آموزش بهینه‌سازی پرتفولیو سهام با تئوری نوین (MPT) در پایتون

آموزش بهینه‌سازی پرتفولیو سهام با تئوری نوین (MPT) در پایتون

ما در این دوره از ابتدا تا انتهای این مسیر را با استفاده از تئوری مدرن پرتفوی مارکوویتز(MPT) طی میکنم و با کدنویسی در پایتون می یابیم که وزن بهینه سرمایه گذاری در هر دارایی پرتفوی ما چه مقدار باشد که سود پرتفوی ما حداکثر و ریسک آن حداقل شود.

تریلر دوره

توضیحات کامل دوره

توضیحات دوره می‌دانیم که یک از مهم‌ترین بخش‌های سرمایه‌گذاری در بازارهای مالی, مدیریت سرمایه است به گونه‌ای که ریسک سبد سرمایه گذاری حداقل شود و اصل پول تا جای ممکن در امان باشد. فرض کنید قصد سرمایه...

توضیحات دوره

می‌دانیم که یک از مهم‌ترین بخش‌های سرمایه‌گذاری در بازارهای مالی, مدیریت سرمایه است به گونه‌ای که ریسک سبد سرمایه گذاری حداقل شود و اصل پول تا جای ممکن در امان باشد.

فرض کنید قصد سرمایه‌گذاری بر روی سه سهام یا ارزدیجیتال گرفته‌اید و خواهان تشکیل بهترین پرتفولیوی ممکن از این سه دارایی هستید.

سوال اصلی شما این خواهد بود که چند درصد از سرمایه خود را روی هر یک از این سهام‌ها یا ارز ها سرمایه‌گذاری کنید که پرتفولیوی شما دارای بیشترین بازده و کمترین ریسک باشد؟

به عنوان مثال 10 میلیون تومان پول را میخواهید بین سهام های شپنا, خودرو و فارس سرمایه گذاری کند. چند میلیون از پولتان را باید رو هر کدام سرمایه‌گذاری کنید که کمترین ریسک و بیشترین بازده نصیبتان گردد؟

طبیعتان هزاران پرتفولیوی مختلف را می‌توان ساخت. اما بهینه‌ترین کدام است؟ پاسخ را در این دوره خواهیم آموخت.

در دوره آموزشی بهینه‌سازی پرتفولیو سهام با تئوری نوین (MPT) در پایتون چه پیش نیازی لازم است؟

ما در این دوره از ابتدا تا انتهای این مسیر را با استفاده از تئوری مدرن پرتفوی مارکوویتز (MPT) طی می‌کنیم و با کدنویسی در پایتون می یابیم که وزن بهینه سرمایه گذاری در هر دارایی پرتفوی ما چه مقدار باشد که سود پرتفوی ما حداکثر و ریسک آن حداقل شود.

این دوره دارای سطح کمی پیشرفته می‌باشد و لازم است که دانشجویان کمی با مفاهیم مالی و پایتون آشنا باشند. البته در فصل آخر, آموزش فشرده پایتون و کتابخانه‌های مورد نیاز آن به عنوان هدیه برای دانشجویان در نظر گرفته شده است که اختیاری است.

سرفصل‌های دوره

  • معرفی و مقدمه
    9:48
  • نصب پایتون و Jupyter Notebook
    6:37
  • مفهوم بازده, بازده مرکب و بازده سالانه
    18:42
  • نوسان و ریسک دوره‌ای و سالانه
    12:54
  • معیارهای Return on risk و Sharpe ratio
    6:10

  • بازده, ریسک و نسبت های بازده به ریسک روی دیتاست واقعی
    16:00
  • پیاده‌سازی Drawdown
    11:22
  • رسم و تابع‌سازی Drawdown
    7:32
  • Skewness و Kurtosis
    4:42
  • بررسی چولگی و کشیدگی داده‌های واقعی و ساخت کتابخانه Maktab_S_J
    10:06
  • آزمون Jarque-Bra و بررسی نرمال بودن داده‌ها
    17:14

  • Downside risk measures - نیمه انحراف معیار (semi deviation)
    8:47
  • ارزش در معرض ریسک - Value At Risk (VAR)
    6:31
  • محاسبه VAR با استفاده از Historical method
    7:11
  • محاسبه VAR با استفاده از Parametric method (Gaussian)
    6:49
  • محاسبه VAR با استفاده از Cornish-Fisher method(semi-parametric)
    7:38
  • ارزش در معرض ریسک شرطی – Conditional Valur At Risk(CVAR)
    11:18

  • Efficient frontier – مرز کارا
    9:44
  • محاسبه بازده و ریسک یک پرتفولیو
    4:04
  • تست توابع کتابخانه Maktab_S_J بر روی داده‌های 90 سال اخیر 30 صنعت بورسی
    7:04
  • ایجاد توابع مهم ()annualize_return() , annualize_vol() , sharpe_ratio
    16:28
  • ایجاد توابع مهم ()portfolio_return() , portfolio_vol
    7:13
  • رسم Efficient frontier (در حالت دو دارایی)
    7:18
  • ایجاد تابع plot_ef2 () و رسم آسان efficient frontier
    6:09
  • تابع بسیار مهم ()minimize_volatility و یافتن وزن‌های بهینه سرمایه‌گذاری (برای حالت دو دارایی)
    15:39
  • اگر بیشتر از دو دارایی داشتیم چی؟ - ایجاد توابع مهم ()optimal_weights و ()plot_ef
    7:26
  • رسم efficient frintier و یافتن وزن‌های بهینه (برای حالت n دارایی)
    4:57
  • دریافت داده های دنیای واقعی و محاسبه mean , std , cov برای آن ها
    8:19
  • استفاده از simulation Montcarlo برای یافتن بهینه ترین پرتفولیو ممکن از بین هزاران پرتفولیوی تصادفی
    14:31
  • رسم پرتفوهای ایجاد شده توسط Montcarlo simulation و یافتن پرتفوهای GMV و MSR
    8:53
  • ایجاد تابع ()get_portfolio_features – استفاده از روش دوم برای پرتفوی بهینه ()minimize_volatility - مقایسه دو روش montc
    6:53
  • یافتن بهینه ترین پرتفولیو در حالت ورود یک بازده ثابت هدف (target return)
    10:21
  • ایجاد تابع بسیار مهم ()maximize_sharpe_ratio و یافتن بهینه ترین پرتفو با بالاترین نسبت شارپ
    11:04
  • ایجاد تابع بسیار بسیار مهم ()effiecient frontier
    9:19
  • خط Capital Market Line (CML) – خط بازار سرمایه
    5:33
  • ایجاد تابع بسیار بسیار مهم ()effiecient frontier و یافتن پرتفولیوهای hsr , mvp , ewp و رسم مرز کارا - بخش دوم
    12:09
  • معرفی دارایی بدون ریسک و مرز کارای جدید
    8:57
  • فرمول های بازده , ریسک و وزن های بهینه در حالت وجود دارایی بدون ریسک
    12:19
  • یافتن وزن های بهینه در حالت وجود نرخ بدون ریسک و مجاز بودن فروش استقراضی
    7:17
  • ایجاد تابع ()weighted_max_sharpe_ratio برای یافتن وزن های بهینه پرتفو با بیشترین نسبت شارپ در حالت وجود نرخ بدون ریسک
    7:28
  • به دست آوردن وزن های بهینه سهام ها و دارایی بدون ریسک در حالت وجود نرخ بدون ریسک برای بازده دلخواه و رسم cml هر ترکیب
    20:22

  • Limits of portfolio diversification
    27:58

  • عملیات محاسباتی در پایتون
    14:02
  • List and loops
    17:24
  • انواع مختلف داده ها و برش لیست ها – بخش اول
    8:47
  • انواع مختلف داده ها و برش لیست ها – بخش دوم
    20:46
  • حالات شرطی و حلقه While
    16:02
  • توابع (functions)
    11:33
  • کتابخانه Numpy
    12:38
  • متدهای کتابخانه Numpy
    16:09
  • آرایه های چندبعدی
    8:12
  • کتابخانه pandas برای داده های جدولی - بخش اول
    18:21
  • کتابخانه pandas برای داده های جدولی - بخش دوم
    19:34
  • کتابخانه pandas برای داده های جدولی - بخش سوم
    17:46
  • مصور سازی داده ها با Matplotlib
    12:35
  • مصور سازی داده ها با Seaborn
    14:01
  • مطالب پیشرفته pandas
    18:52

  • معرفی کتابخانه finpy_tse
    10:27
  • دریافت داده های سهام از بازار بورس اوراق بهادار تهران
    7:40
  • روش های دریافت داده ها و تمیز کردن داده ها - بخش اول
    13:55
  • روش های دریافت داده ها و تمیز کردن داده ها - بخش دوم
    8:34
  • شبیه سازی پرتفولیو های ممکن با استفاده از montcarlo simulation
    13:03
  • یافتن پرتفوهای بهینه و مرز کارا با استفاده از minimize_volatility
    10:10
  • تشکیل پرتفوها در حضور نرخ بدون ریسک
    8:21
  • یافتن پرتفوهای بهینه برای 9 سهام بازار بورس اوراق بهادار تهران
    15:29
  • تشکیل پرتفو با حضور دلار. آیا دلار بخریم؟
    15:32
  • تشکیل پرتفو در بازار ارزهای دیجیتال. آیا سرمایه خود را در پرتفوی ارز دیجیتال بگذاریم؟
    18:33

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

2,399,000 تومان
1,439,400 تومان
40% تخفیف

این دوره شامل:
7 فصل آموزشی
13 ساعت آموزش
دسترسی مادام‌العمر
سطح: پیشرفته
گواهی پایان دوره: ندارد
تاریخ انتشار: 1404/05/28
آخرین به‌روزرسانی: 2026-11-03 14:35:48
تعداد امتیازها: 8
تعداد دانشجو: 915
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: