Итак, конспект правильных рекомендаций из книги Психокибернетика (1960)

Счастье — это такое состояние ума, при котором наши мысли приятны.

Счастье — не награда за добродетель, а сама добродетель.

Счастье — психологическая привычка, которую надо практиковать в настоящем.

Ты не станешь счастливее, когда произойдет что-то, чего ты ждешь.

Человек не бывает счастлив, если не стремится к цели.

Вырабатывай привычку позитивной реакции на происходящие события, угрозы и проблемы. Для счастья нужны проблемы + готовность встречать их действием напр. на их решение.

Реагируй на негатив расслабленно.
Тебя можешь обидеть только ты сам.
Прежде чем отреагировать эмоционально, выдержи паузу 60 секунд.
Релаксация = природный транквилизатор. Воображаемая комната отдыха.
Перед важным делом нужен психологический reset.

Тренируйся поддерживать позитивные мысли.
Вспомни 10 своих больших побед, регулярно напоминай себе о них, когда грустно.

Важно регулярно, каждый день, создавать в своем воображении образ желанного Я.
Воображай во всех деталях ту желанную цель, к которой ты стремишься, тот образ жизни, который хочешь ввести.

( Читать дальше )

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )