Telegram Group & Telegram Channel
تحلیل سری زمانی با پایتون
خب، کم کم وارد قسمت جذاب بحث خودمان یعنی مدلسازی مالی با پایتون می شویم. به نظر من کلیدی ترین بحث در مدلسازی مالی و اقتصادی مواجهه با سری های زمانی است. سری زمان یعنی تقریبا همه چیز.
به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، اصطلاحاً سری زمانی یا پیشامد تصادفی در مقطع زمان می‌گویند. به عبارت دیگر منظور از یک سری زمانی مجموعه‌ای از داده‌های آماری است که در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند.
هدف اصلی در تحلیل سری زمانی در مورد یک پدیده، ایجاد یک مدل آماری برای داده‌های وابسته به زمان براساس اطلاعات گذشته آن پدیده است. با این کار امکان پیش‌بینی در مورد آینده پدیده مورد بحث میسر می‌شود. به بیان دیگر تحلیل سری زمانی،‌ ایجاد مدلی گذشته‌نگر است تا امکان تصمیمات آینده‌نگر را فراهم سازد.
مثال‌ها
سری زمانی در اقتصاد،
مانند صادرات در ماه‌های متوالی، متوسط درآمد در ماه‌های متوالی، GDP طی سال های مختلف و …
سری زمانی در مالی مانند قیمت سهام در روزهای متوالی، شاخص بازار طی روز های مختلف و ...
سری زمانی بازاریابی، تجزیه و تحلیل ارقام فروش در هفته یا ماه‌ها متوالی و ...
سری زمانی در هواشناسی: میزان بارندگی طی فصول سال در سال های مختلف، درجه هوا طی روز های سال و ...
معمولا می‌توان الگوی رفتار یا مدل تغییرات یک سری زمانی را به چهار مولفه تفکیک کرد. «روند» (Trend)، «تناوب» (Cyclic)، «فصل» (Seasonal) و «تغییرات نامعمول» (Irregular). اگر نمودار مربوط به داده‌های سری زمانی را برحسب زمان ترسیم کنیم می‌توانیم این مولفه‌ها را تشخیص دهیم در نتیجه شناخت بهتری از داده‌های سری زمانی خواهیم داشت.
در پایتون برای استفاده و تحلیل سری های زمانی کتابخانه های مختلفی طراحی شده است. از مهترین این کتابخانه ها به Numpy و Pandas می توان اشاره کرد. در پست های آتی راجع به نصب کتابخانه های مذکور و شیوه استفاده از آن ها برای استفاده در مالی خواهیم پرداخت.
با ما باشید تا در ادامه به بحث جذاب سری های زمانی در پایتون بپردازیم.

#پایتون_مالی
#سری_زمانی

پایتون برای مالی در تلگرام https://www.tg-me.com/kr/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/kr/Python4Finance/com.python4finance
4



tg-me.com/python4finance/47
Create:
Last Update:

تحلیل سری زمانی با پایتون
خب، کم کم وارد قسمت جذاب بحث خودمان یعنی مدلسازی مالی با پایتون می شویم. به نظر من کلیدی ترین بحث در مدلسازی مالی و اقتصادی مواجهه با سری های زمانی است. سری زمان یعنی تقریبا همه چیز.
به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، اصطلاحاً سری زمانی یا پیشامد تصادفی در مقطع زمان می‌گویند. به عبارت دیگر منظور از یک سری زمانی مجموعه‌ای از داده‌های آماری است که در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند.
هدف اصلی در تحلیل سری زمانی در مورد یک پدیده، ایجاد یک مدل آماری برای داده‌های وابسته به زمان براساس اطلاعات گذشته آن پدیده است. با این کار امکان پیش‌بینی در مورد آینده پدیده مورد بحث میسر می‌شود. به بیان دیگر تحلیل سری زمانی،‌ ایجاد مدلی گذشته‌نگر است تا امکان تصمیمات آینده‌نگر را فراهم سازد.
مثال‌ها
سری زمانی در اقتصاد،
مانند صادرات در ماه‌های متوالی، متوسط درآمد در ماه‌های متوالی، GDP طی سال های مختلف و …
سری زمانی در مالی مانند قیمت سهام در روزهای متوالی، شاخص بازار طی روز های مختلف و ...
سری زمانی بازاریابی، تجزیه و تحلیل ارقام فروش در هفته یا ماه‌ها متوالی و ...
سری زمانی در هواشناسی: میزان بارندگی طی فصول سال در سال های مختلف، درجه هوا طی روز های سال و ...
معمولا می‌توان الگوی رفتار یا مدل تغییرات یک سری زمانی را به چهار مولفه تفکیک کرد. «روند» (Trend)، «تناوب» (Cyclic)، «فصل» (Seasonal) و «تغییرات نامعمول» (Irregular). اگر نمودار مربوط به داده‌های سری زمانی را برحسب زمان ترسیم کنیم می‌توانیم این مولفه‌ها را تشخیص دهیم در نتیجه شناخت بهتری از داده‌های سری زمانی خواهیم داشت.
در پایتون برای استفاده و تحلیل سری های زمانی کتابخانه های مختلفی طراحی شده است. از مهترین این کتابخانه ها به Numpy و Pandas می توان اشاره کرد. در پست های آتی راجع به نصب کتابخانه های مذکور و شیوه استفاده از آن ها برای استفاده در مالی خواهیم پرداخت.
با ما باشید تا در ادامه به بحث جذاب سری های زمانی در پایتون بپردازیم.

#پایتون_مالی
#سری_زمانی

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

BY Python4Finance




Share with your friend now:
tg-me.com/python4finance/47

View MORE
Open in Telegram


Python4Finance Telegram | DID YOU KNOW?

Date: |

A Telegram spokesman declined to comment on the bond issue or the amount of the debt the company has due. The spokesman said Telegram’s equipment and bandwidth costs are growing because it has consistently posted more than 40% year-to-year growth in users.

Importantly, that investor viewpoint is not new. It cycles in when conditions are right (and vice versa). It also brings the ineffective warnings of an overpriced market with it.Looking toward a good 2022 stock market, there is no apparent reason to expect these issues to change.

Python4Finance from kr


Telegram Python4Finance
FROM USA