توضیحاتی در مورد کتاب Reproducible Finance with R: Code Flows and Shiny Apps for Portfolio Analysis
نام کتاب : Reproducible Finance with R: Code Flows and Shiny Apps for Portfolio Analysis
عنوان ترجمه شده به فارسی : مالی قابل تکرار با R: جریان های کد و برنامه های درخشان برای تجزیه و تحلیل پورتفولیو
سری : The R Series
نویسندگان : Jonathan K. Regenstein Jr.
ناشر : Chapman & Hall
سال نشر : 2019
تعداد صفحات : 249
ISBN (شابک) : 9781138484030 , 1138484229
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 71 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
مالی تکرارپذیر با R: جریان های کد و برنامه های درخشان برای تجزیه و تحلیل پورتفولیو مقدمه ای منحصر به فرد برای علم داده برای مدیریت سرمایه گذاری است که سه الگوی اصلی کدگذاری R/Finance را بررسی می کند، بر تجسم داده ها تأکید می کند و چگونگی ایجاد مجموعه ای منسجم از برنامه های کاربردی درخشان را توضیح می دهد. . کد منبع کامل، دادههای قیمت دارایی و برنامههای کاربردی زنده درخشان در reproduciblefinance.com موجود است. خواننده ایدهآل در امور مالی کار میکند یا میخواهد در امور مالی کار کند و میخواهد کد R و Shiny را از طریق مثالهای ساده و در عین حال کاربردی در دنیای واقعی بیاموزد.
این کتاب با اولین گام در علم داده آغاز میشود: وارد کردن و بحث کردن دادهها، که در زمینه سرمایهگذاری به معنای واردات قیمت دارایی، تبدیل به بازده و ساخت یک سبد است. بخش بعدی ریسک را پوشش می دهد و به آمارهای توصیفی مانند انحراف معیار، چولگی، کشیدگی و تاریخچه چرخش آنها می پردازد. بخش سوم بر تئوری پورتفولیو متمرکز است و مدلهای شارپ، CAPM و Fama French را تحلیل میکند. این کتاب با کاربردهایی برای یافتن سهم دارایی های فردی در ریسک و اجرای شبیه سازی های مونت کارلو به پایان می رسد. برای هر یک از این وظایف، سه پارادایم اصلی کدنویسی بررسی شده و کار در داشبوردهای تعاملی براق پیچیده میشود.
توضیحاتی در مورد کتاب به زبان اصلی :
Reproducible Finance with R: Code Flows and Shiny Apps for Portfolio Analysis is a unique introduction to data science for investment management that explores the three major R/finance coding paradigms, emphasizes data visualization, and explains how to build a cohesive suite of functioning Shiny applications. The full source code, asset price data and live Shiny applications are available at reproduciblefinance.com. The ideal reader works in finance or wants to work in finance and has a desire to learn R code and Shiny through simple, yet practical real-world examples.
The book begins with the first step in data science: importing and wrangling data, which in the investment context means importing asset prices, converting to returns, and constructing a portfolio. The next section covers risk and tackles descriptive statistics such as standard deviation, skewness, kurtosis, and their rolling histories. The third section focuses on portfolio theory, analyzing the Sharpe Ratio, CAPM, and Fama French models. The book concludes with applications for finding individual asset contribution to risk and for running Monte Carlo simulations. For each of these tasks, the three major coding paradigms are explored and the work is wrapped into interactive Shiny dashboards.