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

آنچه در این دوره می‌آموزیم:

مسیر از صفر تا صد برای تشکیل یک پرتفولیو را خواهید آموخت.

می آموزید که چگونه همه سرمایه را در سهام سرمایه گذاری نکنید و چه مقدار آن را اوراق قرضه گرفته یا در بانک سرمایه گذاری نمایید.

آشنایی با تئوری مدرن پرتفولیوی مارکوویتز

با مفاهیم ریاضی و آماری حاکم بر بازار آشنا میشوید.

در دوره آموزش بهینه‌سازی پرتفولیو سهام با تئوری نوین (MPT) در پایتون چه خواهیم آموخت؟

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.

بیشتر بدانید

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

ریسک و بازده

00:54 ساعت

00:54

5 جلسه

نمایش جلسات فصل

در این فصل مقدمات کلی در مورد ریسک و بازده و نسبت‌های Return on risk و Sharpe ratio بیان می‌گردد.

معرفی و مقدمه

"09:48

نصب پایتون و Jupyter Notebook

"06:37

مفهوم بازده, بازده مرکب و بازده سالانه

"18:42

نوسان و ریسک دوره‌ای و سالانه

"12:54

معیارهای Return on risk و Sharpe ratio

"06:10

بررسی داده‌های مالی

01:06 ساعت

01:06

6 جلسه

نمایش جلسات فصل

در این فصل در مورد Drawdown و چولگی و کشیدگی و بررسی نرمال بودن داده‌های یک سری زمانی بحث می‌گردد.

بازده, ریسک و نسبت های بازده به ریسک روی دیتاست واقعی

"16:00

پیاده‌سازی Drawdown

"11:22

رسم و تابع‌سازی Drawdown

"07:32

Skewness و Kurtosis

"04:42

بررسی چولگی و کشیدگی داده‌های واقعی و ساخت کتابخانه Maktab_S_J

"10:06

آزمون Jarque-Bra و بررسی نرمال بودن داده‌ها

"17:14

معیارهای اندازه‌گیری ریسک

00:48 ساعت

00:48

6 جلسه

نمایش جلسات فصل

در این فصل معیارهای اندازه‌گیری ریسک شامل VAR و CVAR و Semi deviation گفته می‌شود و روش‌های اندازه‌گیری آن‌ها بیان می‌گردد.

Downside risk measures - نیمه انحراف معیار (semi deviation)

"08:47

ارزش در معرض ریسک - Value At Risk (VAR)

"06:31

محاسبه VAR با استفاده از Historical method

"07:11

محاسبه VAR با استفاده از Parametric method (Gaussian)

"06:49

محاسبه VAR با استفاده از Cornish-Fisher method(semi-parametric)

"07:38

ارزش در معرض ریسک شرطی – Conditional Valur At Risk(CVAR)

"11:18

تئوری مدرن پرتفولیو - Modern portfolio theory (MPT)

04:02 ساعت

04:02

24 جلسه

نمایش جلسات فصل

در این فصل تئوری مدرن پرتفولیو بیان می‌گردد و تمامی مراحل از صفر تا صد برای ترسیدم مرز کارا و خط CML و یافتن وزن‌های بهینه برای حالت دو دارایی و چند دارایی و هم‌چنین حضور نرخ بدون ریسک به‌طور کامل بیان می‌گردد و کدهای آن نوشته می‌شود.

این فصل مهم‌ترین فصل کل دوره و نتیجه‌ی دوره می‌باشد.

در هنگام تماشای جلسات این فصل دقت زیادی به خرج دهید.

Efficient frontier – مرز کارا

"09:44

محاسبه بازده و ریسک یک پرتفولیو

"04:04

تست توابع کتابخانه Maktab_S_J بر روی داده‌های 90 سال اخیر 30 صنعت بورسی

"07:04

ایجاد توابع مهم ()annualize_return() , annualize_vol() , sharpe_ratio

"16:28

ایجاد توابع مهم ()portfolio_return() , portfolio_vol

"07:13

رسم Efficient frontier (در حالت دو دارایی)

"07:18

ایجاد تابع plot_ef2 () و رسم آسان efficient frontier

"06:09

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

"07:26

رسم efficient frintier و یافتن وزن‌های بهینه (برای حالت n دارایی)

"04:57

دریافت داده های دنیای واقعی و محاسبه mean , std , cov برای آن ها

"08:19

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

"08:53

ایجاد تابع ()get_portfolio_features – استفاده از روش دوم برای پرتفوی بهینه ()minimize_volatility - مقایسه دو روش montc

"06:53

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

"09:19

خط Capital Market Line (CML) – خط بازار سرمایه

"05:33

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

"08:57

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

"20:22

ایجاد تابع ()weighted_max_sharpe_ratio برای یافتن وزن های بهینه پرتفو با بیشترین نسبت شارپ در حالت وجود نرخ بدون ریسک

"07:28

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

محدودیت‌های متنوع‌سازی

00:27 ساعت

00:27

1 جلسه

نمایش جلسات فصل

در این فصل و یک قسمت به محدودیت‌های متنوع‌سازی و اثرات نزول‌های شدید بازار را بر پرتفوها مشاهده می‌کنیم.

Limits of portfolio diversification

"27:58

آنچه از پایتون نیاز داریم (اختیاری)

03:46 ساعت

03:46

15 جلسه

نمایش جلسات فصل

در این فصل به‌صورت فشرده مطالب مورد نیاز در پایتون بیان می‌گردد.

(گذراندن این فصل اختیاری می‌باشد و به‌عنوان هدیه تقدیم دانشجویان می‌گردد)

عملیات محاسباتی در پایتون

"14:02

List and loops

"17:24

انواع مختلف داده ها و برش لیست ها – بخش اول

"08:47

انواع مختلف داده ها و برش لیست ها – بخش دوم

"20:46

حالات شرطی و حلقه While

متدهای کتابخانه Numpy

"16:09

آرایه های چندبعدی

"08:12

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

پیاده‌سازی در بورس اوراق بهادار تهران و بازار دلار (ویژه)

02:01 ساعت

02:01

10 جلسه

نمایش جلسات فصل

در این فصل مدل مذکور برای سهام‌های حاضر در بورس اوراق بهادار تهران پیاده شده و پرتفوهای مختلف از 3 تا 9 سهام باتوجه‌به دارایی بدون ریسک و بدون آن تشکیل می‌شود و وزن‌های بهینه سرمایه‌گذاری که دارای بیشترین بازده و کمترین ریسک برای پرتفولیو هستند استخراج می‌شود.

نکته: کدها + دیتاها و مواد مورد نیاز این فصل, در پیوست جلسه اول همین فصل قرار گرفته شده‌اند.

برای استفاده دانلود نمایید...

معرفی کتابخانه finpy_tse

"10:27

دریافت داده های سهام از بازار بورس اوراق بهادار تهران

"07:40

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

"08:34

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

"08:21

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

استاد دوره

سجاد جمالیان

سجاد جمالیان فارغ التحصیل مهندسی مالی از دانشگاه تربیت مدرس تهران است. ایشان پژوهشگر بازارهای مالی و مدل های سرمایه گذاری و کنترل ریسک در بازارهای مختلف هستند. سجاد جمالیان مقطع کارشناسی را در دانشگاه صنعتی نوشیروانی بابل در رشته مهندسی صنایع به پایان رسانده‌اند و در مقطع کارشناسی ارشد پایان نامه وزینی را با موضوع risk spillover between five main crypto currency and gold and oil using dynamic copula with markov switching دفاع کرده‌اند. ایشان سابقه 8 سال فعالیت در بازار بورس اوراق بهادار تهران و ارزهای دیجیتال را دارند و در استارتاپ های مختلف نظیر داپ‌اپ فعالیت کرده‌اند. ایشان مدرس سایت های آموزشی بوده و دوره های متعدد آموزشی با بیس پایتون و بازارهای مالی را منتشر نموده اند. حوزه های مورد علاقه ایشان، معاملات الگوریتمی، هوش مصنوعی در بازارهای مالی، مدیریت سرمایه گذاری و ریسک، بهینه سازی پرتفولیو، مدیریت استراتژیک و مدل های ریاضی risk spillover در بازارهای مالی و استراتژی های معاملاتی می باشند.

درباره برگزارکننده

مکتب‌خونه

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

در تمام مراحل این دوره سعی شده است تا مباحث با زبانی روان و ساده توضیح داده شود تا مخاطبان محترم بتوانند به سادگی از آموزش ارائه شده استفاده کنند، اما برای یادگیری و استفاده حداکثری از آموزش‌های ارائه شده لازم است تا مخاطب با دانش کدنویسی پایتون و آشنایی با مفاهیم ریاضی و آماری و اقتصادسنجی آشنا باشد.

در فصل آخر, آموزش فشرده پایتون و کتابخانه‌های مورد نیاز آن به عنوان هدیه برای دانشجویان در نظر گرفته شده است که اختیاری است.

آموزش پایتون مقدماتی

اطلاعات بیشتر

آموزش جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

اطلاعات بیشتر

نظرات

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

سوالات پرتکرار

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

اطلاعات بیشتر

تئوری مدرن پرتفوی چیست؟

تئوری مدرن پرتفوی تئوری‌ای در مورد آن است که چگونه سرمایه‌گذارانی که به ریسک کردن تمایلی ندارند می‌توانند پرتفوی خود را برای به حداکثر رساندن یا بهینه‌کردن بازده مورد انتظار بر اساس سطح معینی از ریسک بازار، تنظیم کنند

ریسک جزء جدایی‌ناپذیر سود بیشتر است. طبق این نظریه، می‌توان “سرحد کارآمدی” یک پرتفوی بهینه را تعریف کرد که حداکثر بازده مورد انتظار را برای سطح معینی از ریسک مشخص می‌کند. این نظریه توسط هنری مارکوویتز در مقاله “انتخاب پرتفوی”، که در سال ۱۹۵۲ توسط مجله Journal of Finance منتشر شد، مطرح گردید. مارکوویتز بعدتر برای توسعه و ایده‌پردازی نظریه مدرن پرتفوی جایزه نوبل دریافت کرد.

نظریه مدرن پرتفوی استدلال می‌کند که چگونه نوع معامله‌گری شما، روی ریسک و بازده کلی سبد سهام تأثیر می‌گذارد. این نظریه نشان می‌دهد که یک سرمایه‌گذار می‌تواند مجموعه‌ای از دارایی‌های متعدد را مدیریت کند تا بازده را برای سطح معینی از ریسک به حداکثر برساند. به همین ترتیب، با توجه به سطح مطلوب بازده مورد انتظار، یک سرمایه‌گذار می‌تواند با کمترین ریسک احتمالی، سبد سهام خود را بسازد.

نظریه پرتفوی مدرن چیست؟

نظریه پرتفوی مدرن (Modern Portfolio Theory) با این فرض شکل گرفت که سرمایه‌گذاران به‌طور ذاتی ریسک‌گریز هستند اما مطلوبیت نهایی آن‌ها با هم متفاوت است. حال این سوال مطرح می‌شود که سرمایه‌گذاران چگونه پرتفوی یا همان سبد سرمایه‌گذاری خود را برای کسب بالاترین مقدار بازده مورد انتظار همراه با سطوح مختلف ریسک بازار بهینه می‌کنند؟ این نظریه معتقد است که هیچ چیزی به‌عنوان سرمایه‌گذاری کامل وجود ندارد. چیزی که مهم است و باید مورد توجه قرار بگیرد، انتخاب یک استراتژی با بازده بالا، همراه با ریسک متناسب با بازده است. این نظریه بر این موضوع تاکید می‌کند که ریسک جزء جدا ‌نشدنی پاداشی بیشتر است.

دوره‌های پیشنهادی