اگر از دوره Introduction to R for Finance لذت بردید، از Intermediate R for Finance لذت خواهید برد. در اینجا، ابتدا اصول اولیه نحوه کار تاریخ ها در R را یاد می گیرید که یک مهارت مهم برای بقیه دوره است. قدم بعدی شما کاوش در دنیای if، حلقه ها و توابع خواهد بود. اینها ایده های قدرتمندی هستند که برای ابزار هر دانشمند داده های مالی ضروری هستند. در نهایت، ما مدتی را صرف کار با خانواده توابع کاربردی به عنوان جایگزین بردار شده برای حلقه ها خواهیم کرد. و البته، تمام نمونه ها مربوط به امور مالی خواهد بود! لذت ببرید!

چگونه متوجه شویم که سهام ارزان یا گران است؟ برای این کار باید قیمت سهام را با ارزش آن مقایسه کنیم. قیمت سهام را می توان با مراجعه به منابع عمومی مختلف مانند Yahoo Finance یا Google Finance بدست آورد. اگرچه شناسایی ارزش سهام بسیار دشوارتر است. هر سرمایه گذار باید ارزش گذاری سهام خود را شکل دهد. در این دوره، اصول ارزش گذاری سهام را با استفاده از رویکردهای ارزش فعلی، مانند مدل های تخفیف جریان نقدی آزاد به حقوق صاحبان سهام و سود سهام، و مضرب ارزش گذاری، یاد خواهید گرفت. در پایان این دوره، شما می توانید مدل های ارزش گذاری خود را بسازید.

درک اصول اولیه محصولات بیمه عمر برای برنامه ریزی مالی شخصی شما ضروری است، از گرفتن وام مسکن گرفته تا طراحی برنامه بازنشستگی و جستجوی حمایت مالی برای خطر مرگ زودرس. در این دوره، ارزش زمانی پول را مطالعه خواهید کرد و با داده های مرگ و میر انسان کار خواهید کرد تا نشانگرهای جمعیت شناختی (مانند امید به زندگی) را استخراج کنید. ترکیب اصول ارزیابی جریان نقدی با محاسبه احتمال بقا و مرگ در R به شما این امکان را می دهد که ابزارهای روشنگری برای طراحی محصولات بیمه عمر بسازید. شما از این دوره با درک ارزش گذاری مطالبات احتمالی زندگی بیرون می آیید: مستمری های عمر، که درآمدی را پس از زنده ماندن فراهم می کند، و محصولات بیمه عمر، که پس از فوت بیمه گذار، سود پرداخت می کنند.

پس از این دوره در مورد تامین مالی کمی با R، شما می توانید از R برای ایجاد مدلی برای ارزش گذاری اوراق با نرخ بهره ثابت، تخمین و تجزیه و تحلیل بازده اوراق (به عنوان مثال، اندازه گیری هزینه فرصت سرمایه گذاران اوراق قرضه) و تکنیک های مدل مورد استفاده برای محافظت از پرتفوی اوراق در برابر تغییرات نرخ بهره استفاده کنید. چرا ارزش اوراق قرضه؟ اوراق قرضه اوراق بهاداری هستند که توسط دولت ها یا شرکت ها منتشر می شوند که در یک زمان بندی ثابت بهره پرداخت می کنند و شناخته شده ترین نوع اوراق بهادار با درآمد ثابت هستند. بازار با درآمد ثابت ایالات متحده 1.5 برابر بزرگتر از بازار سهام ایالات متحده است، اما بر خلاف سهام، اکثر ابزارهای با درآمد ثابت، از جمله اوراق قرضه، به ندرت معامله می شوند. در نتیجه، قیمت اوراق قرضه ممکن است شاخص کمتر قابل اعتمادی برای ارزش آن باشد و تکنیک‌های تحلیلی هنگام تجزیه و تحلیل و ارزش‌گذاری اوراق ضروری است.

بازار اوراق قرضه جهان حدود 120 تریلیون دلار ارزش دارد. این نقش کلیدی در کمک به دولت ها و کسب و کارها برای افزایش سرمایه ایفا می کند و بخشی ضروری از بیشتر پرتفوی های سرمایه گذاری است. در این دوره، مهارت های ضروری مورد نیاز برای کار در صنایع مالی، بیمه و حسابداری، از جمله درک و تجزیه و تحلیل بازارها را به دست خواهید آورد. از طریق فعالیت‌های عملی، خواهید فهمید که اوراق قرضه چگونه کار می‌کنند، چگونه آن‌ها را قیمت‌گذاری کنید، و چگونه برخی از ریسک‌های آن‌ها را با استفاده از بسته‌های numpy و numpy-Financial ارزیابی کنید.

آیا شما یک تحلیلگر مالی یا تجاری هستید یا به دنبال راهی ساده تر برای مدیریت سبد سهام خود هستید؟ اگر چنین است، یادگیری پایتون می‌تواند کارهای مالی مانند محاسبه ریسک، نقشه‌برداری سلامت بازار، و تجسم روند قیمت سهام را خودکار کند و در وقت و هزینه شما صرفه‌جویی کند.

در این دوره آموزشی، نحوه استفاده از ساختارهای داده پایتون، دستورات کنترل اجرا و DataFrames را برای دستکاری داده های مالی یاد خواهید گرفت. سپس با استفاده از داده‌های بانک فدرال رزرو، با پانداها کار می‌کنید تا روندهای اقتصادی ملی را کشف کنید - بخشی ضروری از درک استراتژی‌های سرمایه‌گذاری. شما همچنین ریسک را بر اساس داده های قیمت سهام محاسبه می کنید و این داده ها را به صورت نمودارهای خوانا نمایش می دهید. در پایان این دوره، شما پایتون جدید وال استریت خواهید بود.

در پیش‌بینی مالی در پایتون، به نقش مدیر مالی وارد می‌شوید و یاد می‌گیرید که چگونه به هیئت مدیره در مورد معیارهای کلیدی در حین ساخت پیش‌بینی مالی، مبانی صورت‌های درآمد و ترازنامه، و تمیز کردن داده‌های مالی نامرتب مشاوره دهید. در طول دوره، مجموعه داده های واقعی از نتفلیکس، تسلا و فورد را با استفاده از بسته پانداها بررسی خواهید کرد. پس از این دوره، می‌توانید معیارهای مالی را محاسبه کنید، با فرضیات و واریانس‌ها کار کنید و پیش‌بینی خود را در پایتون بسازید!

این دوره اصول تجارت مالی را پوشش می دهد و به شما یک نمای کلی از نحوه استفاده از کوانتسترات برای ایجاد استراتژی های معاملاتی مبتنی بر سیگنال در R ارائه می دهد. به شما می آموزد که چگونه یک استراتژی کوانتسترات راه اندازی کنید، تغییراتی در داده های بازار به نام اندیکاتورها اعمال کنید، سیگنال هایی را بر اساس تعاملات آن اندیکاتورها ایجاد کنید و حتی سفارشات را شبیه سازی کنید. در نهایت، نحوه تجزیه و تحلیل نتایج خود را از دیدگاه آماری و بصری توضیح خواهد داد.

آیا مجذوب بازارهای مالی هستید و به تجارت مالی علاقه دارید؟ این دوره به شما کمک می کند تا بفهمید چرا مردم تجارت می کنند، سبک های مختلف معاملاتی چیست و چگونه از پایتون برای پیاده سازی و آزمایش استراتژی های معاملاتی خود استفاده کنید. ماجراجویی معاملاتی خود را با مقدمه ای بر تحلیل تکنیکال، اندیکاتورها و سیگنال ها آغاز کنید. شما یاد خواهید گرفت که با کار با داده های مالی دنیای واقعی مانند سهام، ارزهای خارجی و ارزهای دیجیتال، استراتژی های معاملاتی بسازید. در پایان این دوره، می‌توانید استراتژی‌های معاملاتی سفارشی را در پایتون پیاده‌سازی کنید، آنها را بک تست کنید و عملکرد آنها را ارزیابی کنید.

این دوره مبتنی بر مفاهیم اساسی از مقدمه بر تجزیه و تحلیل پورتفولیو در R است و مفاهیم پیشرفته در فرآیند بهینه سازی پورتفولیو را بررسی می کند. برای یک تحلیلگر یا مدیر پورتفولیو بسیار مهم است که تمام جنبه های مسئله بهینه سازی پورتفولیو را برای تصمیم گیری آگاهانه درک کند. در این دوره، شما یک رویکرد کمی برای به کارگیری اصول تئوری مدرن پورتفولیو برای مشخص کردن پورتفولیو، تعریف محدودیت ها و اهداف، حل مسئله و تجزیه و تحلیل نتایج را خواهید آموخت. این دوره از بسته R PortfolioAnalytics برای حل مسائل بهینه سازی پورتفولیو با محدودیت ها و اهداف پیچیده که منعکس کننده مسائل دنیای واقعی است استفاده می کند.

ترازنامه، صورت‌های درآمد و صورت‌های جریان نقدی، صورت‌های مالی هستند که تقریباً هر شرکت بزرگی از آن استفاده می‌کند. این بیانیه ها حاوی اطلاعات زیادی در مورد وضعیت مالی یک شرکت است. این دوره چهار ساعته پایه‌ای را برای شروع تجزیه و تحلیل صورت‌های مالی در پایتون ایجاد می‌کند تا موقعیت مالی یک شرکت را عمیقاً درک کنید.

شما با یادگیری نحوه خواندن صورت‌های مالی شروع می‌کنید - اولین گام در یادگیری نحوه تجزیه و تحلیل آنها. در مرحله بعد، محاسبه برخی از رایج‌ترین نسبت‌های مالی از روی صورت‌ها را با استفاده از پانداها تمرین می‌کنید - یک ابزار قدرتمند دستکاری و تجزیه و تحلیل داده‌های پایتون.

همچنین خواهید آموخت که چگونه از عملکردهای مختلف پانداها برای مقایسه نسبت های مالی شرکت ها و ارزیابی سلامت مالی آنها استفاده کنید.

«داده‌ها در طبیعت» مملو از مقادیر گم شده است. در این دوره، برخورد با اطلاعات مالی از دست رفته را از طریق تمرینات تعاملی تمرین خواهید کرد. همچنین یاد خواهید گرفت که چگونه تجزیه و تحلیل خود را با استفاده از تجسم داده ها ارائه دهید - یکی دیگر از مهارت های ضروری در تجزیه و تحلیل مالی.

یکی از مزایای استفاده از پایتون برای تجزیه و تحلیل صورت های مالی در مقایسه با صفحات گسترده استاندارد این است که می توانید کارهای تکراری را کاهش دهید. با نوشتن توابع خود در پایتون، یاد خواهید گرفت که با کاهش تکرار، تجزیه و تحلیل خود را سریعتر و کارآمدتر کنید.

دوره Math for Finance Professionals از CFI متخصصان امور مالی را با مهارت های ریاضی ضروری برای تجزیه و تحلیل داده های مالی، مدیریت ریسک و ارزیابی فرصت های سرمایه گذاری مجهز می کند. این دوره با بررسی مفاهیم کلیدی مالی، از جمله مقایسه سود ساده و مرکب، کاربردهای آن‌ها در ترکیب و تنزیل جریان‌های نقدی، و تمایز بین نرخ‌های بهره اسمی و مؤثر، پایه‌ای قوی ایجاد می‌کند. زبان آموزان مهارت های عملی را توسعه خواهند داد که می تواند مستقیماً در سناریوهای مالی دنیای واقعی اعمال شود. این دوره با مقدمه ای بر مفاهیم اساسی آماری مورد استفاده در اندازه گیری عملکرد و مدیریت ریسک به پایان می رسد و تجربه یادگیری عملی را از طریق برنامه های کاربردی Excel و تصاویر رویترز تقویت می کند.

این دوره آموزشی عملی با داده‌های اعتبار واقعی به شما می‌آموزد که چگونه ریسک اعتباری را با استفاده از رگرسیون لجستیک و درخت‌های تصمیم در R مدل‌سازی کنید. مدل‌سازی ریسک اعتباری برای وام‌های شخصی و شرکتی برای بانک‌ها اهمیت زیادی دارد. احتمال اینکه بدهکار نکول کند، یک جزء کلیدی در دستیابی به معیاری برای ریسک اعتباری است. در حالی که مدل‌های دیگری نیز در این دوره معرفی می‌شوند، با دو نوع مدل که اغلب در زمینه امتیازدهی اعتبار استفاده می‌شوند، آشنا می‌شوید. رگرسیون لجستیک و درختان تصمیم شما یاد خواهید گرفت که چگونه از آنها در این زمینه خاص استفاده کنید، و چگونه این مدل ها توسط بانک ها ارزیابی می شوند.

آیا در مورد ریتم ضربان قلب بازار مالی کنجکاو هستید؟ آیا می خواهید بدانید چه زمانی یک بازار باثبات آشفته می شود؟ در این دوره در مورد مدل‌های GARCH، رویکرد آینده‌نگر برای متعادل کردن ریسک و پاداش در تصمیم‌گیری مالی را خواهید آموخت. این دوره به تدریج از مدل استاندارد GARCH (1،1) به مدل های نوسانات پیشرفته تر با اثر اهرمی، مشخصات GARCH-in-mean و استفاده از توزیع t دانشجویی برای مدل سازی بازده دارایی حرکت می کند. کاربردهای مربوط به بازده سهام و نرخ ارز شامل بهینه‌سازی پرتفوی، ارزیابی پیش‌بینی نمونه متحرک، پیش‌بینی ارزش در معرض خطر و مطالعه کوواریانس‌های پویا است.

نوسانات یک مفهوم اساسی در امور مالی است، به همین دلیل است که مدل‌های GARCH در پایتون یک انتخاب محبوب برای پیش‌بینی تغییرات واریانس هستند، به‌ویژه هنگام کار با داده‌های سری زمانی که وابسته به زمان هستند. این دوره به شما نشان می دهد که چگونه و چه زمانی مدل های GARCH را پیاده سازی کنید، چگونه مفروضات مدل را مشخص کنید، و چگونه می توانید پیش بینی نوسانات را انجام دهید و عملکرد مدل را ارزیابی کنید. با استفاده از داده‌های دنیای واقعی، از جمله قیمت‌های تاریخی سهام تسلا، از طریق محاسبات ارزش در معرض خطر، کوواریانس و بتا سهام، تجربه عملی در مورد چگونگی کمی کردن بهتر ریسک‌های پرتفوی به دست خواهید آورد. همچنین آنچه را که آموخته‌اید در طیف گسترده‌ای از دارایی‌ها، از جمله سهام، شاخص‌ها، ارزهای دیجیتال و ارزهای خارجی به کار می‌گیرید و شما را آماده می‌کند تا از مدل‌های GARCH استفاده کنید.

اگر تا به حال درخواست کارت اعتباری یا وام داده اید، می دانید که شرکت های مالی قبل از تصمیم گیری اطلاعات شما را پردازش می کنند. این به این دلیل است که دادن وام به شما می تواند تأثیر مالی جدی بر تجارت آنها داشته باشد. اما چگونه تصمیم می گیرند؟ در این دوره با نحوه تهیه داده های درخواست اعتبار آشنا می شوید. پس از آن، یادگیری ماشین و قوانین تجاری را برای کاهش ریسک و اطمینان از سودآوری اعمال خواهید کرد. شما از دو مجموعه داده استفاده خواهید کرد که برنامه های اعتباری واقعی را تقلید می کنند در حالی که بر ارزش تجاری تمرکز می کنند. به من بپیوندید و ارزش مورد انتظار مدل سازی ریسک اعتباری را بیاموزید!

در مدیریت ریسک کمی (QRM)، مدل‌هایی برای درک ریسک‌های پرتفوی مالی خواهید ساخت. این یک وظیفه حیاتی در سراسر صنعت بانکداری، بیمه و مدیریت دارایی است. اولین گام در فرآیند ساخت مدل، جمع آوری داده ها در مورد عوامل خطر اساسی است که بر ارزش پورتفولیو تأثیر می گذارد و رفتار آنها را تجزیه و تحلیل می کند. در این دوره آموزشی، نحوه کار با سری‌های بازده عامل ریسک، مطالعه ویژگی‌های تجربی یا به اصطلاح «واقعیت‌های سبک‌سازی‌شده» این داده‌ها - از جمله غیرعادی بودن و نوسان‌پذیری معمولی آن‌ها، و تخمین‌هایی از ارزش در معرض خطر برای یک پورتفولیو را خواهید آموخت.

مدیریت ریسک با استفاده از مدیریت ریسک کمی یک وظیفه حیاتی در صنعت بانکداری، بیمه و مدیریت دارایی است. ضروری است که تحلیلگران ریسک مالی، تنظیم‌کننده‌ها و اکچوئرها بتوانند به طور کمی پاداش‌ها را در مقابل ریسک‌شان متعادل کنند.

این دوره از طریق بررسی بحران مالی 2007-2008 و تأثیر آن بر بانک های سرمایه گذاری مانند گلدمن ساکس و جی پی مورگان، شما را با مدیریت ریسک پرتفوی مالی آشنا می کند. شما یاد خواهید گرفت که چگونه از پایتون برای محاسبه و کاهش مواجهه با ریسک با استفاده از معیارهای ارزش در معرض خطر و ارزش شرطی در خطر، تخمین ریسک با تکنیک هایی مانند شبیه سازی مونت کارلو و استفاده از فناوری های پیشرفته مانند شبکه های عصبی برای انجام تعادل مجدد پورتفولیو در زمان واقعی استفاده کنید.

در این مقدمه مالی گرا برای R، ساختارهای داده ضروری مانند فهرست ها و چارچوب های داده را خواهید آموخت و این شانس را خواهید داشت که آن دانش را در نمونه های مالی دنیای واقعی به کار ببرید. در پایان دوره، با اصول دستکاری داده های خود برای انجام تجزیه و تحلیل مالی در R راحت خواهید بود.

صنعت مالی به طور گسترده از Python برای تجزیه و تحلیل کمی استفاده می کند، از درک پویایی معاملات تا سیستم های مدیریت ریسک. این دوره به شما نشان می دهد که چگونه با ایجاد مهارت های پایتون، داده های مالی خود را تجزیه و تحلیل کنید. فصل اول توضیح می دهد که چگونه پایتون و امور مالی دست به دست هم می دهند. سپس با اصول پایتون مانند خروجی چاپ، انجام محاسبات، درک انواع داده ها و ایجاد متغیرها آشنا خواهید شد. در مرحله بعد، فهرست‌ها و آرایه‌ها را در پایتون پوشش می‌دهید و نحوه استفاده از آنها را برای کار با داده‌ها بررسی می‌کنید. شما از بسته های NumPy و Matplotlib برای دستکاری و تجسم داده ها استفاده خواهید کرد. در نهایت، دوره را با انجام یک تحلیل مالی پایتون بر روی مجموعه داده S&P 100 به پایان خواهید رساند. در اینجا، مهارت‌های پایتون خود را برای فیلتر کردن لیست‌ها، خلاصه کردن داده‌های بخش، ترسیم نسبت‌های P/E در هیستوگرام، تجسم روندهای مالی و شناسایی موارد پرت به کار می‌گیرید. در پایان دوره، شما از مهارت های پایتون و مهارت های عملی تجزیه و تحلیل مالی خود مطمئن خواهید شد. این مهارت‌ها در صنعت مالی برای حل مشکلات مالی کمی پاداش بالایی دارند. این دوره بخشی از مسیر مبانی مالی ما در پایتون است که برای کسانی که می‌خواهند برای امور مالی عمیق‌تر به پایتون بپردازند، عالی است.