فینپای | FinPy

#نرخ_بهره

مروری بر کارکرد نرخ بهره در اقتصاد

▫️قبل از اینکه به قسمت سوم مجموعه پست #کاربرد_ابزارهای_مشتقه بپردازیم، لازمه یه مروری روی نرخ بهره و اهمیت اش در اقتصاد داشته باشیم. به زبان خیلی ساده و خودمونی اگر در یک اقتصاد نرخ بهره بالا باشه، کسب و کارها و افراد با احتیاط پول قرض میکنن و خرج کردن و تقاضا در اقتصاد برای کالاها و خدمات کاهش و در نتیجه رشد سطح عمومی قیمت ها متوقف میشه. در واقع یکی از ابزارهای مهار و کنترل تورم در اقتصادهای بزرگ همین افزایش نرخ بهره هست که در اختیار بانک مرکزی بوده و البته غالبا در نهایت منجر به رکود تولید و اقتصاد هم میشه. بنابراین هزینه کنترل تورم های بالا در اقتصاد های پیشرفته رکود تولید و اقتصاد هست. توضیح اینکه، در اقتصادهای پیشرفته، تورم سالانه بیشتر از ۲٪ هم بالا محسوب میشه چون اینا یه هدف گذاری تورمی سالانه ۲ درصد دارند. به این نکته هم توجه داشته باشید که بخشی از قدرت اثرگذاری نرخ بهره در اقتصاد های بزرگ از نقش پررنگ اعتبار در اون اقتصادها ناشی میشه، مثلا شما میتونید تو اروپا و آمریکا با پیش پرداخت اندکی و با دریافت اعتباری که براش بهره پرداخت میکنید، صاحب خانه و خودرو بشید. برعکس این موارد هم برای نرخ بهره پایین صادقه.

▫️ بنابراین نرخ بهره یه ابزار سیاست پولی هست که بانک مرکزی اقتصادهای بزرگ مثل فدرال رزرو آمریکا ازش برای رسیدن به هدف دوگانه کنترل تورم و حفظ رشد اقتصادی مثبت استفاده میکنند. البته که در تورم های بالا، مثل چیزی که در سالیان اخیر در امریکا و اروپا شاهد اش بودیم، هدف رشد اقتصادی ممکنه فدای کنترل تورم بشه. با توجه به تاثیری که نرخ بهره در کنترل تورم و ارزش پول کشور داره و همچنین اثری که روی تولید شرکتها و میزان سرمایه گذاری میزاره، پیش بینی اینکه نرخ بهره چقدر خواهد بود، اهمیت زیادی در تصمیمات شرکتهای سرمایه گذاری بزرگ و کوچک داره و همیشه سعی بر این بوده که این نرخ رو پیش بینی کنند.

@FinPy

#معرفی_کتاب

Storytelling with Data A Data Visualization Guide for Business Professionals

داستان پردازی با داده ها

▫️بیشتر افراد می توانند داده ها را در نرم افزارهایی مثل اکسل و پایتون و... وارد نمایند و با استفاده از آن نموداری ترسیم نمایند. اما همه افراد توانایی تحلیل داستانی که در اون داده ها وجود دارد را ندارند و تنها توسط مجموعه ای از داده ها و نمودارهای غیرقابل فهم محاصره شده اند.

▫️این دقیقا همان جایی هست که به شما به عنوان یک تحلیل گر نیاز است تا بتوانید مفاهیم نمودارها را به صورت مصورسازی در بستری مناسب به مخاطب ارائه نمایید و بتوانید آن داده ها را تحلیل نمایید و پیام آن داده ها را به مخاطبین آن منتقل نمایید.

▫️موضوعی که این کتاب بر آن تمرکز دارد همین بحث داستان پردازی است و میتونه به شما در این زمینه کمک نماید.

▫️در این ویدئو نیز در این زمینه توضیحاتی ارائه شده است.

@FinPy

#bibliometrix

▫️ در ادامه توضیحات پست قبلی که در مورد تهیه پیشینه مقاله با بیبلیومتریکس بود، دوتا مساله برای برخی از دوستان مطرح شده بود، یکی در خصوص تکراری بودن مقالات در خروجی ای که از Scopus گرفته می شود و نحوه حذف آن و مورد دیگر نحوه ترکیب خروجی دیتا از پایگاه های مختلف مانند Scopus و Web of Science (WoS) هست که شما میتونید با استفاده از توضیحات مطرح شده در این ویدئو نحوه ترکیب دیتا رو یاد بگیرید.

▫️ راهکار اول از طریق کد نوشتن در R هست که میتونید خروجی ها رو ترکیب کنید و راهکار دوم که ساده تر هست، استفاده از این سایت هست.

@FinPy

#کاربرد_ابزارهای_مشتقه

آیا میتوان از اطلاعات موجود در ابزارهای مشتقه مالی برای پیش بینی بازار استفاده کرد؟ - قسمت دوم (قراردادهای آتی یا فیوچرز)

▫️نکته ای که قبل از ادامه بحث میخوام روش تاکید کنم اینه که کاربرد اصلی ابزارهای مشتقه مالی مثل قراردادهای اختیار یا آتی، هج کردن ریسکه، ولی هدف از این سلسله پست، های لایت کردن کاربرد جانبی این قراردادها و قابلیت استفاده از اونها در اندازه گیری انتظارات بازار (Market Expectation) در خصوص قیمت آینده دارایی پایه هست که میتونه به عنوان ورودی در مدل های پیش بینی مورد استفاده قرار بگیره.

▫️طبق تعریف، قرارداد آتی نوعی ابزار مشتقه مالیه که در اون بر خلاف قرارداد اختیار، خریدار (فروشنده) ملزمه در تاریخ سررسید، دارایی پایه رو با قیمت توافق شده خریداری کنه (بفروشه). بنابراین این نوع از قرارداد هم، میتونه انتظارات فعالان غالبا کارکشته و بزرگ بازار از قیمت دارایی پایه در آینده رو منعکس کنه. نکته خیلی مهمی که در این خصوص باید بهش توجه داشته باشید، اینه که فقط قراردادهای آتی که دارایی پایه اونها غیر قابل ذخیره (Non-Storable) هستند، چنین ویژگی ای رو دارند و نه هر قرارداد آتی ای! مثل قراردادهای آتی که روی مثلا نرخ بهره بسته میشند. برای برخی از کالاها مثل نفت هم که امکان ذخیره اون نسبت به میزان مصرف اش نمیتونه خیلی زیاد باشه، میشه با ملاحظاتی از اطلاعات موجود در قراردادهای آتی اش برای پیش بینی قیمت اش در آینده استفاده کرد. برای کسب اطلاعات بیشتر، پست زیر رو مطالعه کنید:

The Futures Market as Forecasting Tool: An Imperfect Crystal Ball

▫️در قسمت سوم، به عنوان یک مثال، به بررسی استفاده از قراردادهای آتی در پیش بینی نرخ بهره آمریکا که توسط کمیته FOMC تعیین میشه، خواهیم پرداخت. نرخ بهره ای که روی همه بازارها از بازار سهام گرفته تا بازار کامودیتی ها، جفت ارزها و شاید رمزارزها (!) هم تاثیر میزاره و پیش بینی اش میتونه منجر به تصمیمات آگاهانه تری بشه. تا اون موقع، میتونید سری به صفحه ابزار فدواچ که نمونه ای از چنین کاربردی هست، بزنید!

@FinPy

هوش مصنوعی چقدر در مورد Quantitative Trading می داند؟! (ویرایش جدید مبتنی بر ChatGPT4)

▫️تو چند ماه اخیر ChatGPT اونقدر سر و صدا راه انداخت و فضای مجازی با محتواهای "از هوش مصنوعی پرسیدم/خواستم که فلان چیز چجوریه و ..." اشباع شد که تقریبا میشه گفت همه باهاش آشنا هستند و شاید تجربه کاربری اش رو هم دارن.

▫️قبلا هم یه پست اینجا زدیم که آقای Gautier Marti با استفاده از پاسخ های ChatGPT کتابچه ای حاوی اطلاعاتی در مورد کوانت تریدینگ تولید کرده بودن، که در نوع خودش جالب بود. در واقع ChatGPT برای چنین کارهای مروری و جمع آوری اطلاعات تو حوزه کاری ما مناسبه و نمیشه روش برای حل مسایل مثلا ریاضی حساب باز کرد.

▫️حالا آقای Gautier Marti ویرایش جدیدی از کار قبلی اش رو با ChatGPT4 با عنوان زیر تولید کرده که از قرار جامع تره و محتوای غنی تری داره:

Decoding the Quant Market - A Guide to Machine Learning in Trading

#ChatGPT

@FinPy

#کاربرد_ابزارهای_مشتقه

آیا میتوان از اطلاعات موجود در ابزارهای مشتقه مالی برای پیش بینی بازار استفاده کرد؟ - قسمت اول (قراردادهای اختیار معامله یا آپشن)

▫️اگر تجربه استفاده از ماشین لرنینگ برای پیش بینی بازار رو داشته باشید، احتمالا خیلی زود متوجه شدید که این ابزارها به خودی خود معجزه نمیکنند و موفقیت شون، به شدت وابسته به ورودی هایی که شما با اتکا به دانش مالی و درک تون از مکانیزم عملکرد بازار و البته بازی با دیتا، به این مدل ها میدید، وابسته هست.

▫️یکی از ورودی هایی که میشه در پیش بینی بازار دخیل کرد، اطلاعاتی هست که از ابزارهای مشتقه مالی به دست میاد. به عبارتی رفتار قیمت این ابزارها، انتظارات فعالان غالبا کارکشته و بزرگ بازار رو از آینده یک دارایی منعکس میکنند. (منظور بازار مشتقات ایران نیست!) به عنوان یه نمونه از چنین کاربردی، این پست آقای Peter Cotton مولف کتاب Microprediction رو ببینید که در خصوص نحوه استفاده از اطلاعات موجود در بازار اختیار (options) در رقابت پیش بینی M6 برای انتخاب دارایی و بستن پرتفو از یونیورسی شامل سهام و ETF توضیح داده.

@FinPy

#دیتا
#بورس_تهران

▫️عزیزانی که برای انجام امور آموزشی و تحقیقاتی خودشون به داده های بازار بورس تهران نیاز دارند و جمع آوری اش با توجه به کندی سرعت اینترنت یا مشکلات دیگه براشون سخته میتونن از این مجموعه داده، در صورتی که نیازشون رو برآورده میکنه، استفاده کنند:

۱) سری زمانی سابقه قیمت برای ۷۴۰ نماد.
۲) سری زمانی سابقه حقیقی-حقوقی برای ۷۴۰ نماد.
۳) سابقه تعدیل قیمت برای ۶۹۰ نماد.
۴) سری زمانی سابقه ارزش بازار و تعداد برگه سهم برای ۷۴۰ نماد.

▫️فرمت فایل ها به صورت اکسل (هر سهم یک فایل اکسل) بوده و همگی در تاریخ ۱۴۰۲/۰۱/۱۸ به روزرسانی شده اند.

@FinPy
@FinPyData

#bibliometrix

▫️ یکی از ابتدایی ترین کارها برای شروع انجام پژوهش، دانستن پیشینه پژوهش در مورد موضوعی هست که در نظر داریم روی اون مساله کار کنیم، کتابخانه bibliometrix در R به شما کمک میکنه که دیدی نسبتا جامع نسبت به موضوعی که در نظر دارید برای پژوهش خود انجام بدهید پیدا نمایید. در این ویدئو نحوه کارکرد این کتابخانه آمده است و در این مقاله نیز نحوه کار کردن با این کتابخانه توضیح داده شده است.

@FinPy

#متا_لیبلینگ

▫️اگر دنبال موضوعی برای مطالعه در ایام باقیمانده از تعطیلات نوروز هستید، پیشنهاد ما مطالعه سلسله مقالات زیر از ژورنال Financial Data Science در خصوص موضوع متالیبلینگ هست:

Meta-Labeling: Theory and Framework
Meta-Labeling Architecture
Ensemble Meta-Labeling
Meta-Labeling: Calibration and Position Sizing

▫️توضیح مختصر در مورد متالیبلینگ - فرض کنید یه سیستم معاملاتی دارید که بهتون سیگنال خرید و فروش میده. اسم این سیستم معاملاتی که هیچ لزومی هم نداره درش از ML استفاده شده باشه رو میزاریم مدل اولیه. شما میتونید با استفاده از یه مدل ثانویه که مبتنی بر ML هست، به منظور سایزینگ پوزیشن (مدیریت ریسک)، فیلتر کردن سیگنال های زیانده و بهبود عملکرد مدل اولیه (مثل Sharpe Ratio و Drawdown) استفاده کنید. این فرآیند استفاده از مدل ثانویه که روی مدل اولیه سوار میشه رو بهش میگن متا لیبلینگ (Meta-Labeling).

دانلود فایل PDF مقالات

@FinPy

#معرفی_کتاب
Python for Accounting

▫️اگر در رشته حسابداری تحصیل یا فعالیت می کنید، احتمالا این شایعات را شنیده اید که "هوش مصنوعی طی چند سال آینده عملکرد حسابداری را تغییر می دهد". اما اینکه دقیقا چه زمانی این ربات ها زمام امور را بدست میگیرند هنوز نامشخص است، اما اینکه چگونه این کار را انجام میدهند، از قبل مشخص است: کسی آن ها را برنامه ریزی خواهد کرد. شما بهترین فرد برای خودکار سازی کارهای تکراری در شغل خود هستید، زیرا از قبل دانش زیادی در زمینه کار با داده ها و اطلاعات دارید.

این کتاب می تواند به شما در خصوص برنامه نویسی پایتون در حسابداری کمک نماید.

@FinPy