معاملات آتی را توضیح میدهیم.
این کتاب به ما کمک می کند تا اصول مالی کمی را بیاموزیم یا مرور کنیم و از پایتون برای حل مشکلات مختلف مانند تخمین ریسک بازار IBM، اجرای فاکتور فاما-فرانسوی 3-عاملی، 5-عاملی یا فاما-فرنچ-کارهارت 4 استفاده کنیم. مدل، تخمین VaR یک سبد سهام 5، تخمین سبد بهینه، و ساخت مرز کارآمد برای یک سبد سهام 20 سهام با سهام دنیای واقعی، و با شبیه سازی مونت کارلو. بعداً، همچنین یاد خواهیم گرفت که چگونه مدل معروف آپشن بلک-اسکولز-مرتون را تکرار کنیم و چگونه گزینه های عجیب و غریب مانند گزینه تماس با قیمت متوسط را قیمت گذاری کنیم.
این کتاب یک رویکرد گام به گام در توضیح کتابخانه ها و ماژول ها در پایتون و نحوه استفاده از آنها برای اجرای جنبه های مختلف مالی کمی دارد. هر مفهوم به طور عمیق توضیح داده شده و برای درک بهتر با مثال های کد تکمیل شده است.
Learn and implement various Quantitative Finance concepts using the popular Python libraries
This book assumes that the readers have some basic knowledge related to Python. However, he/she has no knowledge of quantitative finance. In addition, he/she has no knowledge about financial data.
This book uses Python as its computational tool. Since Python is free, any school or organization can download and use it.
This book is organized according to various finance subjects. In other words, the first edition focuses more on Python, while the second edition is truly trying to apply Python to finance.
The book starts by explaining topics exclusively related to Python. Then we deal with critical parts of Python, explaining concepts such as time value of money stock and bond evaluations, capital asset pricing model, multi-factor models, time series analysis, portfolio theory, options and futures.
This book will help us to learn or review the basics of quantitative finance and apply Python to solve various problems, such as estimating IBM's market risk, running a Fama-French 3-factor, 5-factor, or Fama-French-Carhart 4 factor model, estimating the VaR of a 5-stock portfolio, estimating the optimal portfolio, and constructing the efficient frontier for a 20-stock portfolio with real-world stock, and with Monte Carlo Simulation. Later, we will also learn how to replicate the famous Black-Scholes-Merton option model and how to price exotic options such as the average price call option.
This book takes a step-by-step approach in explaining the libraries and modules in Python, and how they can be used to implement various aspects of quantitative finance. Each concept is explained in depth and supplemented with code examples for better understanding.