آموزش بهینه سازی عملکرد و مدیریت ریسک برای تجارت

Performance Optimization and Risk Management for Trading

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با تجارت روزانه/تجارت الگوریتمی درآمد ایجاد کنید و امرار معاش کنید. دوره کمی و داده محور پایتون. چگونه با تجارت (و آنچه نیاز دارد) امرار معاش کنیم چگونه عملکرد استراتژی های معاملاتی را بهینه کنیم چگونه ریسک استراتژی های معاملاتی را مدیریت و کنترل کنیم نحوه پیدا کردن درجه بهینه اهرم برای معامله حاشیه نحوه اندازه گیری عملکرد و ریسک استراتژی های معاملاتی و ابزارهای مالی نحوه استفاده صحیح از دستورات توقف ضرر (SL) و کسب سود (TP) کدگذاری پیشرفته پایتون (OOP، Pandas، Numpy، Scipy، Matplotlib، Seaborn) نحوه بهینه سازی عملکرد معاملات با بهینه سازی پارامترهای تک/چندگانه نحوه بهینه سازی عملکرد معاملاتی با هموارسازی نحوه محاسبه ریسک، بازده و نسبت شارپ (تحلیل میانگین واریانس) نحوه محاسبه ریسک نزولی و نسبت سورتینو نحوه محاسبه حداکثر افت، حداکثر مدت زمان برداشت و نسبت کالمار نحوه محاسبه CAGR، سرمایه گذاری چندگانه، بازده مرکب و موارد دیگر. نحوه ایجاد درآمد پایدار با تجارت پیش نیازها: یک کامپیوتر رومیزی (ویندوز، مک یا لینوکس) با قابلیت ذخیره و اجرای Anaconda. این دوره شما را با نصب نرم افزار رایگان لازم راهنمایی می کند. اتصال به اینترنت با قابلیت پخش ویدیوهای HD. مهارت های اساسی کدنویسی پایتون (متغیرها، انواع داده ها، لیست ها، برای حلقه ها، توابع) -> این یک دوره آموزشی برای مبتدیان کامل پایتون نیست. مهارت های برنامه نویسی اولیه در پانداها، Numpy و Matplotlib دانش پایه یا اولین تجربیات عملی با تجارت/سرمایه گذاری عالی خواهد بود (اجباری نیست اما کمک می کند) برخی از مهارت های ریاضی و آمار سطح دبیرستان عالی هستند (اجباری نیست، اما کمک می کند)

(چگونه) می توانم درآمد پایدار ایجاد کنم و با تجارت زندگی کنم؟ - این یکی از سوالات متداول در معاملات روزانه/معاملات الگوریتمی است.

این دوره منحصر به فرد مهارت ها، دانش و تکنیک های مورد نیاز برای (واقع بینانه!) پاسخ به این سوال را ارائه می دهد. این دوره از روش های کمی دقیق استفاده می کند و 100٪ مبتنی بر داده است (کدنویسی پایتون لازم است!).


شما یاد خواهید گرفت که چگونه از قدرتمندترین ویژگی ها و تکنیک های معاملاتی استفاده کنید:

  • تکنیک‌های شبیه‌سازی وابسته به مسیر برای یافتن سطح پایدار درآمد از تجارت

  • با در نظر گرفتن مالیات، تورم و ریسک کمبود

  • آزمایش پشتیبان استراتژی و آزمایش پیش رو

  • تکنیک‌های بهینه‌سازی استراتژی (بهینه‌سازی یک/چند پارامتر، بهینه‌سازی چند دوره، هموارسازی، و موارد دیگر...)

  • یافتن درجه بهینه اهرم در معاملات حاشیه (معیار کلی و تکنیک های پیشرفته تر)

  • بهبود عملکرد معاملات و مدیریت ریسک با دستورات توقف ضرر و کسب سود

  • و موارد دیگر...


مهم: این تکنیک‌ها و مهارت‌ها برای هر معامله‌گری و هر فعالیت تجاری بسیار مرتبط و ضروری هستند:

  • برای دارایی‌هایی مانند فارکس (ارز)، ارزهای دیجیتال، سهام، شاخص‌ها، کالاها و موارد دیگر...

  • برای استراتژی‌های مبتنی بر تحلیل تکنیکی/بنیادی، هوش مصنوعی (یادگیری عمیق ماشینی)، آربیتراژ آماری، و موارد دیگر...

  • برای تجارت با کارگزارانی مانند Interactive Brokers (IBKR)، Binance، TD Ameritrade، Oanda، FXCM، و موارد دیگر...


بهینه سازی عملکرد و مدیریت ریسک نیاز به... اندازه گیری دقیق عملکرد و ریسک دارد. این دوره معیارها و روش های زیر را پوشش می دهد:

  • تحلیل میانگین واریانس

  • معیارهای بازده تعدیل شده بر اساس ریسک (مثلاً نسبت شارپ)

  • انحراف نزولی و نسبت مرتب سازی

  • معیارهای ریسک دنباله

  • حداکثر کاهش، حداکثر مدت زمان کاهش، و نسبت Calmar

  • تحلیل عمیق معاملات اهرمی و معیار کلی

  • نرخ رشد سالانه مرکب (CAGR)

  • سرمایه گذاری چندگانه

  • و بسیاری موارد دیگر...


شما این فرصت را خواهید داشت که آنچه را که در تمرین‌ها/چالش‌های کدنویسی مختلف آموخته‌اید (داده‌های واقعی و سوالات معنادار!) تمرین کنید.


این فقط یک دوره آموزشی در مورد مدیریت عملکرد و ریسک برای تجارت نیست. این یک دوره برنامه نویسی عمیق در پایتون و کتابخانه های علوم داده آن Numpy، Pandas، Matplotlib است. شما یاد خواهید گرفت که چگونه از این کتابخانه ها برای تجزیه و تحلیل (مالی) داده ها، بهینه سازی و تجارت استفاده کنید و به آنها مسلط شوید.

لطفاً توجه داشته باشید: این دوره آموزشی برای مبتدیان کامل پایتون نیست (دوره های دیگر من را بررسی کنید!)


منتظر چه هستید؟ اکنون بپیوندید و شروع به بهبود عملکرد معاملاتی خود کنید!

مثل همیشه، هیچ خطری برای شما وجود ندارد زیرا من 30 روز ضمانت بازگشت پول را ارائه می‌دهم!


متشکرم و مشتاقانه منتظر دیدار شما در دوره هستم!


سرفصل ها و درس ها

شروع شدن Getting Started

  • خوش آمدید و معرفی Welcome and Introduction

  • آیا میدانستید...؟ Did you know...?

  • بررسی اجمالی دوره Course Overview

  • نکات: چگونه از این دوره بیشترین بهره را ببرید Tips: How to get the most out of this course

  • سوالات متداول دانشجویی Student FAQ

  • *** سلب مسئولیت قانونی (حتما بخوانید!) *** *** LEGAL DISCLAIMER (MUST READ!) ***

  • مواد درسی/دانلود Course Materials / Download

مقدمه ای بر تجارت و تولید درآمد An Introduction to Trading and Income Generation

  • تجارت در مقابل سرمایه گذاری Trading vs. Investing

  • [مقاله] تجارت الگوریتمی و نحوه شروع [Article] Algorithmic Trading and how to start

  • چگونه با تجارت درآمد پایدار ایجاد کنیم How to generate sustainable Income with Trading

  • چگونه با تجارت درآمد کسب کنیم How to make a living with Trading

  • مثال Example

نصب نوت بوک پایتون و ژوپیتر Installing Python and Jupyter Notebooks

  • بررسی اجمالی Overview

  • Anaconda را دانلود و نصب کنید Download and Install Anaconda

  • نحوه باز کردن نوت بوک های Jupyter How to open Jupyter Notebooks

  • نحوه کار با نوت بوک های Jupyter How to work with Jupyter Notebooks

تجزیه و تحلیل داده های مالی با پایتون و پانداها - یک مقدمه (عمیق). Financial Data Analysis with Python and Pandas - a (deep) Introduction

  • مقدمه و بررسی اجمالی Introduction and Overview

  • نصب و وارد کردن کتابخانه ها/بسته های مورد نیاز Installing and importing required Libraries/Packages

  • بارگیری داده های مالی از وب Loading Financial Data from the Web

  • بازرسی اولیه و تجسم Initial Inspection and Visualization

  • [مقاله] بارگیری داده ها در پانداها - موضوعات پیشرفته [Article] Loading Data into Pandas - advanced topics

  • عادی سازی سری زمانی به مقدار پایه (100) Normalizing Time Series to a Base Value (100)

  • چالش کدنویسی شماره 1 Coding Challenge #1

  • تغییرات قیمت و بازده مالی Price changes and Financial Returns

  • پاداش و ریسک ابزارهای مالی Reward and Risk of Financial Instruments

  • چالش کدنویسی شماره 2 Coding Challenge #2

  • سرمایه گذاری چندگانه و CAGR Investment Multiple and CAGR

  • بازده مرکب و میانگین هندسی Compound Returns & Geometric Mean Return

  • چالش کدنویسی شماره 3 Coding Challenge #3

  • ترکیب گسسته Discrete Compounding

  • ترکیب پیوسته Continuous Compounding

  • گزارش بازگشت Log Returns

  • بازگشت های ساده در مقابل بازگشت های گزارش (قسمت 1) Simple Returns vs Log Returns ( Part 1)

  • بازگشت های ساده در مقابل بازگشت های گزارش (قسمت 2) Simple Returns vs Log Returns ( Part 2)

  • چالش کدنویسی شماره 4 Coding Challenge #4

  • آزمون میان بخش Mid-Section Test

  • مقایسه عملکرد ابزارهای مالی Comparing the Performance of Financial Instruments

  • (غیر) عادی بودن بازده مالی (Non-) Normality of Financial Returns

  • سالیانه کردن بازده و ریسک Annualizing Return and Risk

  • نمونه گیری مجدد/هموارسازی داده های مالی Resampling / Smoothing of Financial Data

  • آمار چرخشی Rolling Statistics

  • چالش کدنویسی شماره 5 Coding Challenge #5

  • فروش کوتاه و بازده موقعیت کوتاه (قسمت 1) Short Selling and Short Position Returns (Part 1)

  • مقدمه ای بر ارزها (فارکس) و تجارت Introduction to Currencies (Forex) and Trading

  • فروش کوتاه مدت و بازده موقعیت کوتاه (قسمت 2) Short Selling and Short Position Returns (Part 2)

  • فروش کوتاه مدت و بازده موقعیت کوتاه (قسمت 3) Short Selling and Short Position Returns (Part 3)

  • چالش کدنویسی شماره 6 Coding Challenge #6

  • کوواریانس و همبستگی Covariance and Correlation

  • نمونه کارها و بازده نمونه کارها Portfolios and Portfolio Returns

  • معاملات حاشیه و بازده اهرمی (قسمت 1) Margin Trading and Levered Returns (Part 1)

  • معاملات حاشیه و بازده اهرمی (قسمت 2) Margin Trading and Levered Returns (Part 2)

  • چالش کدنویسی شماره 7 Coding Challenge #7

  • تست نهایی Final Test

اندازه گیری عملکرد و ریسک - بررسی اجمالی Performance and Risk Measurement - Overview

  • معرفی Introduction

  • معیارهای عملکرد و ریسک در یک نگاه Performance and Risk Metrics at a glance

تحلیل میانگین واریانس و نسبت شارپ Mean-Variance Analysis and the Sharpe Ratio

  • معرفی Introduction

  • شروع شدن Getting started

  • معیارهای بازگشت Return Metrics

  • معیارهای ریسک (انحراف استاندارد) Risk Metrics (Standard Deviation)

  • بازده تعدیل شده با ریسک و نسبت شارپ Risk-adjusted Return and the Sharpe Ratio

  • جمع کردن همه چیز و نتیجه گیری Putting everything together and Conclusion

  • چالش کدنویسی Coding Challenge

ریسک نزولی و نسبت سورتینو Downside Risk and Sortino Ratio

  • معرفی Introduction

  • شروع شدن Getting started

  • انحراف نزولی (نیمه انحراف) Downside Deviation (Semi-Deviation)

  • نسبت سورتینو Sortino Ratio

  • همه چیز را کنار هم گذاشتن Putting everything toghether

  • چالش کدنویسی Coding Challenge

حداکثر کاهش و نسبت Calmar Maximum Drawdown and Calmar Ratio

  • معرفی Introduction

  • شروع شدن Getting started

  • حداکثر کاهش Maximum Drawdown

  • نسبت کالمار Calmar Ratio

  • حداکثر مدت زمان تخلیه Max Drawdown Duration

  • همه چیز را کنار هم گذاشتن Putting everything together

  • چالش کدنویسی Coding Challenge

معامله با اهرم و معیار کلی Trading with Leverage and the Kelly Criterion

  • معرفی Introduction

  • شروع شدن Getting started

  • خلاصه: معاملات اهرمی و حاشیه Recap: Leverage and Margin Trading

  • یافتن درجه بهینه اهرم Finding the optimal degree of Leverage

  • معیار کلی The Kelly Criterion

  • تاثیر اهرم بر پاداش و ریسک The impact of Leverage on Reward & Risk

  • همه چیز را کنار هم گذاشتن Putting everything together

  • چالش کدنویسی Coding Challenge

مطالعه موردی A-Z: بهینه سازی عملکرد و مدیریت ریسک برای تجارت Case Study A-Z: Performance Optimization and Risk Management for Trading

  • مقدمه و بررسی اجمالی Introduction and Overview

  • [مقاله] استراتژی های معاملاتی - بررسی اجمالی [Article] Trading Strategies - Overview

  • [مقاله] چرخه حیات یک استراتژی معاملاتی [Article] The lifecycle of a Trading Strategy

  • یک استراتژی ساده معاملاتی فعال در یک نگاه A simple active Trading Strategy at a glance

بک تست یک استراتژی معاملاتی فعال - مقدمه Backtesting an active Trading Strategy - Introduction

  • شروع شدن Getting started

  • مقدمه ای بر بک تست: یک «استراتژی خرید و نگه داشتن» Intro to Backtesting: a Buy-and-Hold "Strategy"

  • تعریف استراتژی Defining the Strategy

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • تغییر پارامترهای استراتژی Changing Strategy Parameters

  • معاملات و هزینه های معاملاتی (قسمت 1) Trades and Trading Costs (Part 1)

  • معاملات و هزینه های معاملاتی (قسمت 2) Trades and Trading Costs (Part 2)

  • استفاده از کلاس Backtester (نسخه 1.0) Using a Backtester Class (v 1.0)

  • (اختیاری) نحوه ایجاد کلاس (OOP) (optional) How to create the Class (OOP)

بهینه سازی استراتژی و اندازه گیری عملکرد پیشرفته Strategy Optimization and advanced Performance Measurement

  • معرفی Introduction

  • شروع شدن Getting started

  • یافتن مقدار بهینه برای پارامتر "window". Finding the optimal value for the "window" Parameter

  • رابطه بین پارامتر "پنجره" و عملکرد Relationship between the "window" Parameter and Performance

  • استفاده از یک کلاس Backtester به روز شده (نسخه 2.0) Using an updated Backtester Class (v 2.0)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

  • گزارش عملکرد پیشرفته Advanced Performance Reporting

  • افزودن معیارهای عملکرد به کلاس (نسخه 2.1) Adding Performance Metrics to the Class (v 2.1)

  • کنار هم قرار دادن همه چیز: بهینه سازی عملکرد پیشرفته (نسخه 3.0) Putting everything together: Advanced Performance Optimization (v 3.0)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

قدرتمند: بهینه سازی استراتژی با هموارسازی (فرکانس داده بهینه) Powerful: Strategy Optimization with Smoothing (the optimal data frequency)

  • معرفی Introduction

  • شروع شدن Getting Started

  • چگونگی استراتژی ها و تاثیر نویز تصادفی (قسمت 1) How strategies and impacted by random noise (Part 1)

  • چگونگی استراتژی ها و تاثیر نویز تصادفی (قسمت 2) How strategies and impacted by random noise (Part 2)

  • نمونه‌برداری مجدد/هموارسازی داده‌ها و آزمون پس‌آزمون (قسمت 1) Data Resampling/Smoothing and Backtesting (Part 1)

  • نمونه‌برداری مجدد/هموارسازی داده‌ها و آزمون‌های برگشتی (قسمت 2) Data Resampling/Smoothing and Backtesting (Part 2)

  • استفاده از یک کلاس Backtester به روز شده (نسخه 4.0) Using an updated Backtester Class (v 4.0)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

  • بهینه سازی دو پارامتر: فرکانس و پنجره Two Parameter Optimization: Frequency and Window

  • استفاده از یک کلاس Backtester به روز شده (نسخه 4.1) Using an updated Backtester Class (v 4.1)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

برای استراتژی های معاملاتی ضرر را متوقف کنید و سود ببرید Stop Loss and Take Profit for Trading Strategies

  • معرفی Introduction

  • دستورات توقف ضرر (تئوری) Stop Loss Orders (Theory)

  • شروع شدن Getting started

  • جلسات معاملاتی را شناسایی و برچسب گذاری کنید Identify and label Trading Sessions

  • بازده تجمعی/ترکیبی در یک جلسه معاملاتی Cumulative/Compound Returns in a Trading Session

  • اضافه کردن توقف ضرر (SL) Adding Stop Loss (SL)

  • چگونه Stop Loss بر استراتژی معاملاتی تأثیر می گذارد How Stop Loss impacts a Trading Strategy

  • استفاده از یک کلاس Backtester به روز شده (نسخه 5.0) Using an updated Backtester Class (v 5.0)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

  • دریافت سفارشات سود (تئوری) Take Profit Orders (Theory)

  • اضافه کردن Take Profit (TP) Adding Take Profit (TP)

  • توقف ضرر و کسب سود - تجزیه و تحلیل عمیق تر Stop Loss & Take Profit - an deeper analysis

  • نتیجه گیری نهایی Final Conclusion

افزودن اهرم به استراتژی های معاملاتی: معاملات حاشیه ای Adding Leverage to Trading Strategies: Margin Trading

  • معرفی Introduction

  • شروع شدن Getting started

  • درجه بهینه اهرم (ساده شده) The optimal degree of leverage (simplified)

  • یک رویکرد واقعی تر (اهرم غیر ثابت) (قسمت 1) A more realistic Approach (non-constant Leverage) (Part 1)

  • یک رویکرد واقعی تر (اهرم غیر ثابت) (قسمت 2) A more realistic Approach (non-constant Leverage) (Part 2)

  • استفاده از یک کلاس Backtester به روز شده (نسخه 6.0) Using an updated Backtester Class (v 6.0)

  • (اختیاری) نحوه به روز رسانی کلاس (OOP) (optional) How to update the Class (OOP)

  • تجدید نظر شده: درجه بهینه اهرم و معیار کلی Revised: The optimal degree of leverage and the Kelly Criterion

تست پیش رو (در مقابل تست پس زمینه) Forward Testing (vs. Backtesting)

  • معرفی Introduction

  • شروع شدن Getting started

  • بک تست/آزمایش پیش رو - یک رویکرد ساده (خیلی ساده؟). Backtesting / Forward Testing - a simple (too simple?) approach

  • عملکرد استراتژی ها در چند دوره زمانی The Performance of Strategies over multiple Time Periods

  • بک تست/آزمایش رو به جلو یک استراتژی پایدار Backtesting / Forward Testing a stable Strategy

  • بیشتر در مورد انتخاب درجه مناسب اهرم More on selecting the right degree of Leverage

برنامه ریزی درآمد پایدار و تأثیر مالیات، تورم و ریسک Sustainable Income Planning and the Impact of Taxes, Inflation and Risk

  • معرفی Introduction

  • ** به روز رسانی (سپتامبر 2021) ** ** Update (September 2021) **

  • خلاصه: یک محاسبه درآمد (بیش از حد) ساده Recap: A (too) simple Income Calculation

  • مقدمه ای بر شبیه سازی (بخش اول) Introduction to Simulations (Part 1)

  • مقدمه ای بر شبیه سازی (قسمت دوم) Introduction to Simulations (Part 2)

  • شبیه سازی وابسته به مسیر با مالیات و درآمد - مقدمه A path-dependent Simulation with Taxes and Income - Introduction

  • شبیه سازی وابسته به مسیر با مالیات و درآمد - شبیه سازی های زیادی A path-dependent Simulation with Taxes and Income - many Simulations

  • ریسک کمبود و سطح درآمد پایدار Shortfall Risk and a Sustainable Income Level

  • اظهارات پایانی Final Remarks

نحوه تنظیم چارچوب با سایر استراتژی های معاملاتی How to adjust the Framework to other Trading Strategies

  • معرفی Introduction

  • ** به روز رسانی (سپتامبر 2021) ** ** Update (September 2021) **

  • یک استراتژی میانگین بازگشت - مروری A Mean-Reversion Strategy - Overview

  • شروع شدن Getting started

  • تعریف استراتژی بازگشت میانگین باندهای بولینگر (قسمت 1) Defining a Bollinger Bands Mean-Reversion Strategy (Part 1)

  • تعریف استراتژی بازگشت میانگین باندهای بولینگر (قسمت 2) Defining a Bollinger Bands Mean-Reversion Strategy (Part 2)

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • تنظیم چارچوب و ایجاد کلاس Backtester (قسمت 1) Adjusting the framework and creating a Backtester Class (Part 1)

  • تنظیم چارچوب و ایجاد کلاس Backtester (قسمت 2) Adjusting the framework and creating a Backtester Class (Part 2)

  • کلاس Backtester در عمل زنده است The Backtester Class live in action

پیوست 1: مقدمه ای بر آمار Appendix 1: Introduction to Statistics

  • معرفی Introduction

  • آمار - مرور کلی، اصطلاحات و واژگان Statistics - Overview, Terms and Vocabulary

  • جمعیت در مقابل نمونه Population vs. Sample

  • تجسم توزیع فرکانس با ()plt.hist Visualizing Frequency Distributions with plt.hist()

  • فرکانس های نسبی و تجمعی با ()plt.hist Relative and Cumulative Frequencies with plt.hist()

  • معیارهای گرایش مرکزی (نظریه) Measures of Central Tendency (Theory)

  • معیارهای کدگذاری گرایش مرکزی - میانگین و میانه Coding Measures of Central Tendency - Mean and Median

  • معیارهای کدگذاری گرایش مرکزی - میانگین هندسی Coding Measures of Central Tendency - Geometric Mean

  • Excursus: چرا Log Returns مفید است Excursus: Why Log Returns are useful

  • تغییرپذیری حول گرایش مرکزی/پراکندگی (نظریه) Variability around the Central Tendency / Dispersion (Theory)

  • حداقل، حداکثر و محدوده با Python/Numpy Minimum, Maximum and Range with Python/Numpy

  • واریانس و انحراف استاندارد با Python/Numpy Variance and Standard Deviation with Python/Numpy

  • صدک با پایتون/Numpy Percentiles with Python/Numpy

  • انحراف و کورتوزیس (نظریه) Skew and Kurtosis (Theory)

  • نحوه محاسبه Skew و Kurtosis با scipy.stats How to calculate Skew and Kurtosis with scipy.stats

  • تمرین کدنویسی 1 Coding Exercise 1

  • نحوه تولید اعداد تصادفی با Numpy How to generate Random Numbers with Numpy

  • تکرارپذیری با np.random.seed() Reproducibility with np.random.seed()

  • توزیع احتمالات - بررسی اجمالی Probability Distributions - Overview

  • توزیع های یکنواخت گسسته Discrete Uniform Distributions

  • توزیع های یکنواخت پیوسته Continuous Uniform Distributions

  • توزیع نرمال (نظریه) The Normal Distribution (Theory)

  • ایجاد یک متغیر تصادفی با توزیع معمولی Creating a normally distributed Random Variable

  • توزیع عادی - تابع چگالی احتمال (pdf) با scipy.stats Normal Distribution - Probability Density Function (pdf) with scipy.stats

  • توزیع عادی - تابع توزیع تجمعی (cdf) با scipy.stats Normal Distribution - Cumulative Distribution Function (cdf) with scipy.stats

  • توزیع نرمال استاندارد و مقادیر Z The Standard Normal Distribution and Z-Values

  • ویژگی های توزیع نرمال استاندارد (نظریه) Properties of the Standard Normal Distribution (Theory)

  • احتمالات و Z-Values ​​با scipy.stats Probabilities and Z-Values with scipy.stats

  • فواصل اطمینان با scipy.stats Confidence Intervals with scipy.stats

  • تمرین کدنویسی 2 Coding Exercise 2

پیوست 2: نمونه گیری، تخمین و آزمون فرضیه Appendix 2: Sampling, Estimation and Hypothesis Testing

  • آمار نمونه، خطای نمونه گیری و توزیع نمونه گیری (نظریه) Sample Statistic, Sampling Error and Sampling Distribution (Theory)

  • نمونه برداری با np.random.choice() Sampling with np.random.choice()

  • توزیع نمونه گیری Sampling Distribution

  • خطای استاندارد Standard Error

  • قضیه حد مرکزی (کدگذاری قسمت 1) Central Limit Theorem (Coding Part 1)

  • قضیه حد مرکزی (کدگذاری قسمت 2) Central Limit Theorem (Coding Part 2)

  • قضیه حد مرکزی (نظریه) Central Limit Theorem (Theory)

  • تخمین نقطه در مقابل تخمین فاصله اطمینان (واریانس جمعیت شناخته شده) Point Estimates vs. Confidence Interval Estimates (known Population Variance)

  • توزیع t Student: چیست و چرا/چه زمانی از آن استفاده می کنیم؟ The Student´s t-distribution: What is it and why/when do we use it?

  • واریانس جمعیت ناشناخته - حالت استاندارد (مثال 1) Unknown Population Variance - the Standard Case (Example 1)

  • واریانس جمعیت ناشناخته - مورد استاندارد (مثال 2) Unknown Population Variance - the Standard Case (Example 2)

  • توزیع t دانش‌آموز در مقابل توزیع عادی با scipy.stats Student´s t-Distribution vs. Normal Distribution with scipy.stats

  • بوت استرپ با پایتون: یک روش جایگزین بدون آمار Bootstrapping with Python: an alternative method without Statistics

  • تمرین کدنویسی 3 Coding Exercise 3

  • آزمون فرضیه (نظریه) Hypothesis Testing (Theory)

  • تست Z دو دنباله با واریانس جمعیت شناخته شده Two-tailed Z-Test with known Population Variance

  • مقدار p چیست؟ (تئوری) What is the p-value? (Theory)

  • محاسبه و تفسیر آمار z و p-value با scipy.stats Calculating and interpreting z-statistic and p-value with scipy.stats

  • تست Z یک دم با واریانس جمعیت شناخته شده One-tailed Z-Test with known Population Variance

  • آزمون t دو طرفه (واریانس جمعیت ناشناخته) Two-tailed t-Test (unknown Population Variance)

  • آزمون t یک دم (واریانس جمعیت ناشناخته) One-tailed t-Test (unknown Population Variance)

  • تست فرضیه با بوت استرپینگ Hypothesis Testing with Bootstrapping

  • تست نرمال بودن بازده مالی با scipy.stats Testing for Normality of Financial Returns with scipy.stats

  • تمرین کدنویسی 4 Coding Exercise 4

  • *** به روز رسانی (سپتامبر 2021) *** *** Update (September 2021) ***

  • کوواریانس و همبستگی - مجموعه داده (قسمت 1) Covariance and Correlation - the Dataset (Part 1)

  • کوواریانس و همبستگی - داده ها (قسمت 2) Covariance and Correlation - the data (Part 2)

  • کوواریانس و ضریب همبستگی (نظریه) Covariance and Correlation Coefficient (Theory)

  • نحوه محاسبه کوواریانس و همبستگی در پایتون How to calculate Covariance and Correlation in Python

  • همبستگی و پراکندگی - تفسیر بصری Correlation and Scatterplots – visual Interpretation

پیوست 3: مقدمه ای بر برنامه نویسی شی گرا (OOP) Appendix 3: Introduction to Object Oriented Programming (OOP)

  • مقدمه ای بر OOP و مثال هایی برای کلاس ها Introduction to OOP and examples for Classes

  • بسته های مورد نیاز Required Packages

  • کلاس تحلیل مالی به صورت زنده در عمل (قسمت 1) The Financial Analysis Class live in action (Part 1)

  • کلاس تحلیل مالی در عمل (قسمت 2) The Financial Analysis Class live in action (Part 2)

  • روش خاص __init__() The special method __init__()

  • متد get_data() The method get_data()

  • متد log_returns() The method log_returns()

  • نمایش رشته و روش خاص __repr__() String representation and the special method __repr__()

  • متدهای plot_prices() و plot_returns() The methods plot_prices() and plot_returns()

  • کپسوله سازی و ویژگی های محافظت شده Encapsulation and protected Attributes

  • متد set_ticker() The method set_ticker()

  • افزودن روش‌ها و معیارهای عملکرد بیشتر Adding more methods and performance metrics

  • وراثت Inheritance

  • وراثت و تابع () super Inheritance and the super() Function

  • افزودن Docstrings معنی دار Adding meaningful Docstrings

  • ایجاد و وارد کردن ماژول های پایتون (.py) Creating and Importing Python Modules (.py)

  • تمرین کدنویسی: کلاس خود را ایجاد کنید Coding Exercise: Create your own Class

بعد چی؟ (چشم انداز و منابع اضافی) What´s next? (outlook and additional resources)

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش بهینه سازی عملکرد و مدیریت ریسک برای تجارت
جزییات دوره
19 hours
239
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,653
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alexander Hagmann Alexander Hagmann

دانشمند داده | حرفه ای امور مالی | کارآفرین