آموزش یادگیری ماشین برای ربات های معاملاتی الگوریتمی با پایتون [ویدئو]

سرفصل ها و درس ها

اولین ربات تجاری خود را بسازید Building Your First Trading Bot

• بررسی اجمالی دوره The Course Overview

• مقدمه ای بر یادگیری ماشین مالی و تجارت الگوریتمی Introduction to Financial Machine Learning and Algorithmic Trading

• راه اندازی محیط زیست Setting up the Environment

• بررسی اجمالی اسکلت پروژه Project Skeleton Overview

• واکشی و درک مجموعه داده Fetching and Understanding the Dataset

• استراتژی خرید و نگهداری متعارف را بسازید Build the Conventional Buy and Hold Strategy

• ارزیابی عملکرد استراتژی Evaluate the Strategy’s Performance

طراحی یک مدل یادگیری ماشینی Design a Machine Learning Model

• شهود پشت الگوریتم جنگل های تصادفی Intuition behind Random Forests Algorithm

• ساخت و پیاده سازی الگوریتم جنگل های تصادفی Build and Implement Random Forests Algorithm

• افزونه پیاده‌سازی جنگل‌های تصادفی در ربات شما Plug-in Random Forests Implementation into Your Bot

• عملکرد جنگل تصادفی را ارزیابی کنید Evaluate Random Forest’s Performance

یک الگوریتم معاملاتی بسازید Build a Trading Algorithm

• معرفی الگوریتم های آنلاین Introducing Online Algorithms

• بدست آوردن همبستگی آماری Getting Statistical Correlation

• اجرای استراتژی همبستگی بهره برداری Implement Exploit Correlation Strategy

• استراتژی را ارزیابی کنید Evaluate the Strategy

طراحی مدل یادگیری ماشین پیشرفته Design Advanced Machine Learning Model

• تئوری یادگیری گروهی Ensemble Learning Theory

• پیاده سازی GBoosting با استفاده از پایتون Implementing GBoosting Using Python

• ارزیابی عملکرد مدل Evaluating the Model Performance

ساخت الگوریتم معاملاتی پیشرفته Build Advanced Trading Algorithm

• مقدمه ای بر استراتژی معاملاتی اسکالپرز Introduction to Scalpers Trading Strategy

• اجرای استراتژی معاملاتی اسکالپرز Implement Scalpers Trading Strategy

• استراتژی معاملاتی اسکالپرز را ارزیابی کنید Evaluate Scalpers Trading Strategy

ارزیابی مدل و استراتژی Model and Strategy Evaluation

• معرفی Backtest ارزش در معرض خطر Introducing Value at Risk Backtest

• اجرای Backtest Value at Risk Implement Value at Risk Backtest

• ارزش در معرض خطر با یادگیری ماشینی Value at Risk with Machine Learning

• پیاده سازی VaR با استفاده از SVR Implement VaR Using SVR

• نتیجه گیری و مراحل بعدی Conclusion and Next steps.