Python4Finance | Telegram Webview: python4finance/72 -

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/ms/Python4Finance/com.python4finance
پایتون برای مالی در بله https://ble.im/ms/Python4Finance/com.python4finance

Python4Finance

کانال Python4Finance
آموزش پایتون در اقتصاد و مدیریت مالی
هر روز چند نکته را در خصوص پایتون برای مالی بیاموزیم
***
ارتباط با من
b2n.ir/y72935
***
آپارت:
aparat.com/Python4Finance
کانال چالش ها:
www.tg-me.com/ms/Python4Finance/com.python4finance_challenge

www.tg-me.com/ms/Python4Finance/com.python4finance/72

2.9K viewsSep 18, 2019 at 21:31

tg-me.com/python4finance/72

Create: 2019-09-18
Last Update: 2025-07-07 19:50:04

BY Python4Finance

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

Open in Telegram

Python4Finance Telegram | DID YOU KNOW?

Date: 2025-07-07| Python4Finance

Export WhatsApp stickers to Telegram on Android

From the Files app, scroll down to Internal storage, and tap on WhatsApp. Once you’re there, go to Media and then WhatsApp Stickers. Don’t be surprised if you find a large number of files in that folder—it holds your personal collection of stickers and every one you’ve ever received. Even the bad ones.Tap the three dots in the top right corner of your screen to Select all. If you want to trim the fat and grab only the best of the best, this is the perfect time to do so: choose the ones you want to export by long-pressing one file to activate selection mode, and then tapping on the rest. Once you’re done, hit the Share button (that “less than”-like symbol at the top of your screen). If you have a big collection—more than 500 stickers, for example—it’s possible that nothing will happen when you tap the Share button. Be patient—your phone’s just struggling with a heavy load.On the menu that pops from the bottom of the screen, choose Telegram, and then select the chat named Saved messages. This is a chat only you can see, and it will serve as your sticker bank. Unlike WhatsApp, Telegram doesn’t store your favorite stickers in a quick-access reservoir right beside the typing field, but you’ll be able to snatch them out of your Saved messages chat and forward them to any of your Telegram contacts. This also means you won’t have a quick way to save incoming stickers like you did on WhatsApp, so you’ll have to forward them from one chat to the other.

At a time when the Indian stock market is peaking and has rallied immensely compared to global markets, there are companies that have not performed in the last 10 years. These are definitely a minor portion of the market considering there are hundreds of stocks that have turned multibagger since 2020. What went wrong with these stocks? Reasons vary from corporate governance, sectoral weakness, company specific and so on. But the more important question is, are these stocks worth buying?

Python4Finance from ms

Telegram Python4Finance
FROM USA