در این مطلب، ویدئو تست کارایی بازار در پایتون: تست اجرا می شود 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: 00:17:17
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,160 –> 00:00:03,280
سلام به همه و دوباره خوش آمدید به
2
00:00:03,280 –> 00:00:05,759
بهترین پلتفرم در اطراف برای
3
00:00:05,759 –> 00:00:08,080
فرود از راه دور در اقتصاد مالی کسب و کار
4
00:00:08,080 –> 00:00:10,080
و خیلی چیزهای دیگر، لطفا
5
00:00:10,080 –> 00:00:11,280
فراموش نکنید که در کانال ما مشترک شوید
6
00:00:11,280 –> 00:00:12,559
و روی دکمه اعلان زنگ
7
00:00:12,559 –> 00:00:14,160
زیر کلیک کنید تا هرگز ویدیوها و آموزش های جدید را از دست ندهید.
8
00:00:14,160 –> 00:00:15,360
9
00:00:15,360 –> 00:00:17,199
از حامیان فعلی ما
10
00:00:17,199 –> 00:00:19,039
و اعضای یوتیوب
11
00:00:19,039 –> 00:00:20,960
برای امکان پذیر ساختن این ویدیو بسیار متشکر باشید و
12
00:00:20,960 –> 00:00:22,400
همچنین بسیار سپاسگزاریم اگر
13
00:00:22,400 –> 00:00:23,920
از ما حمایت کنید، بنابراین این
14
00:00:23,920 –> 00:00:25,359
لینک در توضیح است یا
15
00:00:25,359 –> 00:00:28,480
برای جزئیات بیشتر روی دکمه پیوستن به زیر کلیک کنید نام من
16
00:00:28,480 –> 00:00:30,880
sava است و امروز ما یک
17
00:00:30,880 –> 00:00:33,280
پروژه جاه طلبانه را برای کدنویسی
18
00:00:33,280 –> 00:00:36,239
تست های کارایی بازار در پایتون آغاز می کنیم و
19
00:00:36,239 –> 00:00:39,280
امروز با ساده ترین آنها شروع می کنیم،
20
00:00:39,280 –> 00:00:41,360
همه تست های اجرا شده،
21
00:00:41,360 –> 00:00:44,399
بدیهی است که کدگذاری
22
00:00:44,399 –> 00:00:46,559
تست های کارایی بازار برای یک نمونه خاص
23
00:00:46,559 –> 00:00:48,160
برای یک بازار خاص
24
00:00:48,160 –> 00:00:51,680
در اکسل بسیار آسان است و ما
25
00:00:51,680 –> 00:00:54,480
با این حال
26
00:00:54,480 –> 00:00:56,239
اگر می خواهید کارایی بازار را برای متفاوت آزمایش کنید، ویدیوهای متعددی در مورد این برنامه ها دریافت کرده اید
27
00:00:56,239 –> 00:00:58,640
نمونه هایی برای بازارهای مختلف
28
00:00:58,640 –> 00:00:59,680
29
00:00:59,680 –> 00:01:02,559
یا می خواهید آن را به طور کارآمد برای
30
00:01:02,559 –> 00:01:04,720
تعداد زیادی تخمین به طور
31
00:01:04,720 –> 00:01:07,040
همزمان انجام دهید، سپس ساختن اسکریپت پایتون خود
32
00:01:07,040 –> 00:01:10,799
می تواند راه حلی باشد، بنابراین امروز
33
00:01:10,799 –> 00:01:13,439
یک کد پایتون ایجاد خواهیم کرد که
34
00:01:13,439 –> 00:01:15,840
تست اجرای را در هر بازاری اعمال می کند.
35
00:01:15,840 –> 00:01:17,920
انتخاب ما با استفاده از دادههای مالی یاهو از
36
00:01:17,920 –> 00:01:20,479
ابتدا است، بنابراین بیایید با بستههایی شروع
37
00:01:20,479 –> 00:01:22,799
کنیم که باید طبق معمول وارد کنیم،
38
00:01:22,799 –> 00:01:24,159
39
00:01:24,159 –> 00:01:26,479
برای کار با آرایههای
40
00:01:26,479 –> 00:01:27,680
پاندا
41
00:01:27,680 –> 00:01:30,159
به numpy نیاز داریم تا با فریمهای داده کار کنیم.
42
00:01:30,159 –> 00:01:31,520
43
00:01:31,520 –> 00:01:32,400
44
00:01:32,400 –> 00:01:35,680
45
00:01:35,680 –> 00:01:37,680
46
00:01:37,680 –> 00:01:38,840
47
00:01:38,840 –> 00:01:42,720
48
00:01:42,720 –> 00:01:44,399
با وارد کردن این بستهها میتوانیم
49
00:01:44,399 –> 00:01:46,640
مشخص کنیم
50
00:01:46,640 –> 00:01:48,079
بازار مورد علاقه چیست،
51
00:01:48,079 –> 00:01:49,200
بنابراین
52
00:01:49,200 –> 00:01:52,720
بیایید با s p 500 ticker
53
00:01:52,720 –> 00:01:54,960
cara gsbc شروع کنیم
54
00:01:54,960 –> 00:01:57,759
و دوره زمانی را که به آن علاقهمندیم شناسایی کنیم،
55
00:01:57,759 –> 00:02:00,399
بگذارید 10 سال پیش برویم،
56
00:02:00,399 –> 00:02:01,200
بنابراین
57
00:02:01,200 –> 00:02:05,040
از پایان سال 2010 تا پایان سال 2020
58
00:02:05,040 –> 00:02:07,920
توجه داشته باشید که yahoo مالی این
59
00:02:07,920 –> 00:02:10,639
نوع فرمت بروزرسانی خاص را تشخیص می دهد، بنابراین
60
00:02:10,639 –> 00:02:13,200
باید آنها را به عنوان رشته هایی
61
00:02:13,200 –> 00:02:14,640
در اینجا
62
00:02:14,640 –> 00:02:16,160
ماه روز
63
00:02:16,160 –> 00:02:18,160
جدا شده با خط تیره وارد کنید
64
00:02:18,160 –> 00:02:20,720
و اکنون در نهایت می توانیم o را بازیابی کنیم
65
00:02:20,720 –> 00:02:23,280
قیمتهای ما با استفاده از ورودی تابع دانلود یاهو فاینانس
66
00:02:23,280 –> 00:02:26,080
در علامتگذاری تاریخ شروع
67
00:02:26,080 –> 00:02:28,720
و تاریخ پایان و بدیهی است که
68
00:02:28,720 –> 00:02:31,599
ما فقط به
69
00:02:31,599 –> 00:02:34,239
تغییرات قیمت روزانه اهمیت میدهیم، بنابراین نیازی به
70
00:02:34,239 –> 00:02:37,599
بالا و پایین باز بودن نداریم، فقط میتوانیم
71
00:02:37,599 –> 00:02:40,080
بسته تنظیم شده را دریافت کنیم و برای
72
00:02:40,080 –> 00:02:42,720
به سادگی میتوانیم آن را فوراً
73
00:02:42,720 –> 00:02:44,640
به یک آرایه numpy تبدیل کنیم، بنابراین لازم نیست
74
00:02:44,640 –> 00:02:47,440
نگران نمایهسازی
75
00:02:47,440 –> 00:02:49,360
آن رویهای باشیم که قیمتهای ما را بازیابی میکند،
76
00:02:49,360 –> 00:02:52,319
میتوانیم ببینیم که در اینجا آرایه ما از
77
00:02:52,319 –> 00:02:56,959
1257 شروع میشود و به 3732 ختم میشود، بنابراین
78
00:02:56,959 –> 00:02:59,440
واقعی به نظر میرسد، بنابراین اکنون میتوانیم تبدیل کنیم.
79
00:02:59,440 –> 00:03:02,239
این قیمتها به بازده با
80
00:03:02,239 –> 00:03:04,080
تقسیم قیمتها از روز دوم
81
00:03:04,080 –> 00:03:05,840
به بعد بر روی قیمتهای روز اول
82
00:03:05,840 –> 00:03:07,440
تا روز ماقبل آخر و
83
00:03:07,440 –> 00:03:09,840
کم کردن یکی، اما این تنها
84
00:03:09,840 –> 00:03:12,000
دستکاری نیست که باید انجام دهیم، اول
85
00:03:12,000 –> 00:03:13,599
از همه باید در نظر بگیریم که برای
86
00:03:13,599 –> 00:03:16,319
تست اجرا نگران
87
00:03:16,319 –> 00:03:18,159
88
00:03:18,159 –> 00:03:21,680
بازده های مثبت و منفی متوالی هستیم، بنابراین بازده صفر می تواند تخمین ما را به شدت تحت تاثیر قرار دهد،
89
00:03:21,680 –> 00:03:24,560
بدیهی است که
90
00:03:24,560 –> 00:03:27,040
ما به سادگی می توانیم بازده صفر را به
91
00:03:27,040 –> 00:03:28,640
عنوان یک بازده مثبت در نظر بگیریم. ns یا
92
00:03:28,640 –> 00:03:31,840
بازده منفی یا میتوانستیم
93
00:03:31,840 –> 00:03:33,519
شناسایی ایران خود را بر اساس
94
00:03:33,519 –> 00:03:35,920
میانه رفتار کنیم، اما معمولاً شما این کار را
95
00:03:35,920 –> 00:03:38,799
بر اساس بازده صفر انجام میدهید، بنابراین در
96
00:03:38,799 –> 00:03:41,760
روزهای متوالی صعودی یا نزولی متوالی،
97
00:03:41,760 –> 00:03:44,239
بنابراین فیلتر کردن صفرها و خلاص شدن
98
00:03:44,239 –> 00:03:48,159
از شر آنها، شاید قویترین راه باشد.
99
00:03:48,159 –> 00:03:50,080
بدیهی است که وقتی
100
00:03:50,080 –> 00:03:52,000
با شاخصهای بازار سر و کار دارید، بعید است
101
00:03:52,000 –> 00:03:53,760
که روز معاملاتی خاص
102
00:03:53,760 –> 00:03:56,879
دقیقاً صفر درصد بازدهی داشته باشد، اما زمانی
103
00:03:56,879 –> 00:03:59,599
که شروع به اعمال آن در سهامهای فاقد نقدینگی میکنید
104
00:03:59,599 –> 00:04:01,680
که احتمال بازدهی صفر
105
00:04:01,680 –> 00:04:03,760
وجود دارد، این چیزی است که ممکن است
106
00:04:03,760 –> 00:04:05,760
اتفاق بیفتد، بنابراین بهتر است ذخیره شود تا
107
00:04:05,760 –> 00:04:07,840
متاسفم، بنابراین
108
00:04:07,840 –> 00:04:09,200
109
00:04:09,200 –> 00:04:12,080
فقط زمانی که بازده صفر نباشد، بازده برابر خواهد
110
00:04:12,080 –> 00:04:14,879
111
00:04:14,879 –> 00:04:16,320
112
00:04:16,320 –> 00:04:17,918
113
00:04:17,918 –> 00:04:21,680
114
00:04:21,680 –> 00:04:24,240
115
00:04:24,240 –> 00:04:25,759
116
00:04:25,759 –> 00:04:27,440
117
00:04:27,440 –> 00:04:30,320
بود. آرایه بازگشتی بدون صفر
118
00:04:30,320 –> 00:04:33,280
و همچنین میتوانیم
119
00:04:33,280 –> 00:04:36,639
علائم بازدهی خود را یا منفی یک برای دورههای
120
00:04:36,639 –> 00:04:38,000
نزولی
121
00:04:38,000 –> 00:04:40,639
یا به علاوه یک برای دورههای نزولی محاسبه کنیم. دوره های صعودی
122
00:04:40,639 –> 00:04:44,080
با استفاده از این تابع سینوسی نومپی منعطف
123
00:04:44,080 –> 00:04:46,320
که به اضافه یک برای مثبت
124
00:04:46,320 –> 00:04:48,479
و منهای یک برای مشاهدات منفی اختصاص می دهد،
125
00:04:48,479 –> 00:04:50,800
بنابراین می توانیم این کد را اعمال کنیم و بررسی
126
00:04:50,800 –> 00:04:53,360
کنیم که بازده ما واقعاً به درستی
127
00:04:53,360 –> 00:04:55,280
محاسبه شده است، بله، می توانیم ببینیم که در
128
00:04:55,280 –> 00:04:56,479
بزرگی صحیح
129
00:04:56,479 –> 00:04:58,720
می توانیم ببینیم که اول بازده
130
00:04:58,720 –> 00:05:00,000
مثبت است، سپس یک بازده منفی داریم،
131
00:05:00,000 –> 00:05:02,320
سپس دوباره یک بازده مثبت و
132
00:05:02,320 –> 00:05:05,600
سپس یک سری متناوب دیگر
133
00:05:05,600 –> 00:05:08,400
از مثبت مثبت مثبت
134
00:05:08,400 –> 00:05:10,800
داریم که نشانه های ما باید منعکس کننده
135
00:05:10,800 –> 00:05:11,840
این باشد
136
00:05:11,840 –> 00:05:13,840
که ما یک
137
00:05:13,840 –> 00:05:15,280
بازده منفی یک بازده مثبت و یک بازده منفی دریافت کرده ایم و سپس
138
00:05:15,280 –> 00:05:17,280
بازده مثبت داریم. دوباره و همان
139
00:05:17,280 –> 00:05:19,919
الگو در پایان نمونه ما ادامه مییابد
140
00:05:19,919 –> 00:05:22,320
به این معنی
141
00:05:22,320 –> 00:05:24,160
که تأیید میکنیم که همه کارها را
142
00:05:24,160 –> 00:05:25,600
به درستی
143
00:05:25,600 –> 00:05:28,080
انجام دادهایم و اکنون میتوانیم در نهایت به شناسایی اجراها برویم
144
00:05:28,080 –> 00:05:30,960
که براساس
145
00:05:30,960 –> 00:05:32,400
سریهای علمی
146
00:05:32,400 –> 00:05:36,400
است و این را در نظر بگیرید که یک اجرا چیست.
147
00:05:36,400 –> 00:05:38,400
یک اجرا دنباله ای از
148
00:05:38,400 –> 00:05:40,400
بازگشت ها با همان علامت است
149
00:05:40,400 –> 00:05:43,039
به این معنی که وقتی علامت تغییر می
150
00:05:43,039 –> 00:05:46,080
کند اجرای ما به پایان رسیده است و اجرای جدید
151
00:05:46,080 –> 00:05:48,160
در جهت مخالف شروع شده است
152
00:05:48,160 –> 00:05:50,720
اساساً به این معنی است که ما می توانیم
153
00:05:50,720 –> 00:05:53,759
اولین تفاوت های سری علوم
154
00:05:53,759 –> 00:05:56,560
155
00:05:56,560 –> 00:05:58,960
156
00:05:58,960 –> 00:06:01,280
را محاسبه کنیم و اجراها را بر اساس آن شناسایی کنیم، بنابراین بیایید کارهای زیر را انجام دهیم، فرض کنیم که اجراها یک آرایه numpy جدید است که به عنوان
157
00:06:01,280 –> 00:06:04,720
اولین تفاوت آرایه علمی محاسبه می
158
00:06:04,720 –> 00:06:06,880
شود. علائم از دوم تا
159
00:06:06,880 –> 00:06:09,120
آخر منهای علائم از ابتدا تا
160
00:06:09,120 –> 00:06:11,120
زمان ماقبل آخر
161
00:06:11,120 –> 00:06:14,800
و این سری اگر اینجا چاپ کنیم
162
00:06:14,800 –> 00:06:16,080
به ما صفر می دهد
163
00:06:16,080 –> 00:06:19,199
اگر اجرا ادامه داشته باشد
164
00:06:19,199 –> 00:06:22,319
چون علامت یکسان است ثابت می ماند
165
00:06:22,319 –> 00:06:26,000
پس به ما 2 می دهد. اگر دور منفی ما
166
00:06:26,000 –> 00:06:28,160
به پایان رسیده باشد و دور مثبت
167
00:06:28,160 –> 00:06:29,120
شروع شده باشد،
168
00:06:29,120 –> 00:06:33,600
صرفاً به این دلیل که 1 منهای -1 مثبت 2
169
00:06:33,600 –> 00:06:35,840
است، به این معنی است که یک رشته
170
00:06:35,840 –> 00:06:38,880
منفی به پایان رسیده است و یک رشته
171
00:06:38,880 –> 00:06:41,840
مثبت هر چقدر هم که شروع شده باشد
172
00:06:41,840 –> 00:06:44,639
و منفی دو به این معنی است
173
00:06:44,639 –> 00:06:46,639
که یک اجرای مثبت یک دوره صعودی به
174
00:06:46,639 –> 00:06:49,840
پایان رسیده است و یک دوره نزولی شروع شده است، بنابراین
175
00:06:49,840 –> 00:06:52,400
دقیقاً همان چیزی است که ما نیاز داریم تا بتوانیم
176
00:06:52,400 –> 00:06:55,840
177
00:06:55,840 –> 00:07:01,120
تعداد اجراهای مشاهده شده را با استفاده از توابع غیر صفر تعداد numpy محاسبه کنیم. روی
178
00:07:01,599 –> 00:07:04,720
و شمارش هر دو دو
179
00:07:04,720 –> 00:07:07,919
و دو منفی را بهعنوان دو
180
00:07:07,919 –> 00:07:09,759
نشاندهنده دویدنهای مثبت، دو منفی
181
00:07:09,759 –> 00:07:11,840
نشاندهنده دورهای منفی است.
182
00:07:11,840 –> 00:07:15,440
هشدار نهایی این است که دور نهاییای
183
00:07:15,440 –> 00:07:16,560
که
184
00:07:16,560 –> 00:07:19,280
در حال حاضر در آن هستیم، با این روش محاسبه نمیشود،
185
00:07:19,280 –> 00:07:21,360
بنابراین ما همیشه در حال
186
00:07:21,360 –> 00:07:23,199
شمارش تعداد هستیم. از تعداد اجراها توسط یک، بنابراین ما
187
00:07:23,199 –> 00:07:25,840
فقط باید اضافه کنیم
188
00:07:25,840 –> 00:07:28,400
که در این تعداد اجراهای مشاهده شده
189
00:07:28,400 –> 00:07:31,199
، تعداد دفعات مورد انتظاری که
190
00:07:31,199 –> 00:07:32,479
191
00:07:32,479 –> 00:07:35,599
مشاهده میکردیم چقدر است، انتظار میرفتیم ببینیم
192
00:07:35,599 –> 00:07:38,319
اگر بازده سهام تصادفی بود اگر
193
00:07:38,319 –> 00:07:40,720
بازدهها مستقل از
194
00:07:40,720 –> 00:07:43,599
بازده های قبلی در اینجا منطق بسیار
195
00:07:43,599 –> 00:07:46,000
آسان و شهودی است و دلیل آن
196
00:07:46,000 –> 00:07:48,800
والدن گرگ مقاله 1940 خود است که برای اولین
197
00:07:48,800 –> 00:07:51,039
بار این آزمایش را پیشنهاد کرد
198
00:07:51,039 –> 00:07:55,599
اگر تعداد دفعات شما خیلی زیاد است
199
00:07:55,599 –> 00:07:56,879
200
00:07:56,879 –> 00:07:58,879
نشانه های بازگشت شما به طور متناوب به طور
201
00:07:58,879 –> 00:08:01,520
متناوب می توانند به شدت مشکوک شوند
202
00:08:01,520 –> 00:08:03,360
که وجود دارد. اینکه خود همبستگی منفی
203
00:08:03,360 –> 00:08:06,400
در دهها بالاتر میرود منجر به بازده پایین میشود
204
00:08:06,400 –> 00:08:09,199
و بالعکس، اما اگر تعداد
205
00:08:09,199 –> 00:08:11,840
اجراها خیلی کم باشد، میتوانید شک کنید که
206
00:08:11,840 –> 00:08:13,520
همبستگی مثبت وجود دارد.
207
00:08:13,520 –> 00:08:15,440
وابستگی سریال مثبت بین
208
00:08:15,440 –> 00:08:17,520
بازدهی با بازدهی بالا که منجر به
209
00:08:17,520 –> 00:08:20,560
بازدهی بالا می شود و اوه سریال شما
210
00:08:20,560 –> 00:08:22,160
بیشتر از آنچه باید در یک رگه صعودی قرار می
211
00:08:22,160 –> 00:08:22,960
گیرد
212
00:08:22,960 –> 00:08:24,800
و
213
00:08:24,800 –> 00:08:26,720
با بازگشت منفی به
214
00:08:26,720 –> 00:08:28,960
بازده منفی بیشتری منجر می شود و سریال ها
215
00:08:28,960 –> 00:08:31,360
در جهت مخالف روند دارند، بنابراین
216
00:08:31,360 –> 00:08:33,760
در اینجا یک تمایز بسیار طبیعی
217
00:08:33,760 –> 00:08:36,719
بین تعداد زیاد
218
00:08:36,719 –> 00:08:38,719
اجراهای همبستگی منفی به معنای برگرداندن
219
00:08:38,719 –> 00:08:41,279
رفتار نوسانی یا ضد پایدار
220
00:08:41,279 –> 00:08:43,519
سری زمانی بازگشت شما
221
00:08:43,519 –> 00:08:45,600
تعداد کم اجرا همبستگی خودکار مثبت
222
00:08:45,600 –> 00:08:48,080
یا روند روند
223
00:08:48,080 –> 00:08:49