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

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 tr


Telegram Python4Finance
FROM USA