بازده تنظیم شده دقیقاً چه چیزی است؟

4. 8 (1،261 évaluations)

52 000 étudiants inscrits

رونویسی de vidéo

عمل مدیریت سرمایه گذاری در سالهای اخیر با روشهای محاسباتی تغییر یافته است. این دوره مقدمه ای برای علم اساسی با هدف ارائه درک کامل از آن مبنای علمی فراهم می کند. با این حال ، به جای اینکه فقط علم را توضیح دهیم ، ما به شما کمک می کنیم تا با تأکید بر اجرای دستی آن ایده ها در زبان برنامه نویسی پایتون ، آن بنیاد را به صورت عملی بنا کنید. این دوره برای اولین بار در یک دوره تخصص در دوره علوم داده و یادگیری ماشین در مدیریت دارایی است اما می تواند به طور مستقل از آن استفاده شود. در این دوره ، ما اصول اولیه علوم سرمایه گذاری را پوشش می دهیم و در طول مسیر پیاده سازی های عملی هر یک از مفاهیم را ایجاد خواهیم کرد. ما با اصول اولیه ریسک و بازگشت شروع خواهیم کرد و به سرعت پیشرفت می کنیم تا طیف وسیعی از موضوعات از جمله چندین مفهوم برنده جایزه نوبل را پوشش دهیم. ما برخی از محبوب ترین تکنیک های عملی را در مدیریت مدرن ، مدیریت سرمایه گذاری هنر و ساخت نمونه کارها پوشش خواهیم داد. همانطور که ما تئوری و ریاضیات را در فیلم های سخنرانی پوشش می دهیم ، مفاهیم را در پایتون نیز پیاده سازی خواهیم کرد ، و شما قادر خواهید بود به همراه ما کدگذاری کنید تا شما درک عمیق و عملی از نحوه عملکرد این روش ها داشته باشید. تا زمانی که شما تمام شد ، نه تنها درک بنیادی از روشهای محاسباتی مدرن در مدیریت سرمایه گذاری خواهید داشت ، بلکه در اجرای آن روش ها تسلط عملی خواهید داشت.

4. 8 (1،261 évaluations)

دوره لذت بخشبرای پیگیری این دوره باید با فیتون اساسی آشنا شد. آنچه من بیشتر از همه یاد گرفتم ، توانایی استفاده از برنامه نویسی فیتون برای نشان دادن مفهوم سرمایه گذاری نمونه کارها است.

کیفیت استثنایی آموزش. تولید و جزئیات مواد پشتیبانی شده این کلاس را بسیار در دسترس قرار داده است. من خیلی بیشتر از آنچه انتظار می رفت یاد گرفتم. براوو در مورد تلاش مربیان!

à partir de la leçon

enseigné par

ویجی وایدیاناتان ، دکترا

شرکت بهینه مدیریت شرکت

لیونل مارتلینی ، دکترا

مؤسسه Edhec-Risk ، مدیر

رونویسی

خوب ، خوش آمدیدما قصد داریم با برخی از نوسانات بازده ادامه دهیم و بازی کنیم و شروع به بازده تنظیم شده در معرض خطر کنیم. بنابراین بیایید به نوت بوک پایتون خود برگردیم و ما در اینجا به آن فضا احتیاج نداریم. بنابراین بیایید با خواندن همان داده هایی که دفعه قبل می خوانیم شروع کنیم. بنابراین من قصد دارم کد پاندا خود را وارد کنم. بنابراین پاندا را به عنوان PD وارد کنید ، پس اگر به یاد دارید که من قیمت ها را داشتم و می خواهم از روش Read_CSV خوانده شده در پاندا استفاده کنم و پرونده ای که من سعی در خواندن آن داشتم ، به نام sample_prices. csv نامیده می شود. سپس ما گفتیم که وقتی قیمت ها را بدست آوردیم ، می توانیم با فراخوانی تغییر PCT یا روش تغییر درصد در قیمت DataFrame ، آن را به بازده تبدیل کنیم. بنابراین بیایید ببینیم که آیا همه اینها فقط با چاپ این کار انجام می شود. آنجا می رویدمی بینید که ما یک دسته از بازده ها داریم. اکنون ، این ممکن است کمی شما را آزار دهد ، اگر به یاد داشته باشید این اتفاق افتاده است زیرا درصد تغییر در تلاش برای محاسبه تغییر قیمت ها است ، اما البته در روز اول ما تغییری در قیمت نداریم زیرا نمی دانیمقیمت قبلیخوب ، یک کاری که می توانید برای خلاص شدن انجام دهید ، این اتفاق زیادی می افتد که در آن شما یک DataFrame در جایی که برخی از داده های NA وجود دارد ، دارید. بنابراین یک کار ساده که می توانیم انجام دهیم این است که شما می توانید بگویید ، بازده هایی که می توانید با روش dropna تماس بگیرید. از یک dataframe. اگر پس از آن به بازده ها نگاه کنید ، خواهید دید که ردیف صفر اکنون از بین رفته است. بنابراین اکنون 12 مجموعه بازده دارید. سپس نکته بعدی که ما گفتیم خوب است ، ما می توانیم ریسک یا نوسانات را فقط با فراخوانی انحراف استاندارد محاسبه کنیم و ما چیزی شبیه به این گفتیم ، Retus. std که روش انحراف استاندارد در بازده داده های بازده است ، اندازه گیری خطر را به ما می دهدوادبیایید در واقع همان تعداد را محاسبه کنیم ، انحراف استاندارد از نظر آنچه ما به عنوان انحراف استاندارد می فهمیم و بیایید ببینیم که آیا می توانیم همان شماره را بدست آوریم. بنابراین اگر انحراف استاندارد را به خاطر می آورید که واقعاً سعی در اندازه گیری آن داریم ، گسترش است ، این موارد تا چه حد از میانگین منحرف می شوند. بنابراین بیایید این کار را از اصول اول انجام دهیم. بنابراین بیایید بگوییم که انحرافات من هر آنچه در بازده خود دارم منهای میانگین بازده است ، این معنی دارد؟بنابراین من با از بین بردن میانگین از آن ، بازده ها را کم می کنم یا از آن رفتار می کنم. پس چه کار می کنم؟من می خواهم اندازه گیری کنم که آنها تا چه حد از میانگین دور هستند. بنابراین من می خواهم واقعاً گسترش را اندازه گیری کنم ، بنابراین برخی از این تعداد مثبت خواهند بود ، برخی از این تعداد منفی خواهند بود ، ما فقط می خواهیم یک اندازه گیری از چقدر آنها باشد.