×
۱۳۰,۰۰۰ تومان

آموزش بهینه سازی سبد سهام در پایتون

آموزش بهینه سازی سبد سهام در پایتون

هزینه آموزش
۱۳۰,۰۰۰ تومان

تعداد دانشجو
۱۰۴ نفر
مدت زمان
۲ ساعت و ۲۹ دقیقه
محتوای این آموزش
تضمین کیفیت
۲ بازخورد (مشاهده نظرات)

بهینه‌سازی سبد سهام (Portfolio Optimization) یکی از مسائل مهم در حوزه علوم مالی و سرمایه‌گذاری است که کاربردهای فراوانی را در برنامه‌ریزها و تصمیم‌گیری‌های مالی دارد. در این آموزش در ابتدا با مبانی ریاضی مدل‌های مالی آشنا و سپس آن‌ها را در پایتون (Python) پیاده‌سازی خواهیم کرد. در طول آموزش از روش‌های بهینه‌سازی تک‌هدفه (Single-Objective Optimization) و چندهدفه (Multi-Objective Optimization) بهره برده شده است که می‌توانند به خوبی تمامی مدل‌سازی‌ها را پوشش دهند.

آموزش بهینه سازی سبد سهام در پایتون

تعداد دانشجو
۱۰۴ نفر
مدت زمان
۲ ساعت و ۲۹ دقیقه
هزینه آموزش
۱۳۰,۰۰۰ تومان
محتوای این آموزش
تضمین کیفیت
۲ بازخورد (مشاهده نظرات)

سید علی کلامی‌ هریس

مدرس پایتون و یادگیری ماشین

سید علی کلامی هریس، دانشجوی دکتری عمومی داروسازی در دانشگاه علوم پزشکی تهران، در زمینه‌های پایتون، یادگیری ماشین و بازارهای مالی فعالیت دارند. ایشان در زمینه‌ یادگیری ماشین از جمله یادگیری نظارت‌شده (Supervised Learning) و یادگیری تقویتی (Reinforcement Learning) مشغول فعالیت هستند و در سال‌های اخیر تمرکز ایشان بر روی تحلیل سری‌های زمانی مربوط به بازارهای مالی و پیاده‌سازی و مدل‌سازی‌هایی مربوط به ساختار مولکول‌ها بوده است.

توضیحات تکمیلی

بهینه‌سازی سبد سهام (Portfolio Optimization) یا انتخاب بهینه سبد سهام (Optimal Portfolio Selection) یکی از مسائل مهم در حوزه علوم مالی و سرمایه‌گذاری است که کاربردهای فراوانی را در برنامه‌ریزها و تصمیم‌گیری‌های مالی دارد. با انتخاب یک سبد سهام مناسب، می‌توان تا حدود زیادی بهینگی را در سرمایه‌گذاری (به لحاظ افزایش بازده و کاهش ریسک) افزایش داد.

در این آموزش در ابتدا با مبانی ریاضی مدل‌های مالی آشنا و سپس آن‌ها را در پایتون (Python) پیاده‌سازی خواهیم کرد. در طول آموزش از روش‌های بهینه‌سازی تک‌هدفه (Single-Objective Optimization) و چندهدفه (Multi-Objective Optimization) بهره برده شده است که می‌توانند به خوبی تمامی مدل‌سازی‌ها را پوشش دهند.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • فصل یکم: مدل ریاضی مساله بهینه‌سازی سبد سهام (Portfolio Optimization Problem)
    • درس یکم: مبانی ریاضیاتی مدل میانگین واریانس مارکویتز (Markowitz)
    • درس دوم: بررسی سایر معیارهای ریسک
    • درس سوم: بررسی معیارهای ارزیابی پرتفوی
  • فصل دوم: پیاده‌سازی مدل در پایتون
    • درس چهارم: دریافت مجموعه داده و بررسی آن
    • درس پنجم: پیاده‌سازی روابط و ارزیابی سبدهای تصادفی
    • درس ششم: ارزیابی سبدهای تصادفی با بیش از دو نماد
  • فصل سوم: بهینه‌سازی سبد سهام به صورت مساله تک‌هدفه
    • درس هفتم: آشنایی با الگوریتم بهینه‌سازی ازدحام ذرات
    • درس هشتم: بهینه‌سازی با حداقل بازده مورد انتظار
    • درس نهم: بهینه‌سازی با حداکثر ریسک قابل قبول و نسبت شارپ (Sharpe Ratio)
    • درس دهم: بهینه‌سازی با نسبت سورتینو (Sortino)
    • درس یازدهم: بهینه‌سازی با نسبت کالمار (Calmar)
  • فصل چهارم: بهینه‌سازی سبد سهام به صورت مساله چندهدفه
    • درس دوازدهم: آشنایی با کتابخانه PyPortfolioOpt و بیشینه‌سازی نسبت شارپ
    • درس سیزدهم: رسم نمودار سطح کارا و کمینه‌سازی ریسک
مفید برای
  • اقتصاد
  • مدیریت
  • بورس و بازار سهام
  • بازار رمزارز

پیش نیاز

آشنایی با محاسبات برداری در Numpy
آشنایی با آمار

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Python 3.9.0

پیش نمایش‌ها

۱. مبانی ریاضیاتی مدل میانگین واریانس مارکویتز (Markowitz)
۲. ارزیابی سبدهای تصادفی با بیش از دو نماد
۳. بهینه‌سازی با نسبت کالمار (Calmar)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۱۴ جلسه ویدئویی با مجموع ۲ ساعت و ۲۹ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش بهینه سازی سبد سهام در پایتون
ناشر فرادرس
کد آموزش FVFPY104
مدت زمان ۲ ساعت و ۲۹ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۳۰۳ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.




نظرات

تا کنون ۱۰۴ نفر از این آموزش استفاده کرده‌اند و ۲ نظر ثبت شده است.
حامد
حامد
۱۴۰۱/۰۴/۱۷
بسیار عالی یک دور مرور کردم مزیت چشمگیر تدریس مهندس کلامی اینه که با سرعت خوبی تدریس میکنند و به این صورت من خیلی بهتر مطالب رو درک میکنم
مرتضی
مرتضی
۱۴۰۱/۰۳/۲۵
هنوز ندیدم بنظر میاد خوب باشه
برچسب‌ها:
Calmar Ratio | Markowitz Variance | Optimal Portfolio Selection | Particle Swarm Optimization | Portfolio Optimization | Portfolio Optimization Problem | PSO Algorithm | PyPortfolioOpt Library | Python programming | Python Programming Language | Sharpe Ratio | Sortino Ratio | آشنایی با کتابخانه PyPortfolioOpt | آموزش بهینه‌ سازی سبد سهام | ارزیابی سبدهای تصادفی | اصول بهینه‌ سازی سبد سهام | الگوریتم بهینه سازی ازدحام ذرات | انتخاب بهینه سبد سهام | اهمیت بهینه‌ سازی سبد سهام | بررسی معیارهای ارزیابی پرتفوی | بررسی معیارهای ریسک | برنامه نویسی پایتون | بهینه‌ سازی با حداقل بازده مورد انتظار | بهینه ‌سازی با نسبت کالمار | بهینه ‌سازی تک‌ هدفه در مدل های مالی | بهینه سازی چند هدفه در مدل های مالی | بهینه ‌سازی سبد سهام تک‌ هدفه | بهینه ‌سازی سبد سهام چندهدفه | بهینه‌ سازی سبد سهام در پایتون | بهینه‌سازی با حداکثر ریسک قابل قبول | بهینه‌سازی با نسبت سورتینو | بهینه‌سازی با نسبت شارپ | بیشینه‌سازی نسبت شارپ | پیاده‌ سازی روابط سبدهای تصادفی | پیاده ‌سازی مدل در پایتون | روش های بهینه‌ سازی سبد سهام | سبدهای تصادفی با دو نماد | شیوه های بهینه‌ سازی سبد سهام | عملکرد بهینه‌ سازی سبد سهام | کاربرد بهینه‌ سازی سبد سهام | کمینه‌ سازی ریسک | مبانی ریاضی مدل‌ های مالی | مدل میانگین واریانس مارکویتز | مساله بهینه سازی سبد سهام | نحوه بهینه‌ سازی سبد سهام | یادگیری بهینه‌ سازی سبد سهام
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۱۴ جلسه ویدئویی
×