Telegram Group & Telegram Channel
سری های زمانی در پایتون
خب، نوبت آن فرارسیده است که وارد بحث بسیار شیرین و پرکاربرد سری های زمانی در پایتون و کاربرهای عملی آن در مالی و اقتصاد بپردازیم.
اما قبل از آن لازم است تا توضیحات مختصری در این خصوص را خدمت شما عرض نماییم.
معمولا داده های آماری در سه گروه بررسی می شوند:
1- داده های سری زمانی(Time Series Data): همانطور که از نام آن بر می آید این داده ها مقادیر یک یا چند متغیر را طی یک دوره زمانی ارائه می کند. در واقع هدف اصلی در بررسی سری های زمانی ایجاد یک مدل آماری برای داده‌های وابسته به زمان براساس اطلاعات گذشته آن پدیده است.
برای پاسخ به سوالات زیر از سری های زمانی استفاده می کنیم:
الف- وضعیت تولید ناخالص داخلی ایران در مواجهه با تحریم ها چه تغییری داشته است.
ب- بهترین زمان برای خرید سهم A طی سه سال گذشته چه زمانی بوده است.
ج-چگونه ارزش شاخص سهام یک کشور با تغییر مولفه های اقتصادی کلان آن کشور تغییر می کند.
2- داده های مقطعی (Cross-Sectional Data): اگر مقادیر یک یا چند متغیر در یک برش زمانی مشخصجمع­­آوری می­شود داده های مقطعی ایجاد شده است. مثلا قیمت انواع نان در روز 28 شهریور 98 در کشور ایران
برای پاسخ به سوالات زیر از داده های مقطعی استفاده می کنیم:
الف- بازده متوسط سهام شرکت های پذیرفته شده در بورس ایران در سال 98
ب- مقایسه GDP کشورهای مختلف جهان در سال 98
3- داده های تابلویی، یا پنل یا ترکیبی (Panel Data): این نوع داده ترکیبی از دو نوع داده قبلی هستند و شامل مشاهداتی برای چندین بخش مختلف ( مثلا خانوار، بنگاه و...) هستند که در طی زمان‌های مختلف جمع‌آوری شده‌اند.
برای پاسخ به سوالات زیر از داده های پنل استفاده می کنیم:
الف- بررسی رابطه ماهیانه بین سود و بازده شرکتهای بورسی در طی 12 ماه سال 1398
ب- مقایسه GDP کشورهای مختلف از سال 1990 تا امروز

#پایتون_مالی
#انواع_داده_ها
#سری_زمانی

پایتون برای مالی در تلگرام https://www.tg-me.com/it/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/it/Python4Finance/com.python4finance



tg-me.com/python4finance/72
Create:
Last Update:

سری های زمانی در پایتون
خب، نوبت آن فرارسیده است که وارد بحث بسیار شیرین و پرکاربرد سری های زمانی در پایتون و کاربرهای عملی آن در مالی و اقتصاد بپردازیم.
اما قبل از آن لازم است تا توضیحات مختصری در این خصوص را خدمت شما عرض نماییم.
معمولا داده های آماری در سه گروه بررسی می شوند:
1- داده های سری زمانی(Time Series Data): همانطور که از نام آن بر می آید این داده ها مقادیر یک یا چند متغیر را طی یک دوره زمانی ارائه می کند. در واقع هدف اصلی در بررسی سری های زمانی ایجاد یک مدل آماری برای داده‌های وابسته به زمان براساس اطلاعات گذشته آن پدیده است.
برای پاسخ به سوالات زیر از سری های زمانی استفاده می کنیم:
الف- وضعیت تولید ناخالص داخلی ایران در مواجهه با تحریم ها چه تغییری داشته است.
ب- بهترین زمان برای خرید سهم A طی سه سال گذشته چه زمانی بوده است.
ج-چگونه ارزش شاخص سهام یک کشور با تغییر مولفه های اقتصادی کلان آن کشور تغییر می کند.
2- داده های مقطعی (Cross-Sectional Data): اگر مقادیر یک یا چند متغیر در یک برش زمانی مشخصجمع­­آوری می­شود داده های مقطعی ایجاد شده است. مثلا قیمت انواع نان در روز 28 شهریور 98 در کشور ایران
برای پاسخ به سوالات زیر از داده های مقطعی استفاده می کنیم:
الف- بازده متوسط سهام شرکت های پذیرفته شده در بورس ایران در سال 98
ب- مقایسه GDP کشورهای مختلف جهان در سال 98
3- داده های تابلویی، یا پنل یا ترکیبی (Panel Data): این نوع داده ترکیبی از دو نوع داده قبلی هستند و شامل مشاهداتی برای چندین بخش مختلف ( مثلا خانوار، بنگاه و...) هستند که در طی زمان‌های مختلف جمع‌آوری شده‌اند.
برای پاسخ به سوالات زیر از داده های پنل استفاده می کنیم:
الف- بررسی رابطه ماهیانه بین سود و بازده شرکتهای بورسی در طی 12 ماه سال 1398
ب- مقایسه GDP کشورهای مختلف از سال 1990 تا امروز

#پایتون_مالی
#انواع_داده_ها
#سری_زمانی

پایتون برای مالی در تلگرام https://www.tg-me.com/it/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/it/Python4Finance/com.python4finance

BY Python4Finance




Share with your friend now:
tg-me.com/python4finance/72

View MORE
Open in Telegram


Python4Finance Telegram | DID YOU KNOW?

Date: |

What is Telegram Possible Future Strategies?

Cryptoassets enthusiasts use this application for their trade activities, and they may make donations for this cause.If somehow Telegram do run out of money to sustain themselves they will probably introduce some features that will not hinder the rudimentary principle of Telegram but provide users with enhanced and enriched experience. This could be similar to features where characters can be customized in a game which directly do not affect the in-game strategies but add to the experience.

That growth environment will include rising inflation and interest rates. Those upward shifts naturally accompany healthy growth periods as the demand for resources, products and services rise. Importantly, the Federal Reserve has laid out the rationale for not interfering with that natural growth transition.It's not exactly a fad, but there is a widespread willingness to pay up for a growth story. Classic fundamental analysis takes a back seat. Even negative earnings are ignored. In fact, positive earnings seem to be a limiting measure, producing the question, "Is that all you've got?" The preference is a vision of untold riches when the exciting story plays out as expected.

Python4Finance from it


Telegram Python4Finance
FROM USA