کتاب Build a Robo-Advisor with Python (From Scratch): Automate your financial and investment decisions (ساخت یک مشاور رباتیک با پایتون (از صفر): خودکارسازی تصمیمات مالی و سرمایه‌گذاری شما) یک راهنمای عملی برای افرادی است که علاقه‌مند به ساخت یک سیستم خودکار برای مدیریت مالی و سرمایه‌گذاری خود هستند. این کتاب با آموزش گام به گام و ارائه کدهای پایتون، به خوانندگان نشان می‌دهد که چگونه می‌توانند یک مشاور رباتیک شخصی‌سازی‌شده ایجاد کنند. مباحث کلیدی شامل جمع‌آوری و تحلیل داده‌های مالی، تعیین اهداف سرمایه‌گذاری، انتخاب استراتژی‌های تخصیص دارایی، پیاده‌سازی الگوریتم‌های معاملاتی و مدیریت ریسک است.
در ادامه مقدمه‌ای از کتاب Build a Robo-Advisor with Python (From Scratch) را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Build a Robo-Advisor with Python (From Scratch):
امیدواریم خوانندگان با خواندن این کتاب هم در مورد امور مالی و هم در مورد پایتون بیاموزند. هدف این کتاب آموزش هیچ یک از این موضوعات از پایه نیست—ما انتظار داریم که خوانندگان درک اولیه‌ای از احتمال و آمار، مفاهیم مالی و برنامه‌نویسی پایتون داشته باشند—اما دسترسی برای ما مهم است.
تعادل تئوری و پیاده‌سازی در هر فصل متفاوت است. برخی از فصل‌ها بسیار بر امور مالی متمرکز هستند و محتوای پایتون محدود به نشان دادن نحوه استفاده از چند تابع از کتابخانه‌های موجود برای انجام محاسبات خاص یا دستیابی به وظایف مورد نظر است.
در فصل‌های دیگر کتاب Build a Robo-Advisor with Python (From Scratch)، هیچ کتابخانه پایتون موجودی نداریم که بتوانیم از آن استفاده کنیم. این فصل‌ها کد-محورتر هستند و ما اساساً کتابخانه‌های پایتون جدیدی را می‌سازیم که مفاهیم پوشش داده شده در آن‌ها را پیاده‌سازی می‌کنند. ما می‌دانیم خواندن کد همیشه آسان نیست، بنابراین هر زمان که ممکن باشد، نمونه‌هایی از کاربردهای کد جدید را برای کمک به درک مطلب نشان می‌دهیم.
بسیاری از مطالب مربوط به قوانین یا مقررات، محصولات مالی خاص یا انواع حساب‌های بازنشستگی بر ایالات متحده متمرکز است. ما دوران حرفه‌ای خود را در ایالات متحده گذرانده‌ایم و جزئیاتی که پوشش می‌دهیم، چیزهایی هستند که می‌دانیم. با این حال، مفاهیمی که مورد بحث قرار می‌دهیم باید بدون توجه به جایی که زندگی می‌کنید، قابل استفاده باشند. اغلب معادل‌های غیرآمریکایی برای موضوعاتی که مورد بحث قرار می‌دهیم وجود دارد—به عنوان مثال، طرح بازنشستگی خود سرمایه‌گذاری شده (SIPP) اساساً نسخه بریتانیایی IRA خودگردان در ایالات متحده است.
درباره کتاب Build a Robo-Advisor with Python (From Scratch)
در کتاب ساخت یک مشاور رباتیک با پایتون (از صفر)، شما یک مشاور مالی کاربردی طراحی و توسعه خواهید داد که می‌تواند یک استراتژی سرمایه‌گذاری واقعی را مدیریت کند.
شما فصل به فصل ویژگی‌های جدیدی به مشاور خود اضافه خواهید کرد، از جمله تعیین وزن بهینه ارزهای دیجیتال در سبد سهام خود، تنظیم مجدد برای حفظ سرمایه‌گذاری‌های خود در مسیر درست ضمن به حداقل رساندن مالیات، و استفاده از یادگیری تقویتی برای یافتن یک “مسیر نزولی” که می‌تواند مدت زمان دوام پول شما را در دوران بازنشستگی به حداکثر برساند. از همه بهتر، مهارت‌هایی که در یادگیری تقویتی، بهینه‌سازی محدب و روش‌های مونت کارلو می‌آموزید، می‌توانند در زمینه‌های سودآور متعددی فراتر از حوزه مالی به کار گرفته شوند.
چه کسانی باید کتاب Build a Robo-Advisor with Python (From Scratch) را بخوانند؟
مخاطب هدف ما هر کسی است که به امور مالی و سرمایه‌گذاری علاقه‌مند است، آشنایی نسبی با پایتون دارد و علاقه‌مند به یادگیری نحوه استفاده از پایتون برای خودکارسازی فرآیندهای سرمایه‌گذاری است. ممکن است شما به دنبال استفاده از ابزارهایی باشید که برای امور مالی شخصی یا به صورت حرفه‌ای یاد می‌گیرید، چه علاقه‌مند به مشاغل این حوزه باشید و چه یک مشاور مالی باشید که می‌خواهد بخش‌هایی از کسب و کار خود را خودکار کند.
نحوه سازماندهی کتاب Build a Robo-Advisor with Python (From Scratch): یک نقشه راه
این کتاب در چهار بخش سازماندهی شده است.
بخش اول کتاب Build a Robo-Advisor with Python (From Scratch): ابزارها و بلوک‌های سازنده اساسی در فصل 1 با پوشش چشم‌انداز مشاوران رباتیک و کاری که آن‌ها انجام می‌دهند، آغاز می‌شود. سپس برخی از ابزارها و مفاهیم اساسی مورد استفاده در صنعت مالی را معرفی می‌کنیم: نمودارهای ریسک در مقابل بازده (انتظاری) و مرز کارا (فصل 2)؛ روش‌های تخمین بازده‌های آتی مورد انتظار، نوسانات و همبستگی‌ها (فصل 3)؛ و ارزیابی صندوق‌های سرمایه‌گذاری قابل معامله در بورس که معمولاً برای ساخت سبد دارایی‌ها استفاده می‌شوند (فصل 4).
بخش دوم کتاب Build a Robo-Advisor with Python (From Scratch): ابزارهای برنامه‌ریزی مالی نشان می‌دهد که چگونه برخی از خدمات برنامه‌ریزی مالی ارائه شده توسط مشاوران را خودکار کنیم. فصل 5 شبیه‌سازی‌های مونت کارلو و نحوه مدل‌سازی منابع مختلف ریسک برای تخمین احتمال تمام شدن پول در دوران بازنشستگی را معرفی می‌کند. در فصل 6، ما یادگیری تقویتی را شرح می‌دهیم و از طریق چندین مثال نشان می‌دهیم که چگونه می‌توان از آن برای حل مسائل برنامه‌ریزی مالی استفاده کرد.
در ادامه، فصل 7 روش‌های مختلف اندازه‌گیری بازده در صورت وجود جریان‌های ورودی و خروجی و نحوه استفاده از بازده تعدیل شده بر اساس ریسک برای ارزیابی عملکرد مدیران سرمایه‌گذاری را پوشش می‌دهد. فصل‌های 8 و 9 روش‌های کاهش مالیات را مورد بحث قرار می‌دهند.
روش اول، تخصیص دارایی، شامل قرار دادن استراتژیک انواع مختلف دارایی‌ها در انواع خاصی از حساب‌ها برای بهینه‌سازی کارایی مالیاتی است. روش دوم، استراتژی‌های مختلف توالی برداشت‌ها در مرحله کاهش اندوخته‌های بازنشستگی را تجزیه و تحلیل می‌کند، زمانی که سرمایه‌گذاران باید پس‌اندازهای خود را برای پرداخت هزینه‌ها برداشت کنند.
بخش سوم کتاب Build a Robo-Advisor with Python (From Scratch): ساخت سبد سهام روش‌های تعیین وزن سبد سهام را آموزش می‌دهد. در فصل 10، ما نشان می‌دهیم که چگونه از ورودی‌هایی مانند بازده‌های مورد انتظار، نوسانات و همبستگی‌ها، و همچنین محدودیت‌ها یا ملاحظات دیگر، برای ساخت سبدهای سهام “بهینه” استفاده کنیم.
ما همچنین برخی از مشکلات مرتبط با استفاده از بهینه‌سازی برای ساخت سبدهای سهام را برجسته می‌کنیم. سپس دو روش طراحی شده برای رفع این مشکلات را مورد بحث قرار می‌دهیم: برابری ریسک (فصل 11) و مدل بلک-لیترمن (فصل 12).
بخش چهارم کتاب Build a Robo-Advisor with Python (From Scratch): مدیریت سبد سهام نحوه مدیریت یک سبد سهام واقعی در طول زمان پس از تعیین وزن‌های هدف را مورد بحث قرار می‌دهد.
فصل 13 جزئیات چندین رویکرد برای تنظیم مجدد سبد سهام (انجام معاملات برای همسو کردن وزن‌های یک سبد سهام با اهداف آن) را شرح می‌دهد، از بسیار ساده تا (تا حدودی) پیچیده. در نهایت، در فصل 14، ما در مورد برداشت ضرر مالیاتی بحث می‌کنیم، روشی برای سرمایه‌گذاران برای کاهش مالیات خود با فروش فرصت‌طلبانه دارایی‌هایی که ارزش آن‌ها کاهش یافته است.
بخش‌های 2 تا 4 را می‌توان به هر ترتیبی خواند، اما توصیه می‌کنیم با بخش 1 شروع کنید.
سرفصل‌های کتاب Build a Robo-Advisor with Python (From Scratch):
- Build a Robo-Advisor with Python
- brief contents
- contents
- preface
- acknowledgments
- about this book
- Who should read this book
- How this book is organized: A roadmap
- About the code
- liveBook discussion forum
- about the authors
- about the cover illustration
- Part 1 Basic tools and building blocks
- 1 The rise of robo-advisors
- 2 An introduction to portfolio construction
- 3 Estimating expected returns and covariances
- 4 ETFs: The building blocks of robo-portfolios
- Part 2 Financial planning tools
- 5 Monte Carlo simulations
- 6 Financial planning using reinforcement learning
- 7 Measuring and evaluating returns
- 8 Asset location
- 9 Tax-efficient withdrawal strategies
- Part 3 Portfolio construction
- 10 Optimization and portfolio construction
- 11 Asset allocation by risk: Introduction to risk parity
- 12 The Black-Litterman model
- Part 4 Portfolio management
- 13 Rebalancing: Tracking a target portfolio
- 14 Tax-loss harvesting: Improving after-tax returns
- index
جهت دانلود کتاب Build a Robo-Advisor with Python (From Scratch) می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.