در این مطلب، ویدئو صفحه نمایش سهام در پایتون 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: 00:34:58
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:04,240 –> 00:00:09,200
[موسیقی]
2
00:00:09,200 –> 00:00:10,639
بچهها به چه اتفاقی میافتد خوش آمدید در
3
00:00:10,639 –> 00:00:12,240
ویدیوی امروز ما میخواهیم یک
4
00:00:12,240 –> 00:00:13,599
صفحهنمایش ساده
5
00:00:13,599 –> 00:00:16,320
در پایتون بسازیم، پس بیایید به این
6
00:00:16,320 –> 00:00:18,480
موضوع بپردازیم، بچهها، پس غربالگر سهام چیست،
7
00:00:18,480 –> 00:00:20,160
اکنون یک نمایشگر سهام اساساً فقط یک
8
00:00:20,160 –> 00:00:21,520
ابزار است که به شما این امکان را میدهد تا
9
00:00:21,520 –> 00:00:23,119
از طریق دستهای از سهام مختلف نگاه
10
00:00:23,119 –> 00:00:24,640
کنید و سهامهایی را پیدا کنید که با
11
00:00:24,640 –> 00:00:27,039
معیارهای شما مطابقت دارند که از قبل تعیین کردهاید،
12
00:00:27,039 –> 00:00:28,880
بنابراین فرض کنید از طریق s p 500 نگاه کنید، در
13
00:00:28,880 –> 00:00:31,599
آنجا 500 شرکت
14
00:00:31,599 –> 00:00:33,520
دارید و میخواهید آنهایی را پیدا کنید که با
15
00:00:33,520 –> 00:00:36,160
معیارهای شما مطابقت دارند، برای مثال شما ممکن است
16
00:00:36,160 –> 00:00:38,960
بگوید میخواهم یک شرکت داشته باشم یا فقط
17
00:00:38,960 –> 00:00:40,559
میخواهم شرکتهایی را ببینم که نسبت p
18
00:00:40,559 –> 00:00:44,160
e کمتر از 30 دارند، به عنوان مثال، یا
19
00:00:44,160 –> 00:00:45,600
شما میخواهید نسبت بسته
20
00:00:45,600 –> 00:00:48,399
کمتر از دو داشته باشید یا میخواهید میانگین متحرکی داشته باشید که
21
00:00:48,399 –> 00:00:49,520
22
00:00:49,520 –> 00:00:52,960
نسبت به گذشته 30 روز از هر چیزی،
23
00:00:52,960 –> 00:00:55,120
بنابراین مهم است که بدانید
24
00:00:55,120 –> 00:00:56,719
معیارهای شما چیست و
25
00:00:56,719 –> 00:00:58,399
پس از آن، غربالگر سهام می تواند به شما کمک کند
26
00:00:58,399 –> 00:01:00,079
تا به طور خودکار مجموعه ای از سهام مختلف را بررسی
27
00:01:00,079 –> 00:01:01,760
کنید، لازم نیست به
28
00:01:01,760 –> 00:01:02,960
هر شرکتی بروید
29
00:01:02,960 –> 00:01:04,640
و ارزش ها را بررسی کنید. مقادیر
30
00:01:04,640 –> 00:01:06,560
را خودتان محاسبه کنید، فقط می توانید این کار را با
31
00:01:06,560 –> 00:01:07,680
ابزار انجام دهید و این چیزی است که ما
32
00:01:07,680 –> 00:01:09,040
امروز در پایتون می
33
00:01:09,040 –> 00:01:10,960
سازیم و برای این کار با
34
00:01:10,960 –> 00:01:12,880
uh یا با نصب چند
35
00:01:12,880 –> 00:01:15,360
کتابخانه شروع می کنیم تا باز کنیم cmd
36
00:01:15,360 –> 00:01:17,520
یا ترمینال مورد علاقهتان را بالا ببرید
37
00:01:17,520 –> 00:01:19,360
، اجازه دهید
38
00:01:19,360 –> 00:01:21,200
قبل از اینکه فراموشش
39
00:01:21,200 –> 00:01:23,520
کنم دوربینم را تغییر مکان بدهم تا آن را کوچک کنم و آن را در
40
00:01:23,520 –> 00:01:25,280
گوشه سمت راست بالای صفحه قرار
41
00:01:25,280 –> 00:01:27,040
دهم.
42
00:01:27,040 –> 00:01:28,320
43
00:01:28,320 –> 00:01:31,200
اول از همه panda so pip
44
00:01:31,200 –> 00:01:31,680
install
45
00:01:31,680 –> 00:01:33,840
pandas من این کار را انجام
46
00:01:33,840 –> 00:01:34,880
نمیدهم چون قبلاً آن
47
00:01:34,880 –> 00:01:36,960
را دارم، میخواهیم pandas data reader را نیز نصب کنیم،
48
00:01:36,960 –> 00:01:39,520
بنابراین pandas
49
00:01:39,520 –> 00:01:42,880
data reader مانند آن pandas data reader
50
00:01:42,880 –> 00:01:46,079
و آخرین اما مهمتر یاهو فین
51
00:01:46,079 –> 00:01:47,840
که برای yahoo finance و این همان
52
00:01:47,840 –> 00:01:49,119
چیزی است که ما قرار است از آن استفاده
53
00:01:49,119 –> 00:01:50,560
کنیم تا اطلاعات بیشتری در مورد سهام بدست آوریم،
54
00:01:50,560 –> 00:01:52,240
55
00:01:52,240 –> 00:01:54,560
بنابراین ما این کار را انجام می دهیم و می خواهیم
56
00:01:54,560 –> 00:01:56,560
57
00:01:56,560 –> 00:01:59,840
پانداها را به عنوان
58
00:01:59,840 –> 00:02:03,280
وب وارد
59
00:02:03,280 –> 00:02:09,119
کنیم. دوباره قصد واردات
60
00:02:09,119 –> 00:02:13,760
داریم، در واقع از یاهو fin import صرفه جویی می کنیم
61
00:02:13,760 –> 00:02:17,840
اطلاعات سهام
62
00:02:17,840 –> 00:02:21,200
s s i و سپس
63
00:02:21,200 –> 00:02:24,959
زمان تاریخ را به صورت dt وارد کنید،
64
00:02:24,959 –> 00:02:26,959
بنابراین هدف ما این است که
65
00:02:26,959 –> 00:02:28,959
فقط شرکتهای s p 500 را مرور کنیم و
66
00:02:28,959 –> 00:02:29,920
آنهایی را پیدا کنیم که با
67
00:02:29,920 –> 00:02:31,840
معیارهای ما مطابقت دارند، اکنون معیار چیست،
68
00:02:31,840 –> 00:02:33,360
ما فقط میخواهیم چیزی درست
69
00:02:33,360 –> 00:02:35,760
کنیم. در اینجا از چیزی که
70
00:02:35,760 –> 00:02:37,440
واقعاً معنیدار باشد استفاده نخواهیم کرد، ما
71
00:02:37,440 –> 00:02:39,120
فقط میخواهیم چیزهای خاصی
72
00:02:39,120 –> 00:02:41,360
را که میخواهیم داشته
73
00:02:41,360 –> 00:02:42,879
باشیم تعیین میکنیم و سپس شرکتهایی را پیدا میکنیم که
74
00:02:42,879 –> 00:02:44,239
این را برآورده میکنند،
75
00:02:44,239 –> 00:02:45,840
بنابراین اول از همه میخواهیم
76
00:02:45,840 –> 00:02:48,319
باید تمام نمادهای تیک تیک s
77
00:02:48,319 –> 00:02:51,519
p 500 را دریافت کنید، بنابراین برای کسانی از شما که
78
00:02:51,519 –> 00:02:53,200
قبلاً مجموعه ای از
79
00:02:53,200 –> 00:02:54,480
آموزش های موجود در این کانال را تماشا کرده اید، می دانید که
80
00:02:54,480 –> 00:02:54,879
81
00:02:54,879 –> 00:02:58,159
ما همیشه از شما استفاده می کنیم متأسفیم ما همیشه از
82
00:02:58,159 –> 00:03:00,560
داده خوان پانداها برای بارگیری داده ها استفاده می کنیم.
83
00:03:00,560 –> 00:03:02,720
از api یاهو فاینانس
84
00:03:02,720 –> 00:03:04,879
برای شرکتهای خاص و ما این کار را با
85
00:03:04,879 –> 00:03:06,239
مشخص کردن
86
00:03:06,239 –> 00:03:09,120
نمادهای علامتگذاری شرکتهای منفرد انجام میدهیم،
87
00:03:09,120 –> 00:03:11,200
اکنون s p 500
88
00:03:11,200 –> 00:03:13,920
دارای 500 شرکت است و ما باید
89
00:03:13,920 –> 00:03:14,879
نمادهای آنها را علامت
90
00:03:14,879 –> 00:03:16,480
بزنیم و چگونه آنها را به دست آوریم، فقط میگوییم
91
00:03:16,480 –> 00:03:17,920
علامتها
92
00:03:17,920 –> 00:03:20,959
برابر با s i dot هستند.
93
00:03:20,959 –> 00:03:25,280
tickers sp 500 lik
94
00:03:25,280 –> 00:03:26,799
بنابراین اکنون ما نشانه هایی را داریم که اکنون آنچه
95
00:03:26,799 –> 00:03:28,720
باید انجام دهیم این است که باید یک چارچوب زمانی را مشخص
96
00:03:28,720 –> 00:03:30,319
کنیم که در حال بررسی آن هستیم، بنابراین آنچه
97
00:03:30,319 –> 00:03:31,840
که در اینجا انجام می دهیم این است
98
00:03:31,840 –> 00:03:32,879
99
00:03:32,879 –> 00:03:36,080
که عملکرد تک تک سهام را با هم مقایسه کنیم.
100
00:03:36,080 –> 00:03:38,480
به عملکرد s p 500 به عنوان یک
101
00:03:38,480 –> 00:03:39,360
کل، بنابراین
102
00:03:39,360 –> 00:03:41,040
ما می خواهیم ببینیم که کدام سهام
103
00:03:41,040 –> 00:03:42,480
بازار را شکست داده است که کدام
104
00:03:42,480 –> 00:03:44,480
سهام تحت عملکرد هستند و سپس
105
00:03:44,480 –> 00:03:46,159
بر اساس آن مقایسه
106
00:03:46,159 –> 00:03:47,760
تصمیم می گیریم بنابراین ما می خواهیم بگوییم
107
00:03:47,760 –> 00:03:51,480
start برابر است و میتوانیم بگوییم
108
00:03:51,480 –> 00:03:54,959
dt.datetime و اگر میخواهید میتوانید تاریخ را مشخص کنید،
109
00:03:54,959 –> 00:03:56,080
بنابراین میتوانید به
110
00:03:56,080 –> 00:03:58,720
عنوان مثال 2020 اول ژانویه
111
00:03:58,720 –> 00:04:01,040
یا ما فقط به
112
00:04:01,040 –> 00:04:04,560
سال گذشته یا 365 روز گذشته نگاه میکنیم، بنابراین dt
113
00:04:04,560 –> 00:04:07,680
تاریخ زمان در حال حاضر اوم
114
00:04:07,680 –> 00:04:11,760
و چه مقدار بود منهای dt
115
00:04:11,760 –> 00:04:14,879
زمان دلتا روز
116
00:04:14,879 –> 00:04:18,798
برابر است با 365. بنابراین اساساً از این به بعد
117
00:04:18,798 –> 00:04:22,000
منهای 365 روز شروع و
118
00:04:22,000 –> 00:04:25,040
پایان فقط dt در طول روز نقطه خواهد بود.
119
00:04:25,040 –> 00:04:28,479
120
00:04:28,479 –> 00:04:30,800
121
00:04:30,800 –> 00:04:32,880
یک تاریخ مشخص داشته باشید فقط می توانید
122
00:04:32,880 –> 00:04:36,320
بگویید dt date time 2020 1 1 برای مثال اگر
123
00:04:36,320 –> 00:04:37,600
می خواهید
124
00:04:37,600 –> 00:04:40,720
um اکنون ما می خواهیم o ابتدا
125
00:04:40,720 –> 00:04:42,880
قاب داده s p 500 را
126
00:04:42,880 –> 00:04:45,280
بارگذاری کنید، بنابراین اطلاعات مربوط به s p 500 را بارگذاری می کنیم
127
00:04:45,280 –> 00:04:46,479
و سپس آن را با سهام جداگانه مقایسه می کنیم
128
00:04:46,479 –> 00:04:48,080
، بنابراین اول از همه
129
00:04:48,080 –> 00:04:49,320
می گوییم
130
00:04:49,320 –> 00:04:51,919
sp500df وب خواهد شد.
131
00:04:51,919 –> 00:04:55,680
داده خوان و
132
00:04:55,680 –> 00:04:58,639
نماد اینجا این نماد است، من مطمئن نیستم
133
00:04:58,639 –> 00:04:59,919
اسمش چیست hat
134
00:04:59,919 –> 00:05:02,080
آه حداقل در ریاضیات به آن
135
00:05:02,080 –> 00:05:03,720
کلاه می گویند سپس uh
136
00:05:03,720 –> 00:05:06,400
gspc این نماد علامت s
137
00:05:06,400 –> 00:05:07,280
p 500
138
00:05:07,280 –> 00:05:09,120
atf است که ما آن را از یاهو بارگذاری می کنیم.
139
00:05:09,120 –> 00:05:10,720
api finance
140
00:05:10,720 –> 00:05:14,080
از ابتدا تا انتها به آنجا می
141
00:05:14,080 –> 00:05:17,120
روید و اکنون می گوییم فریم داده s p 500
142
00:05:17,120 –> 00:05:18,800
و
143
00:05:18,800 –> 00:05:20,080
درصد
144
00:05:20,080 –> 00:05:21,919
تغییر uh را محاسبه می کنیم، بنابراین می خواهیم بدانیم خوب
145
00:05:21,919 –> 00:05:24,400
ارزش بسته شدن، مقدار بسته شدن تنظیم شده
146
00:05:24,400 –> 00:05:26,400
چقدر است. آیا
147
00:05:26,400 –> 00:05:27,840
روز به روز تغییر میکند، بنابراین کاری که
148
00:05:27,840 –> 00:05:29,280
میخواهیم انجام دهیم این است که میخواهیم بگوییم
149
00:05:29,280 –> 00:05:32,560
s p 500 d f p c t
150
00:05:32,560 –> 00:05:36,720
تغییر خواهد بود s p 500
151
00:05:36,720 –> 00:05:41,199
قاب داده تنظیم شده
152
00:05:41,199 –> 00:05:44,479
با درصد تغییر درصد نقطه بسته، بنابراین
153
00:05:44,479 –> 00:05:46,639
این قبلاً یک تابع است که بخشی از
154
00:05:46,639 –> 00:05:47,919
پانداها ما نیازی به
155
00:05:47,919 –> 00:05:50,320
پیاده سازی آن یا در واقع روش دیگری
156
00:05:50,320 –> 00:05:52,240
نداریم تابع r
157
00:05:52,240 –> 00:05:54,080
و چیزی که ما می خواهیم در پایان بدانیم
158
00:05:54,080 –> 00:05:55,360
آخرین چیزی که در واقع به آن
159
00:05:55,360 –> 00:05:56,720
علاقه مندیم بازگشت است
160
00:05:56,720 –> 00:05:59,120
بنابراین در آن بازه زمانی بازده واقعی چقدر بوده است
161
00:05:59,120 –> 00:06:00,800
و
162
00:06:00,800 –> 00:06:02,960
با گفتن s p
163
00:06:02,960 –> 00:06:04,720
500
164
00:06:04,720 –> 00:06:08,319
بازگشت برابر است با داده s p 500 به آن می رسیم.
165
00:06:08,319 –> 00:06:13,759
درصد تغییر قاب
166
00:06:14,720 –> 00:06:17,520
بعلاوه یک
167
00:06:17,840 –> 00:06:20,400
و ما
168
00:06:20,400 –> 00:06:22,400
محصول
169
00:06:22,400 –> 00:06:26,400
تجمعی را خواهیم داشت و ما آخرین مقدار را انتخاب می
170
00:06:26,400 –> 00:06:27,919
171
00:06:27,919 –> 00:06:29,280
کنیم زیرا ما به بازده نهایی علاقه مندیم،
172
00:06:29,280 –> 00:06:31,600
173
00:06:31,600 –> 00:06:33,199
بنابراین بازدهی به این صورت است که ما
174
00:06:33,199 –> 00:06:35,120
آن را محاسبه می کنیم و اکنون کاری که
175
00:06:35,120 –> 00:06:37,120
میخواهیم انجام دهیم این است که همان کاری را
176
00:06:37,120 –> 00:06:38,319
که در اینجا
177
00:06:38,319 –> 00:06:40,000
برای همه سهام انجام
178
00:06:40,000 –> 00:06:41,440
دادیم انجام میدهیم و سپس آنها را با
179
00:06:41,440 –> 00:06:42,319
180
00:06:42,319 –> 00:06:45,120
بازده واقعی s p 500 etf مقایسه میکنیم.
181
00:06:45,120 –> 00:06:46,840
برای اینکه بگوییم
182
00:06:46,840 –> 00:06:50,960
لیست بازگشتی ابتدا یک لیست خالی است
183
00:06:50,960 –> 00:06:53,759
و ما فریم داده نهایی را ایجاد می کنیم،
184
00:06:53,759 –> 00:06:55,360
چارچوب داده نهایی چیزی است که
185
00:06:55,360 –> 00:06:57,360
برای تصمیم گیری در مورد خرید به آن نگاه می
186
00:06:57,360 –> 00:06:58,560
کنیم، می خواهیم
187
00:06:58,560 –> 00:07:00,880
آن را در اینجا مقداردهی اولیه کنیم اما
188
00:07:00,880 –> 00:07:02,479
بعداً از آن استفاده خواهم کرد، بنابراین من فقط آن را
189
00:07:02,479 –> 00:07:03,440
190
00:07:03,440 –> 00:07:05,599
تعریف می کنم ay df نهایی
191
00:07:05,599 –> 00:07:06,560
قرار است
192
00:07:06,560 –> 00:07:09,759
قاب داده pdf باشد
193
00:07:09,759 –> 00:07:12,080
و ستون ها در اینجا مهم هستند،
194
00:07:12,080 –> 00:07:13,520
بنابراین ما فقط
195
00:07:13,520 –> 00:07:15,440
ستون ها را در اینجا
196
00:07:15,440 –> 00:07:18,960
تعریف می کنیم و به چه چیزهایی علاقه مند هستیم،
197
00:07:18,960 –> 00:07:20,479
می توانید خودتان تصمیم بگیرید،
198
00:07:20,479 –> 00:07:22,560
اوه مجبور نیستید استفاده کنید.
199
00:07:22,560 –> 00:07:23,680
نقل قول استراتژی-نقل قولی که من در این
200
00:07:23,680 –> 00:07:25,440
ویدیو استفاده می کنم، اتفاقاً چون
201
00:07:25,440 –> 00:07:27,440
فراموش کردم ذکر کنم این ویدیو توصیه مالی نیست، وقتی صحبت
202
00:07:27,440 –> 00:07:28,479
از مشاوره مالی
203
00:07:28,479 –> 00:07:29,680
می شود به من گوش ندهید
204
00:07:29,680 –> 00:07:31,360
من یک برنامه نویس هستم. یک
205
00:07:31,360 –> 00:07:32,720
دانشمند کامپیوتری که من به شما
206
00:07:32,720 –> 00:07:33,759
برنامه نویسی
207
00:07:33,759 –> 00:07:35,440
یاد می دهم، به هیچ وجه به من گوش ندهید،
208
00:07:35,440 –> 00:07:37,599
وقتی نوبت به سرمایه گذاری در سهام، سرمایه گذاری در
209
00:07:37,599 –> 00:07:39,039
رمزنگاری هر چیزی می رسد، من
210
00:07:39,039 –> 00:07:41,440
مسئول هیچ ضرری که شما می کنید و
211
00:07:41,440 –> 00:07:43,120
همچنین برای هیچ سودی که به دست می آورید، نیستم
212
00:07:43,120 –> 00:07:44,639
. در
213
00:07:44,639 –> 00:07:46,080
مورد مشاوره مالی به من گوش ندهید، اینجا فقط یک
214
00:07:46,080 –> 00:07:47,120
سلب مسئولیت مهم است
215
00:07:47,120 –> 00:07:50,000
که من همیشه باید آن را در یوتیوب انجام دهم،
216
00:07:50,000 –> 00:07:51,360
بنابراین چیزی که ما در اینجا به آن علاقه مندیم این
217
00:07:51,360 –> 00:07:53,919
است که شما می خواهید یک نماد تیک دار داشته باشید
218
00:07:53,919 –> 00:07:55,039
،
219
00:07:55,039 –> 00:07:59,840
ما می خواهیم جدیدترین ها را داشته باشیم. قیمت
220
00:08:00,080 –> 00:08:03,599
آخرین قیمت ما می خواهیم یک
221
00:08:03,599 –> 00:08:05,360
ارزش امتیاز داشته باشیم که ما
222
00:08:05,360 –> 00:08:07,360
در عرض یک ثانیه تعریف می کنیم که امتیاز به چه معناست، من
223
00:08:07,360 –> 00:08:09,280
فقط آن را در اینجا اضافه می کنم، بنابراین امتیاز
224
00:08:09,280 –> 00:08:10,000
225
00:08:10,000 –> 00:08:11,680
اساساً چگونه با
226
00:08:11,680 –> 00:08:13,199
بازده s p 500 مقایسه می شود
227
00:08:13,199 –> 00:08:15,520
و سپس نسبت p e را
228
00:08:15,520 –> 00:08:18,560
خواهیم داشت. نسبت میخکوبی را خواهیم داشت
229
00:08:18,560 –> 00:08:21,120
که برابر با p e و رشد است، بنابراین نسبت قیمت به
230
00:08:21,120 –> 00:08:22,960
درآمد و نسبت رشد درآمد قیمت
231
00:08:22,960 –> 00:08:24,080
232
00:08:24,080 –> 00:08:27,360
آهان، پس ما
233
00:08:27,360 –> 00:08:30,400
میانگین متحرک sma را
234
00:08:30,400 –> 00:08:34,320
برای 150 روز خواهیم داشت،
235
00:08:34,320 –> 00:08:38,559
میانگین متحرک را برای 200 روز خواهیم داشت
236
00:08:38,559 –> 00:08:41,839
و ما کمینه 52
237
00:08:41,839 –> 00:08:46,000
هفته و 52
238
00:08:46,000 –> 00:08:49,519
هفته
239
00:08:49,519 –> 00:08:51,600
دوباره سلام خواهیم داشت، اگر می خواهید فقط می توانید دو مورد از آنها را انتخاب
240
00:08:51,600 –> 00:08:53,440
کنید، می توانید 100 مقدار دیگر را
241
00:08:53,440 –> 00:08:54,560
در اینجا اضافه کنید،
242
00:08:54,560 –> 00:08:56,160
اینها فقط ستون هایی هستند که می
243
00:08:56,160 –> 00:08:58,240
خواهید تصمیم خود را با آنها بگیرید، بنابراین اگر این کار را
244
00:08:58,240 –> 00:08:59,920
نکردید به میانگین های متحرک
245
00:08:59,920 –> 00:09:01,600
اهمیتی نمی دهید اگر به نسبت میخ اهمیتی نمی دهید
246
00:09:01,600 –> 00:09:03,040
از چیز دیگری استفاده کنید که می دانید شاید
247
00:09:03,040 –> 00:09:05,200
فقط به امتیاز نسبت p
248
00:09:05,200 –> 00:09:08,640
و پایین ترین هفته 52 اهمیت نمی دهید، بنابراین
249
00:09:08,640 –> 00:09:10,160
بسته به اینکه در هنگام غربالگری به چه چیزی علاقه
250
00:09:10,160 –> 00:09:11,680
دارید. سهام
251
00:09:11,680 –> 00:09:13,279
این همان چیزی است که شما در این ویدیو در آن ستون ها قرار داده اید
252
00:09:13,279 –> 00:09:14,480
. من به شما می روم
253
00:09:14,480 –> 00:09:15,360
آنها را ببینید
254
00:09:15,360 –> 00:09:17,920
فقط به این دلیل که فکر می کنم جالب هستند،
255
00:09:17,920 –> 00:09:19,600
اوه، اما من نمی گویم که این
256
00:09:19,600 –> 00:09:21,279
چیزی است که لزوماً باید در
257
00:09:21,279 –> 00:09:22,959
هنگام تصمیم گیری برای سرمایه گذاری به آن نگاه کنید، بنابراین این
258
00:09:22,959 –> 00:09:24,959
بیشتر در مورد برنامه نویسی در اینجا است،
259
00:09:24,959 –> 00:09:26,800
بنابراین اکنون ما آن را داریم و در حال
260
00:09:26,800 –> 00:09:29,600
رفتن هستیم برای صرفه جویی در Ticker
261
00:09:29,600 –> 00:09:31,519
و Tickers، بنابراین برای همه Ticker هایی
262
00:09:31,519 –> 00:09:34,000
که از s p 500
263
00:09:34,000 –> 00:09:36,080
داریم، می خواهیم بگوییم که فریم داده ای
264
00:09:36,080 –> 00:09:38,160
که فقط یک قاب داده موقت
265
00:09:38,160 –> 00:09:41,920
است، خواننده داده وب خواهد بود
266
00:09:41,920 –> 00:09:43,519
و ما اساساً بارگذاری می کنیم
267
00:09:43,519 –> 00:09:44,880
اطلاعات مربوط به تیک تیک از
268
00:09:44,880 –> 00:09:47,120
api مالی یاهو
269
00:09:47,120 –> 00:09:49,600
به همان روشی که در بالا انجام دادیم شروع به
270
00:09:49,600 –> 00:09:51,279
پایان میکند، بنابراین همان کاری که در اینجا
271
00:09:51,279 –> 00:09:52,959
با s p 500
272
00:09:52,959 –> 00:09:54,560
به طور کلی انجام دادیم، اکنون برای همه شرکتهای
273
00:09:54,560 –> 00:09:56,320
274
00:09:56,320 –> 00:09:59,440
جداگانه انجام میدهیم، پس میگوییم اوم df
275
00:09:59,440 –> 00:10:01,760
به csv همچنین این
276
00:10:01,760 –> 00:10:03,279
لزوماً کاری نیست که باید
277
00:10:03,279 –> 00:10:04,880
انجام دهید، همچنین می توانید آن را همیشه در حافظه نگه دارید
278
00:10:04,880 –> 00:10:06,320
،
279
00:10:06,320 –> 00:10:08,240
اما بعداً داشتن این فایل csv ساده تر
280
00:10:08,240 –> 00:10:10,079
281
00:10:10,079 –> 00:10:11,519
می شود که اگر بخواهید می توانید آن را باز کنید.
282
00:10:11,519 –> 00:10:13,519
چیزی با آن، بنابراین من دوست دارم
283
00:10:13,519 –> 00:10:15,680
چیزها را در آن ذخیره کنم یک فایل csv
284
00:10:15,680 –> 00:10:19,839
و ما این
285
00:10:20,640 –> 00:10:24,399
دادههای سهام را
286
00:10:24,399 –> 00:10:27,760
به صورت یک رشته f فرمت شده صدا
287
00:10:27,760 –> 00:10:29,120
میزنیم و سپس
288
00:10:29,120 –> 00:10:33,519
درصد تغییر را در اینجا محاسبه میکنیم، بنابراین تغییر pct
289
00:10:33,519 –> 00:10:37,839
290
00:10:38,959 –> 00:10:41,760
تنظیم میشود.
291
00:10:42,320 –> 00:10:46,320
292
00:10:46,320 –> 00:10:49,120
بازده دوباره
293
00:10:49,120 –> 00:10:52,160
محصول انباشته خواهد بود، بنابراین
294
00:10:52,160 –> 00:10:56,240
بازده سهام،
295
00:10:56,640 –> 00:11:01,839
درصد تغییر قاب داده
296
00:11:02,320 –> 00:11:05,680
297
00:11:07,040 –> 00:11:10,640
به اضافه یک
298
00:11:10,640 –> 00:11:15,680
نقطه انباشته محصول آخرین عنصری است
299
00:11:15,680 –> 00:11:19,040
که می روید، بنابراین
300
00:11:19,120 –> 00:11:21,279
همین است و اکنون تنها کاری که
301
00:11:21,279 –> 00:11:23,200
باید انجام دهیم این است که باید محاسبه کنیم
302
00:11:23,200 –> 00:11:26,720
بازده در مقایسه با s p 500، بنابراین
303
00:11:26,720 –> 00:11:28,959
میخواهیم بگوییم بازده
304
00:11:28,959 –> 00:11:32,160
مقایسه شده گرد میشود
305
00:11:32,160 –> 00:11:35,680
، بازده سهام تقسیم بر بازده s
306
00:11:35,680 –> 00:11:38,880
p 500 گرد شده به دو رقم اعشار
307
00:11:38,880 –> 00:11:39,600
308
00:11:39,600 –> 00:11:42,160
و سپس برمیگردیم تا این مورد را به بازده اضافه
309
00:11:42,160 –> 00:11:43,920
کنیم. لیستی که
310
00:11:43,920 –> 00:11:45,200
در اینجا قرار دارد، بنابراین ما همه
311
00:11:45,200 –> 00:11:47,200
بازده ها را در اینجا در این لیست خواهیم داشت، بنابراین
312
00:11:47,200 –> 00:11:51,040
لیست برگشتی را
313
00:11:51,040 –> 00:11:54,800
با هم مقایسه می کنیم، بنابراین
314
00:11:54,800 –> 00:11:57,440
ما اساساً چگونه این کار را انجام می دهیم، بنابراین در
315
00:11:57,440 –> 00:11:58,800
مرحله بعدی کاری که می خواهیم انجام دهیم این است
316
00:11:58,800 –> 00:12:00,399
که ما می خواهم به فایل بهترین
317
00:12:00,399 –> 00:12:02,000
عملکرد را در حال حاضر انجام دهید نیازی به انجام
318
00:12:02,000 –> 00:12:03,760
این کار نیست، این فقط یک تصمیم است که
319
00:12:03,760 –> 00:12:05,760
من در این ویدیو میگیرم
320
00:12:05,760 –> 00:12:07,440
تا تصمیم بگیرم، همچنین میتوانید بگویید
321
00:12:07,440 –> 00:12:09,120
میخواهم بدترین عملکرد را داشته باشم یا
322
00:12:09,120 –> 00:12:10,160
323
00:12:10,160 –> 00:12:12,480
نسبت به عملکرد اهمیتی ندارم. به s p 500
324
00:12:12,480 –> 00:12:14,560
من به میانگین های متحرک اهمیت می دهم
325
00:12:14,560 –> 00:12:15,600
326
00:12:15,600 –> 00:12:17,920
و به نسبت های p e و غیره اهمیت می دهم، اگر چنین
327
00:12:17,920 –> 00:12:19,360
باشد، البته می توانید از آن مرحله رد شوید،
328
00:12:19,360 –> 00:12:21,279
اما من این کار را اینجا انجام می دهم تا به
329
00:12:21,279 –> 00:12:23,440
شما نشان دهم چگونه می توانید چنین کاری را انجام دهید.
330
00:12:23,440 –> 00:12:25,040
بنابراین میخواهیم بدانیم بهترین
331
00:12:25,040 –> 00:12:27,040
عملکردها در اینجا چه کسانی هستند و چگونه انجام دهیم که میگوییم
332
00:12:27,040 –> 00:12:27,360
333
00:12:27,360 –> 00:12:31,279
بهترین عملکرد برابر است و اکنون
334
00:12:31,279 –> 00:12:34,079
یک قاب داده جدید ایجاد میکنیم، بنابراین میگوییم چارچوب داده
335
00:12:34,079 –> 00:12:37,600
و اگر این کار را نکنید، اکنون فهرستی از zip ایجاد میکنم.
336
00:12:37,600 –> 00:12:38,880
می دانم عملکرد zip چیست،
337
00:12:38,880 –> 00:12:40,240
من یک ویدیو در این کانال دارم
338
00:12:40,240 –> 00:12:41,920
، نمی خواهم به جزئیات زیاد
339
00:12:41,920 –> 00:12:42,560
در اینجا وارد
340
00:12:42,560 –> 00:12:45,120
شوم، زیرا این ویدیو در حال
341
00:12:45,120 –> 00:12:45,680
342
00:12:45,680 –> 00:12:47,440
حاضر کمی طولانی تر از حد معمول است، بنابراین من
343
00:12:47,440 –> 00:12:49,200
قصد ندارم در مورد zip توضیح دهم. در
344
00:12:49,200 –> 00:12:50,079
اینجا با جزئیات کار کنید،
345
00:12:50,079 –> 00:12:51,600
اما من در سری آموزش پیشرفته پایتون خود را
346
00:12:51,600 –> 00:12:53,519
دارم یا فکر می کنم در آن وجود داشت
347
00:12:53,519 –> 00:12:55,440
نکات و ترفندهای پایتون یکی از دو موردی که
348
00:12:55,440 –> 00:12:57,200
من یک ویدیو در مورد تابع zip دارم، بنابراین اگر
349
00:12:57,200 –> 00:12:58,480
میخواهید بدانید چه کاری انجام میدهد،
350
00:12:58,480 –> 00:13:00,240
فقط به آن نگاه کنید، ما
351
00:13:00,240 –> 00:13:03,760
تیکرها و لیست برگشتی را زیپ
352
00:13:03,760 –> 00:13:06,720
میکنیم و سپس میگوییم
353
00:13:06,720 –> 00:13:09,519
ستونها فقط علامتدار خواهند بود
354
00:13:09,519 –> 00:13:12,880
و بازدهها
355
00:13:12,880 –> 00:13:15,770
356
00:13:15,770 –> 00:13:17,279
[موسیقی] مقایسه میشوند
357
00:13:17,279 –> 00:13:18,560
و اکنون کاری که میخواهیم انجام دهیم این است
358
00:13:18,560 –> 00:13:21,920
که میخواهیم بگوییم بهترین
359
00:13:21,920 –> 00:13:24,320
نمره
360
00:13:25,440 –> 00:13:28,880
عملکرد، بهترین
361
00:13:29,200 –> 00:13:32,800
بازده عملکرد در مقایسه خواهد بود و ما از
362
00:13:32,800 –> 00:13:34,480
رتبه استفاده میکنیم روش روش رتبه
363
00:13:34,480 –> 00:13:36,240
اساساً دقیقاً همان کاری را انجام می دهد که ما
364
00:13:36,240 –> 00:13:37,760
می خواهیم بهترین
365
00:13:37,760 –> 00:13:40,160
عملکرد را داشته باشیم، بنابراین می
366
00:13:40,160 –> 00:13:41,440
367
00:13:41,440 –> 00:13:44,000
خواهیم وقتی بازده هایی را مقایسه
368
00:13:44,000 –> 00:13:44,639
می کنیم که بازدهی را
369
00:13:44,639 –> 00:13:47,600
در مقایسه با s p 500 بهترین رتبه را دارد
370
00:13:47,600 –> 00:13:48,240
بدانیم خوب است، بنابراین ما می خواهیم
371
00:13:48,240 –> 00:13:49,839
رتبه خود را ببینیم. می خواهیم بگوییم که درصد
372
00:13:49,839 –> 00:13:51,120
برابر است زیرا ما نمی خواهیم
373
00:13:51,120 –> 00:13:52,480
مقادیر مطلق داشته باشیم شما می خواهید درصد داشته باشید
374
00:13:52,480 –> 00:13:53,600
375
00:13:53,600 –> 00:13:55,920
و ما این را در
376
00:13:55,920 –> 00:13:57,839
100 ضرب می کنیم زیرا می خواهیم
377
00:13:57,839 –> 00:14:00,959
مقادیر واقعی درصد را در اینجا داشته باشیم
378
00:14:00,959 –> 00:14:03,440
و اکنون می خواهیم می گویند بهترین
379
00:14:03,440 –> 00:14:05,199
بازیگران ما می خواهیم
380
00:14:05,199 –> 00:14:06,880
بقیه را حذف کنیم o ما تنها بهترین عملکرد را رها می کنیم که
381
00:14:06,880 –> 00:14:08,079
382
00:14:08,079 –> 00:14:11,040
بهترین عملکرد را داشته باشند و در
383
00:14:11,040 –> 00:14:13,040
اینجا اکنون باید معیارها را مشخص کنیم
384
00:14:13,040 –> 00:14:14,720
و معیار این است
385
00:14:14,720 –> 00:14:20,160
که بهترین نمره عملکرد
386
00:14:21,279 –> 00:14:24,959
باید بزرگتر یا برابر با
387
00:14:24,959 –> 00:14:28,000
388
00:14:28,839 –> 00:14:31,680
389
00:14:31,680 –> 00:14:35,279
کمیت نقطه بهترین نمره عملکرد باشد. و در اینجا می توانید مشخص کنید
390
00:14:35,279 –> 00:14:36,959
که به چه چیزی علاقه دارید سی
391
00:14:36,959 –> 00:14:39,600
درصد برتر، بیست درصد برتر،
392
00:14:39,600 –> 00:14:42,079
ده درصد برتر، پنجاه درصد،
393
00:14:42,079 –> 00:14:42,959
شاید فقط
394
00:14:42,959 –> 00:14:45,680
به این ترتیب، این چندک اساساً به معنای اوه از
395
00:14:45,680 –> 00:14:47,279
آن نقطه به بعد
396
00:14:47,279 –> 00:14:50,959
همه چیز است یا چه می گویید اگر
397
00:14:50,959 –> 00:14:52,480
شما
398
00:14:52,480 –> 00:14:54,320
اگر
399
00:14:54,320 –> 00:14:58,079
چندک 0.8 را انتخاب کنید، مثلاً
400
00:14:58,079 –> 00:15:00,560
نقطه هشت را انتخاب کنید، بگذارید با یک مثال توضیح بدهم، این بدان معناست که شما
401
00:15:00,560 –> 00:15:02,079
بیست درصد برتر را انتخاب می کنید، زیرا
402
00:15:02,079 –> 00:15:02,959
به
403
00:15:02,959 –> 00:15:05,600
اوه تا هشتاد درصد می روید. چندک و
404
00:15:05,600 –> 00:15:07,279
شما می گویید خوب همه چیز
405
00:15:07,279 –> 00:15:09,519
زیر آن بدتر است و من می خواهم
406
00:15:09,519 –> 00:15:11,519
فقط بیست درصد برتر را داشته باشم،
407
00:15:11,519 –> 00:15:13,440
اوه این روش در اینجا کار می کند،
408
00:15:13,440 –> 00:15:14,560
409
00:15:14,560 –> 00:15:17,600
بنابراین ما 70 را انتخاب می کنیم، بنابراین در واقع 30 درصد برتر را انتخاب می کنیم
410
00:15:17,600 –> 00:15:19,120
.
411
00:15:19,120 –> 00:15:20,240
412
00:15:20,240 –> 00:15:22,399
30 درصد برتر بهترین عملکرد خواهند بود
413
00:15:22,399 –> 00:15:24,639
وقتی بازده آنها را با بازده
414
00:15:24,639 –> 00:15:25,680
s p 500 مقایسه کنید
415
00:15:25,680 –> 00:15:28,160
که لزوماً نمی گوید
416
00:15:28,160 –> 00:15:29,759
که این تصمیم خوبی است
417
00:15:29,759 –> 00:15:31,680
زیرا ممکن است بدترین عملکردها در
418
00:15:31,680 –> 00:15:33,040
آینده عملکرد بهتری داشته باشند.
419
00:15:33,040 –> 00:15:34,560
در حالی
420
00:15:34,560 –> 00:15:36,000
که بهترین بازیگران در حال رفتن به
421
00:15:36,000 –> 00:15:37,600
سراشیبی هستند، بنابراین شما نمی دانید، اما
422
00:15:37,600 –> 00:15:39,199
423
00:15:39,199 –> 00:15:41,440
اگر تصمیم بگیرید که استراتژی سرمایه گذاری را انتخاب کنید، این کار را انجام می دهید
424
00:15:41,440 –> 00:15:42,720
425
00:15:42,720 –> 00:15:44,160
و اکنون کاری که ما می خواهیم انجام دهیم این است که در
426
00:15:44,160 –> 00:15:46,320
واقع می رویم پیشاپیش و
427
00:15:46,320 –> 00:15:48,000
همه معیارها را
428
00:15:48,000 –> 00:15:49,839
برای بهترین عملکرد محاسبه کنید، بنابراین اگر
429
00:15:49,839 –> 00:15:51,839
سهامی با بهترین
430
00:15:51,839 –> 00:15:53,120
عملکرد نداریم، حتی آن را در
431
00:15:53,120 –> 00:15:54,880
نظر نگیریم، اما بهترین عملکردها
432
00:15:54,880 –> 00:15:56,720
را برای آنها اعمال خواهیم کرد
433
00:15:56,720 –> 00:15:59,279
، معیارهایی که ما داریم. علاقهمند هستم،
434
00:15:59,279 –> 00:16:00,240
بنابراین ما میخواهیم بگوییم که
435
00:16:00,240 –> 00:16:04,320
برای تیکر در بهترین عملکرد
436
00:16:04,320 –> 00:16:05,759
اوه، اما نه در بهترین عملکرد به
437
00:16:05,759 –> 00:16:08,079
طور کلی، بلکه در مورد بهترین عملکرد،
438
00:16:08,079 –> 00:16:10,800
بنابراین برای آن تیکرها، ما
439
00:16:10,800 –> 00:16:13,680
فایل csv را بارگذاری میکنیم تا دوباره این کار را انجام ندهیم.
440
00:16:13,680 –> 00:16:16,079
از یاهو فاینانس استفاده کنید pi up در اینجا
441
00:16:16,079 –> 00:16:17,120
از
442
00:16:17,120 –> 00:16:20,720
فایلهای csv که
443
00:16:20,720 –> 00:16:24,320
با استفاده از این dataframe.2csv ایجاد کردهایم استفاده
444
00:16:24,320 –> 00:16:27,839
میکنیم و میخواهیم بگوییم تلاش کنید
445
00:16:27,839 –> 00:16:30,560
تا اگر استثنایی دریافت کردیم
446
00:16:30,560 –> 00:16:32,000
447
00:16:32,000 –> 00:16:34,560
، اسکریپت را خراب نکنیم، پس سعی کنید قبول کنید. ‘
448
00:16:34,560 –> 00:16:36,079
میخواهیم از پاس بهعنوان جایبانی
449
00:16:36,079 –> 00:16:39,279
در اینجا استفاده کنیم و میخواهیم بگوییم فضولی نکن
450
00:16:39,279 –> 00:16:44,959
سعی کن فریم داده برابر است با pandas.read
451
00:16:44,959 –> 00:16:49,680
csv و ما میخواهیم
452
00:16:49,680 –> 00:16:53,920
دادههای سهام را بخوان