در این مطلب، ویدئو آموزش پایتون. مدل تئوری قیمت گذاری آربیتراژ APT با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:09:45
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:03,170 –> 00:00:07,200
آموزش پایتون مدل تئوری قیمت گذاری آربیتراژ
2
00:00:07,200 –> 00:00:09,649
مدل های
3
00:00:16,040 –> 00:00:18,600
قیمت گذاری دارایی شامل
4
00:00:18,600 –> 00:00:21,119
تخمین بازده مورد انتظار دارایی از طریق
5
00:00:21,119 –> 00:00:22,860
رابطه خطی حق بیمه ریسک آن
6
00:00:22,860 –> 00:00:25,050
با عوامل پرتفوی
7
00:00:25,050 –> 00:00:30,420
حق بیمه مورد انتظار ریسک و عوامل کلان اقتصادی است.
8
00:00:30,420 –> 00:00:32,580
9
00:00:32,580 –> 00:00:34,920
10
00:00:34,920 –> 00:00:36,570
با
11
00:00:36,570 –> 00:00:38,190
کلیک بر روی پیوند در جعبه توضیحات زیر
12
00:00:38,190 –> 00:00:41,970
این آموزش دارای هدف آموزشی
13
00:00:41,970 –> 00:00:43,949
و اطلاعاتی است و
14
00:00:43,949 –> 00:00:45,870
هیچ نوع مشاوره تجاری یا
15
00:00:45,870 –> 00:00:48,269
سرمایه گذاری را شامل نمی شود، لطفاً
16
00:00:48,269 –> 00:00:50,220
سلب مسئولیت کامل آموزشی را در انتهای این
17
00:00:50,220 –> 00:00:52,489
ویدیوی
18
00:00:57,530 –> 00:01:01,230
تئوری قیمت گذاری آربیتراژ بخوانید یا apt
19
00:01:01,230 –> 00:01:03,390
شامل تخمین سرمایه گذاری مورد انتظار اسید
20
00:01:03,390 –> 00:01:04,799
از طریق رابطه خطی حق بیمه ریسک آن
21
00:01:04,799 –> 00:01:06,509
با حق بیمه ریسک بازار
22
00:01:06,509 –> 00:01:09,119
و عوامل اقتصاد کلان که از
23
00:01:09,119 –> 00:01:13,259
بازده مازاد مورد انتظار اسید شروع می شود برای
24
00:01:13,259 –> 00:01:14,490
مرجع کامل توصیه می کنم که
25
00:01:14,490 –> 00:01:17,220
استفان راس نظریه آربیتراژ
26
00:01:17,220 –> 00:01:19,110
قیمت گذاری دارایی های سرمایه ای را که در
27
00:01:19,110 –> 00:01:24,149
مجله نظریه اقتصادی در سال 1976 به عنوان
28
00:01:24,149 –> 00:01:26,790
فرمول اسید مورد انتظار منتشر شده است بخوانید. بازده از
29
00:01:26,790 –> 00:01:29,310
طریق تئوری قیمتگذاری آربیتراژ برابر با
30
00:01:29,310 –> 00:01:31,470
نرخ بازده بدون ریسک است،
31
00:01:31,470 –> 00:01:34,080
ضریب یک ضرب شده در
32
00:01:34,080 –> 00:01:35,820
حق بیمه ریسک بازار که تفاوت
33
00:01:35,820 –> 00:01:37,440
بین بازده مورد انتظار بازار
34
00:01:37,440 –> 00:01:40,350
منهای بازده بدون ریسک به اضافه ضریب ضربتی 2
35
00:01:40,350 –> 00:01:42,149
ضرب در
36
00:01:42,149 –> 00:01:45,060
عامل کلان اقتصادی که در این
37
00:01:45,060 –> 00:01:47,729
مورد به عنوان
38
00:01:47,729 –> 00:01:50,190
مثال آموزشی درج می کنیم، بنابراین ثابت نیست و می
39
00:01:50,190 –> 00:01:52,200
توان آن را بر اساس نیاز شما تغییر داد در
40
00:01:52,200 –> 00:01:54,720
این مثال،
41
00:01:54,720 –> 00:01:58,470
تغییر مورد انتظار در CPI CPI با شاخص قیمت مصرف کننده مطابقت
42
00:01:58,470 –> 00:02:00,750
دارد، بنابراین
43
00:02:00,750 –> 00:02:04,319
تغییر آن مربوط به زمانی است که مثبت باشد.
44
00:02:04,319 –> 00:02:07,640
به تورم زمانی که منفی به کاهش تورم
45
00:02:07,640 –> 00:02:11,129
به اضافه آلفا است که همان
46
00:02:11,129 –> 00:02:13,110
بازده اضافی مورد انتظار اسید از طریق تئوری قیمت گذاری آربیتراژ است،
47
00:02:13,110 –> 00:02:16,069
48
00:02:17,970 –> 00:02:19,480
49
00:02:19,480 –> 00:02:22,030
بسیار خوب، بنابراین بیایید به Python PyCharm IDE
50
00:02:22,030 –> 00:02:23,560
برویم تا بتوانیم تئوری قیمت گذاری آربیتراژ
51
00:02:23,560 –> 00:02:27,240
را با جزئیات بیشتر مطالعه
52
00:02:29,460 –> 00:02:32,380
کنیم، بنابراین در اینجا ما در پایتون
53
00:02:32,380 –> 00:02:36,820
PyCharm ID هستیم. این آموزش ما
54
00:02:36,820 –> 00:02:40,360
در آموزش پایتون apt یا
55
00:02:40,360 –> 00:02:42,820
تئوری قیمت گذاری آربیتراژ mu با آن کار خواهیم کرد
56
00:02:42,820 –> 00:02:46,000
مدل فاکتورهای چندگانه بنابراین اولین قدم
57
00:02:46,000 –> 00:02:48,160
در آموزش این است که بستهها را وارد
58
00:02:48,160 –> 00:02:50,920
کنیم، بنابراین SPD پاندا را وارد میکنیم و
59
00:02:50,920 –> 00:02:53,350
سپس از مدلهای آماری،
60
00:02:53,350 –> 00:02:56,530
مدل خطی رگرسیون را به عنوان LM وارد میکنیم و
61
00:02:56,530 –> 00:03:00,310
همچنین ابزار ابزار SCT را برای ثابت یا
62
00:03:00,310 –> 00:03:03,430
قطع میکنیم. مرحله بعدی این است که
63
00:03:03,430 –> 00:03:05,740
دادهها را برای این
64
00:03:05,740 –> 00:03:09,580
مدل چند عاملی متناظر ایجاد کنیم، بنابراین ما این شی داده را ایجاد میکنیم
65
00:03:09,580 –> 00:03:12,070
که برابر با PV یا
66
00:03:12,070 –> 00:03:15,400
CSB است و در داخل
67
00:03:15,400 –> 00:03:17,560
آن مسیر فایل داده را داریم که
68
00:03:17,560 –> 00:03:19,630
در فهرست دادهها یافت میشود. و فایل داده ای
69
00:03:19,630 –> 00:03:22,570
به نام apt multiple factor
70
00:03:22,570 –> 00:03:25,150
داده ها را به عنوان یک فایل متنی ساده با نقطه CSV
71
00:03:25,150 –> 00:03:27,640
یا ستون شاخص مقادیر جدا شده با کاما
72
00:03:27,640 –> 00:03:30,090
به عنوان تاریخ مدل می کند و ما آن تاریخ ها را درست تجزیه می کنیم،
73
00:03:30,090 –> 00:03:34,950
بنابراین بیایید به جلو برویم و این داده ها را ببینیم، بنابراین
74
00:03:34,950 –> 00:03:38,170
در اینجا در فایل داده ای که
75
00:03:38,170 –> 00:03:40,360
ذکر شد داریم. قبلاً یک فایل متنی ساده
76
00:03:40,360 –> 00:03:42,550
با CSV نقطه یا مقادیر جدا شده با کاما
77
00:03:42,550 –> 00:03:45,880
در داخل آن، ما چهار ستون داده داریم
78
00:03:45,880 –> 00:03:51,459
ابتدا تاریخ، سپس SP Y منهای RF، سپس MKT
79
00:03:51,459 –> 00:03:55,480
منهای RF و سپس CPI متوجه میشویم که تاریخها
80
00:03:55,480 –> 00:03:58,570
دارای چند فرکانس هستند. cy و از
81
00:03:58,570 –> 00:04:00,880
ابتدای سال 2007 تا
82
00:04:00,880 –> 00:04:04,120
پایان 2016 چهار سال وجود دارد که ده
83
00:04:04,120 –> 00:04:07,060
سال داده داریم 120 مشاهده برای هر یک از
84
00:04:07,060 –> 00:04:10,900
این زمان ها استفاده می شود سپس SP y منهای RF
85
00:04:10,900 –> 00:04:13,420
مربوط به حق بیمه دارایی
86
00:04:13,420 –> 00:04:16,060
است که تفاوت بین SP است. y
87
00:04:16,060 –> 00:04:18,519
بازده حسابی ماهانه منهای یک
88
00:04:18,519 –> 00:04:21,700
بازده بدون ریسک mod متناظر Li به عنوان
89
00:04:21,700 –> 00:04:23,950
Y مربوط به وسیله نقلیه سرمایه گذاری etf
90
00:04:23,950 –> 00:04:25,570
است که قصد دارد
91
00:04:25,570 –> 00:04:28,120
شاخص استاندارد و پورز 500 را تکرار کند، سپس
92
00:04:28,120 –> 00:04:28,889
M
93
00:04:28,889 –> 00:04:31,560
– RF داریم که در حق بیمه ریسک بازار است
94
00:04:31,560 –> 00:04:33,509
که مطابق با
95
00:04:33,509 –> 00:04:35,699
پرتفوی بازار ماهانه است. نرخ
96
00:04:35,699 –> 00:04:37,500
بازده حسابی – نرخ بازده بدون ریسک ماه مربوطه
97
00:04:37,500 –> 00:04:39,990
و در آخر ما
98
00:04:39,990 –> 00:04:42,840
CPI داریم که مطابق با
99
00:04:42,840 –> 00:04:46,199
تغییر حسابی ماهانه یا نرخ بازده
100
00:04:46,199 –> 00:04:49,199
CPI است همانطور که قبلاً در
101
00:04:49,199 –> 00:04:51,479
اسلایدها ذکر شد وقتی تورم مثبت در نظر گرفته می شود در صورت
102
00:04:51,479 –> 00:04:55,289
کاهش تورم منفی، بنابراین
103
00