مشخصات کتاب

Python for Finance Cookbook: Over 80 powerful recipes for effective financial data analysis, 2nd Edition

ویرایش: [2 ed.] 
نویسندگان: Eryk Lewinson  
سری:  
ISBN (شابک) : 1803243198, 9781803243191 
ناشر: Packt Publishing 
سال نشر: 2022 
تعداد صفحات: 740
[741] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 62 Mb 

در صورت تبدیل فایل کتاب Python for Finance Cookbook: Over 80 powerful recipes for effective financial data analysis, 2nd Edition 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 کتاب آشپزی Python for Finance: بیش از 80 دستور العمل قدرتمند برای تجزیه و تحلیل موثر داده های مالی، ویرایش دوم 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.

توضیحاتی در مورد کتاب کتاب آشپزی Python for Finance: بیش از 80 دستور العمل قدرتمند برای تجزیه و تحلیل موثر داده های مالی، ویرایش دوم

از کتابخانه‌های مدرن پایتون مانند پانداها، NumPy، و روش‌های یادگیری ماشینی محبوب و محبوب و یادگیری عمیق برای حل مشکلات مدل‌سازی مالی استفاده کنید. ویژگی های کلیدی • دستور العمل های منحصر به فرد برای پردازش و تجزیه و تحلیل داده های مالی را با پایتون کاوش کنید • رویکردهای کلاسیک و یادگیری ماشینی را برای تحلیل سری زمانی مالی به کار ببرید • محاسبه شاخص های مختلف تحلیل تکنیکال و بک تست استراتژی های معاملاتی توضیحات کتاب پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در صنعت مالی است که مجموعه عظیمی از کتابخانه‌های همراه دارد. در این نسخه جدید از Python for Finance Cookbook، شما رویکردهای مالی کمی کلاسیک برای مدل‌سازی داده‌ها، مانند GARCH، CAPM، مدل‌های فاکتور، و همچنین راه‌حل‌های یادگیری ماشین مدرن و یادگیری عمیق را بررسی خواهید کرد. شما از کتابخانه های محبوب پایتون استفاده خواهید کرد که در چند خط کد، ابزاری را برای پردازش سریع، تجزیه و تحلیل و نتیجه گیری از داده های مالی فراهم می کنند. در این نسخه جدید، تاکید بیشتری بر تجزیه و تحلیل داده های اکتشافی برای کمک به تجسم و درک بهتر داده های مالی شده است. در حین انجام این کار، همچنین یاد خواهید گرفت که چگونه از Streamlit برای ایجاد برنامه های وب زیبا و تعاملی برای ارائه نتایج تحلیل های فنی استفاده کنید. با استفاده از دستور العمل های موجود در این کتاب، در تجزیه و تحلیل داده های مالی، چه برای پروژه های شخصی یا حرفه ای، مهارت خواهید داشت. همچنین متوجه خواهید شد که با چنین تحلیل هایی باید انتظار چه مسائل بالقوه ای را داشته باشید و مهمتر از آن، چگونه بر آنها غلبه کنید. آنچه خواهید آموخت • داده های مالی را پیش پردازش، تحلیل و تجسم کنید • مدل‌سازی سری‌های زمانی را با مدل‌های آماری (هموارسازی نمایی، ARIMA) و مدل‌های یادگیری ماشین کاوش کنید. • الگوریتم های پیشرفته پیش بینی سری های زمانی مانند پیامبر متا را کشف کنید • از شبیه سازی مونت کارلو برای ارزیابی مشتقات و ارزیابی ریسک استفاده کنید • مدل سازی نوسانات را با استفاده از مدل های GARCH تک متغیره و چند متغیره بررسی کنید • بررسی رویکردهای مختلف برای تخصیص دارایی • نحوه نزدیک شدن به پروژه های ML را با استفاده از مثالی از پیش بینی پیش فرض بیاموزید • مدل‌های یادگیری عمیق مدرن مانند TabNet Google، DeepAR آمازون و NeuralProphet را کاوش کنید. این کتاب برای چه کسی است این کتاب برای تحلیلگران مالی، تحلیلگران داده و دانشمندان و توسعه دهندگان پایتون با آشنایی با مفاهیم مالی در نظر گرفته شده است. شما یاد خواهید گرفت که چگونه به درستی از روش های پیشرفته برای تجزیه و تحلیل استفاده کنید، از دام های احتمالی و اشتباهات رایج اجتناب کنید، و برای طیف گسترده ای از مشکلات مالی به نتایج صحیح برسید. دانش کاری زبان برنامه نویسی پایتون (به ویژه کتابخانه هایی مانند پانداها و NumPy) ضروری است.

توضیحاتی درمورد کتاب به خارجی

Use modern Python libraries such as pandas, NumPy, and scikit-learn and popular machine learning and deep learning methods to solve financial modeling problems Key Features • Explore unique recipes for financial data processing and analysis with Python • Apply classical and machine learning approaches to financial time series analysis • Calculate various technical analysis indicators and backtesting backtest trading strategies Book Description Python is one of the most popular programming languages in the financial industry, with a huge collection of accompanying libraries. In this new edition of the Python for Finance Cookbook, you will explore classical quantitative finance approaches to data modeling, such as GARCH, CAPM, factor models, as well as modern machine learning and deep learning solutions. You will use popular Python libraries that, in a few lines of code, provide the means to quickly process, analyze, and draw conclusions from financial data. In this new edition, more emphasis was put on exploratory data analysis to help you visualize and better understand financial data. While doing so, you will also learn how to use Streamlit to create elegant, interactive web applications to present the results of technical analyses. Using the recipes in this book, you will become proficient in financial data analysis, be it for personal or professional projects. You will also understand which potential issues to expect with such analyses and, more importantly, how to overcome them. What you will learn • Preprocess, analyze, and visualize financial data • Explore time series modeling with statistical (exponential smoothing, ARIMA) and machine learning models • Uncover advanced time series forecasting algorithms such as Meta's Prophet • Use Monte Carlo simulations for derivatives valuation and risk assessment • Explore volatility modeling using univariate and multivariate GARCH models • Investigate various approaches to asset allocation • Learn how to approach ML-projects using an example of default prediction • Explore modern deep learning models such as Google's TabNet, Amazon's DeepAR and NeuralProphet Who this book is for This book is intended for financial analysts, data analysts and scientists, and Python developers with a familiarity with financial concepts. You'll learn how to correctly use advanced approaches for analysis, avoid potential pitfalls and common mistakes, and reach correct conclusions for a broad range of finance problems. Working knowledge of the Python programming language (particularly libraries such as pandas and NumPy) is necessary.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Handbook of LGBTQ-Affirmative Couple and Family Therapy

دانلود کتاب Inside Case-Based Reasoning (Artificial Intelligence Series)

دانلود کتاب Sfârşitul istoriei şi ultimul om

دانلود کتاب Offshore renewable energy : accelerating the deployment of offshore wind, tidal, and wave technologies

دانلود کتاب Monolayer and Submonolayer Helium Films