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
دسته بندی: سازمان و پردازش داده ها ویرایش: 2nd نویسندگان: Yves Hilpisch سری: ناشر: O’Reilly Media سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Python for Finance: Mastering Data-Driven 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: تسلط بر داده های مبتنی بر 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.
صنعت مالی اخیراً پایتون را با نرخ فوق العاده ای پذیرفته است و
برخی از بزرگترین بانک های سرمایه گذاری و صندوق های تامینی از آن
برای ساختن سیستم های تجاری و مدیریت ریسک اصلی استفاده می کنند.
نسخه دوم این کتاب عملی که برای Python 3 بهروزرسانی شده است، به
شما کمک میکند تا با زبان شروع کنید، توسعهدهندگان و تحلیلگران
کمی را از طریق کتابخانههای Python و ابزارهایی برای ساخت
برنامههای مالی و تجزیه و تحلیل مالی تعاملی راهنمایی
میکند.
استفاده از نویسنده Yves Hilpisch همچنین به شما نشان می دهد که
چگونه می توانید یک چارچوب کامل برای مشتقات مبتنی بر شبیه سازی
مونت کارلو و تجزیه و تحلیل ریسک، بر اساس یک مطالعه موردی بزرگ و
واقع بینانه، در سراسر کتاب مثال های عملی ایجاد کنید. بیشتر کتاب
از نوت بوک های تعاملی IPython استفاده می کند.
The financial industry has recently adopted Python at a
tremendous rate, with some of the largest investment banks and
hedge funds using it to build core trading and risk management
systems. Updated for Python 3, the second edition of this
hands-on book helps you get started with the language, guiding
developers and quantitative analysts through Python libraries
and tools for building financial applications and interactive
financial analytics.
Using practical examples throughout the book, author Yves
Hilpisch also shows you how to develop a full-fledged framework
for Monte Carlo simulation-based derivatives and risk
analytics, based on a large, realistic case study. Much of the
book uses interactive IPython Notebooks.