آموزش تجارت الگوریتمی A-Z با پایتون، یادگیری ماشین و AWS

Algorithmic Trading A-Z with Python, Machine Learning & AWS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: ربات معاملاتی روز واقعی خود را که مبتنی بر داده است بسازید | نحوه ایجاد، آزمایش، پیاده سازی و خودکارسازی استراتژی های منحصر به فرد را بیاموزید. ساخت ربات‌های تجاری خودکار با پایتون و سرویس‌های وب آمازون (AWS) استراتژی‌های معاملاتی قدرتمند و منحصربه‌فردی را بر اساس شاخص‌های فنی و یادگیری ماشین/یادگیری عمیق ایجاد کنید. تست دقیق استراتژی‌ها: آزمایش برگشتی، آزمایش پیش‌رو و آزمایش زنده با پول کاغذی. معاملات خود را در یک سرور مجازی در AWS Cloud کاملاً خودکار و زمان‌بندی کنید. تجارت و سرمایه گذاری واقعاً مبتنی بر داده. کدنویسی پایتون و برنامه نویسی شی گرا (OOP) به گونه ای که همه آن را درک کنند. کدنویسی با Numpy، Pandas، Matplotlib، scikit-learn، Keras و Tensorflow. معاملات روزانه A-Z را درک کنید: اسپرد، پیپ، مارجین، اهرم، قیمت پیشنهادی و درخواستی، انواع سفارش، نمودارها و موارد دیگر. معاملات روزانه با کارگزاران OANDA، کارگزاران تعاملی (IBKR) و FXCM. پخش جریانی داده در زمان واقعی با فرکانس بالا. درک، تجزیه و تحلیل، کنترل و محدود کردن هزینه های معاملاتی. از APIهای بروکر قدرتمند استفاده کنید و با پایتون ارتباط برقرار کنید. پیش نیازها: بدون نیاز به دانش قبلی پایتون. این دوره یک دوره سقوط پایتون را ارائه می دهد. بدون نیاز به دانش مالی/تجارت قبلی. این دوره اصول اولیه را توضیح می دهد. یک رایانه رومیزی (ویندوز، مک یا لینوکس) که قادر به ذخیره و اجرای Anaconda است. این دوره شما را با نصب نرم افزار رایگان لازم راهنمایی می کند. اتصال به اینترنت با قابلیت پخش ویدیوهای HD. برخی از مهارت های ریاضی سطح دبیرستان عالی خواهد بود (اجباری نیست، اما کمک می کند)

به جامع ترین دوره تجارت الگوریتمی خوش آمدید. این اولین دوره 100٪ تجارت مبتنی بر داده است!

*** مارس 2023: دوره به طور کامل به روز شد و اکنون با یک کارگزار اضافی: کارگزاران تعاملی (IBKR)***


آیا می‌دانستید که ۷۵ درصد از معامله‌گران خرده‌فروشی با معاملات روز ضرر می‌کنند؟ (برخی منابع می گویند 95%)

برای من به‌عنوان یک دانشمند داده و کارشناس مالی با تجربه، این تعجب‌آور نیست. معامله گران روزانه معمولاً پنج قانون اساسی معاملات (روز) را نمی دانند/پیروی می کنند. این دوره همه آنها را با جزئیات پوشش می دهد!


1. کسب و کار تجارت روز را بشناسید و درک کنید

اگر با عباراتی مانند Spread Bid-Ask، Pips، Leverage، Margin Requirement، Half-Spread Costs و غیره آشنایی ندارید، معامله را شروع نکنید.

قسمت 1 این دوره همه چیز درباره تجارت روزانه A-Z با کارگزاران Oanda، Interactive Brokers و FXCM است. مکانیک، اصطلاحات و قوانین معاملات روزانه (شامل فارکس، سهام، شاخص‌ها، کالاها، سبدها و موارد دیگر) را عمیقاً توضیح می‌دهد.


2. از استراتژی های تجاری قدرتمند و منحصر به فرد

استفاده کنید

شما باید یک استراتژی معاملاتی داشته باشید. شهود یا احساس درونی یک استراتژی موفق در دراز مدت نیست (حداقل در 99.9٪ از همه موارد). تکیه بر قوانین فنی ساده نیز کار نمی کند زیرا همه از آنها استفاده می کنند.

شما یاد خواهید گرفت که چگونه با پایتون استراتژی‌های تجاری پیچیده‌تر و منحصربفردتری ایجاد کنید. ما شاخص های فنی ساده و همچنین پیچیده تر را ترکیب خواهیم کرد و همچنین استراتژی های مبتنی بر یادگیری ماشینی و یادگیری عمیق را ایجاد خواهیم کرد. این دوره تمام مهارت های کدنویسی مورد نیاز (Python، Numpy، Pandas، Matplotlib، scikit-learn، Keras، Tensorflow) را از ابتدا به روشی بسیار کاربردی پوشش می دهد.

3. قبل از سرمایه‌گذاری پول واقعی، استراتژی‌های خود را آزمایش کنید (آزمایش پشت سر هم/آزمایش پیش رو)

آیا استراتژی معاملاتی شما سودآور است؟ باید استراتژی خود را قبل از پخش زنده به دقت آزمایش کنید.

این دوره جامع‌ترین و دقیق‌ترین دوره‌ای است که می‌توانید بیابید.

شما یاد خواهید گرفت که چگونه تکنیک های بک تست برداری برداری، تکنیک های بک تست تکراری (بر اساس رویداد)، تست زنده با پول بازی، و موارد دیگر را به کار ببرید. و من تفاوت بین Backtesting و Forward Testing را توضیح خواهم داد و به شما نشان خواهم داد که چه زمانی از چه چیزی استفاده کنید. تکنیک‌ها و چارچوب‌های بک‌آزمایی تحت پوشش این دوره را می‌توان برای استراتژی‌های سرمایه‌گذاری بلندمدت نیز به کار برد!


4. هزینه های معاملاتی را در نظر بگیرید - همه چیز در مورد هزینه های معاملاتی است!

"معامله با کمیسیون صفر؟ عالی!" ... خب، هنوز هم قیمت پیشنهادی خرید وجود دارد و حتی اگر 2 پیپ خیلی کم به نظر می رسد، اینطور نیست!

این دوره نشان می‌دهد که یافتن استراتژی‌های تجاری سودآور قبل از هزینه‌های معاملاتی ساده است. پیدا کردن استراتژی‌های سودآور پس از هزینه‌های معاملاتی بسیار چالش برانگیزتر است! بیاموزید که چگونه هزینه‌های معاملاتی را در استراتژی خود و در آزمون بک‌آزمایی استراتژی/آزمایش پیش رو بگنجانید. و مهمتر از همه: بیاموزید که چگونه می توانید هزینه های معاملاتی را کنترل و کاهش دهید.

5. معاملات خود را خودکار کنید

تجارت دستی مستعد خطا، زمان‌بر است و فضایی برای تصمیم‌گیری احساسی باقی می‌گذارد.

این دوره نحوه پیاده‌سازی و خودکارسازی استراتژی‌های تجارت خود را با پایتون، APIهای بروکر قدرتمند و خدمات وب آمازون (AWS) آموزش می‌دهد. ربات تجاری خود را ایجاد کنید و جلسات معاملاتی خود را در AWS Cloud کاملاً خودکار/زمان‌بندی کنید!


در نهایت ... این چیزی بیش از یک دوره آموزشی در معاملات روزانه خودکار است:

  • تکنیک‌ها و چارچوب‌های تحت پوشش را می‌توان برای سرمایه‌گذاری بلندمدت نیز به کار برد.

  • این یک دوره آموزشی عمیق پایتون است که فراتر از چیزی است که معمولاً در دوره‌های دیگر مشاهده می‌کنید. با پایتون نرم افزار ایجاد کنید و آن را به صورت بلادرنگ بر روی یک سرور مجازی (AWS) اجرا کنید!

  • ما الگوریتم‌های یادگیری عمیق یادگیری ماشین را با داده‌های هم‌زمان تغذیه می‌کنیم و اقدامات مبتنی بر ML/DL را در زمان واقعی انجام می‌دهیم!

منتظر چه هستید؟ همین الان ملحق شوید، همین الان بپیوندید. مثل همیشه، هیچ خطری برای شما وجود ندارد زیرا من 30 روز ضمانت بازگشت پول ارائه می کنم!

متشکرم و مشتاقانه منتظر دیدار شما در دوره هستم!


سرفصل ها و درس ها

شروع شدن Getting Started

  • تجارت الگوریتمی/بررسی اجمالی دوره چیست What is Algorithmic Trading / Course Overview

  • چگونه از این دوره بهترین نتیجه را بگیریم How to get the best out of this course

  • آیا میدانستید...؟ (آنچه داده ها می توانند در مورد معاملات روزانه به ما بگویند) Did you know...? (what Data can tell us about Day Trading)

  • دانشتان را امتحان کنید Test your knowledge

  • سوالات متداول دانشجویی Student FAQ

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

شروع شدن Getting Started

  • تجارت الگوریتمی/بررسی اجمالی دوره چیست What is Algorithmic Trading / Course Overview

  • چگونه از این دوره بهترین نتیجه را بگیریم How to get the best out of this course

  • آیا میدانستید...؟ (آنچه داده ها می توانند در مورد معاملات روزانه به ما بگویند) Did you know...? (what Data can tell us about Day Trading)

  • دانشتان را امتحان کنید Test your knowledge

  • سوالات متداول دانشجویی Student FAQ

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

+++ بخش 1: معاملات روزانه، کارگزاران آنلاین و API ها +++ +++ PART 1: Day Trading, Online Brokers and APIs +++

  • اولین تجارت ما Our very first Trade

  • سرمایه گذاری بلند مدت در مقابل معاملات روز (الگوریتمی). Long Term Investing vs. (Algorithmic) Day Trading

  • معاملات نقطه ای در مقابل معاملات مشتقات (قسمت 1) Spot Trading vs. Derivatives Trading (Part 1)

  • معاملات نقطه ای در مقابل معاملات مشتقات (قسمت 2) Spot Trading vs. Derivatives Trading (Part 2)

  • بررسی اجمالی و کارگزاران OANDA، IBKR و FXCM Overview & the Brokers OANDA, IBKR and FXCM

+++ بخش 1: معاملات روزانه، کارگزاران آنلاین و API ها +++ +++ PART 1: Day Trading, Online Brokers and APIs +++

  • اولین تجارت ما Our very first Trade

  • سرمایه گذاری بلند مدت در مقابل معاملات روز (الگوریتمی). Long Term Investing vs. (Algorithmic) Day Trading

  • معاملات نقطه ای در مقابل معاملات مشتقات (قسمت 1) Spot Trading vs. Derivatives Trading (Part 1)

  • معاملات نقطه ای در مقابل معاملات مشتقات (قسمت 2) Spot Trading vs. Derivatives Trading (Part 2)

  • بررسی اجمالی و کارگزاران OANDA، IBKR و FXCM Overview & the Brokers OANDA, IBKR and FXCM

معاملات روزانه با OANDA A-Z: یک شیرجه عمیق Day Trading with OANDA A-Z: a Deep Dive

  • OANDA در نگاه اول OANDA at a first glance

  • چطور یک حساب کاربری ایجاد کنیم How to create an Account

  • FOREX/نرخ مبادله ارز توضیح داده شده است FOREX / Currency Exchange Rates explained

  • تجارت دوم ما - تجارت فارکس EUR/USD Our second Trade - EUR/USD FOREX Trading

  • نحوه محاسبه سود و زیان یک تجارت How to calculate Profit & Loss of a Trade

  • هزینه های معاملات و اسناد عملکرد Trading Costs and Performance Attribution

  • حاشیه و اهرم Margin and Leverage

  • حاشیه بسته و بیشتر Margin Closeout and more

  • مقدمه ای بر نمودار Introduction to Charting

  • سومین معامله A-Z ما - حرکت کوتاه EUR/USD Our third Trade A-Z - Going Short EUR/USD

  • توری در مقابل پرچین Netting vs. Hedging

  • بازار، محدودیت و توقف سفارشات Market, Limit and Stop Orders

  • سفارشات برداشت سود و توقف ضرر Take-Profit and Stop-Loss Orders

  • یک مثال کلی تر A more general Example

  • چالش تجارت Trading Challenge

معاملات روزانه با OANDA A-Z: یک شیرجه عمیق Day Trading with OANDA A-Z: a Deep Dive

  • OANDA در نگاه اول OANDA at a first glance

  • چطور یک حساب کاربری ایجاد کنیم How to create an Account

  • FOREX/نرخ مبادله ارز توضیح داده شده است FOREX / Currency Exchange Rates explained

  • تجارت دوم ما - تجارت فارکس EUR/USD Our second Trade - EUR/USD FOREX Trading

  • نحوه محاسبه سود و زیان یک تجارت How to calculate Profit & Loss of a Trade

  • هزینه های معاملات و اسناد عملکرد Trading Costs and Performance Attribution

  • حاشیه و اهرم Margin and Leverage

  • حاشیه بسته و بیشتر Margin Closeout and more

  • مقدمه ای بر نمودار Introduction to Charting

  • سومین معامله A-Z ما - حرکت کوتاه EUR/USD Our third Trade A-Z - Going Short EUR/USD

  • توری در مقابل پرچین Netting vs. Hedging

  • بازار، محدودیت و توقف سفارشات Market, Limit and Stop Orders

  • سفارشات برداشت سود و توقف ضرر Take-Profit and Stop-Loss Orders

  • یک مثال کلی تر A more general Example

  • چالش تجارت Trading Challenge

معاملات سهام و فارکس با کارگزاران تعاملی (IBKR) Stocks and FOREX Trading with Interactive Brokers (IBKR)

  • IBKR در نگاه اول IBKR at a first glance

  • نحوه ایجاد یک حساب (Paper Trading) How to create a (Paper Trading) Account

  • نحوه نصب ایستگاه کاری IB Trader (TWS) How to Install the IB Trader Workstation (TWS)

  • TWS - مراحل اول TWS - First Steps

  • تجارت اول (خرید سهام) The first Trade (buying Stocks)

  • ساعات تجارت Trading Hours

  • حساب نقدی در مقابل حساب حاشیه Cash Account vs. Margin Account

  • هزینه های معاملاتی (سهام) - کمیسیون Trading Costs (Stocks) - Commissions

  • هزینه های معاملاتی (سهام) - سایر هزینه ها (پنهان). Trading Costs (Stocks) - other (hidden) Costs

  • معاملات فارکس: پول نقد در مقابل CFD FOREX Trading: Cash vs. CFD

  • یک تجارت فارکس CFD کامل A complete CFD FOREX Trade

  • تجزیه و تحلیل تجارت CFD CFD Trade Analysis

معاملات سهام و فارکس با کارگزاران تعاملی (IBKR) Stocks and FOREX Trading with Interactive Brokers (IBKR)

  • IBKR در نگاه اول IBKR at a first glance

  • نحوه ایجاد یک حساب (Paper Trading) How to create a (Paper Trading) Account

  • نحوه نصب ایستگاه کاری IB Trader (TWS) How to Install the IB Trader Workstation (TWS)

  • TWS - مراحل اول TWS - First Steps

  • تجارت اول (خرید سهام) The first Trade (buying Stocks)

  • ساعات تجارت Trading Hours

  • حساب نقدی در مقابل حساب حاشیه Cash Account vs. Margin Account

  • هزینه های معاملاتی (سهام) - کمیسیون Trading Costs (Stocks) - Commissions

  • هزینه های معاملاتی (سهام) - سایر هزینه ها (پنهان). Trading Costs (Stocks) - other (hidden) Costs

  • معاملات فارکس: پول نقد در مقابل CFD FOREX Trading: Cash vs. CFD

  • یک تجارت فارکس CFD کامل A complete CFD FOREX Trade

  • تجزیه و تحلیل تجارت CFD CFD Trade Analysis

معاملات روز فارکس با FXCM FOREX Day Trading with FXCM

  • FXCM در نگاه اول FXCM at a first glance

  • چطور یک حساب کاربری ایجاد کنیم How to create an Account

  • تجارت مثال: خرید EUR/USD Example Trade: Buying EUR/USD

  • تجزیه و تحلیل تجارت Trade Analysis

  • نمودار Charting

  • موقعیت های بسته در مقابل موقعیت های پوشش ریسک Closing Positions vs. Hedging Positions

  • انواع سفارش در یک نگاه Order Types at a glance

  • چالش تجارت Trading Challenge

معاملات روز فارکس با FXCM FOREX Day Trading with FXCM

  • FXCM در نگاه اول FXCM at a first glance

  • چطور یک حساب کاربری ایجاد کنیم How to create an Account

  • تجارت مثال: خرید EUR/USD Example Trade: Buying EUR/USD

  • تجزیه و تحلیل تجارت Trade Analysis

  • نمودار Charting

  • موقعیت های بسته در مقابل موقعیت های پوشش ریسک Closing Positions vs. Hedging Positions

  • انواع سفارش در یک نگاه Order Types at a glance

  • چالش تجارت Trading Challenge

نصب نوت بوک پایتون و ژوپیتر Installing Python and Jupyter Notebooks

  • معرفی Introduction

  • 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

  • نکاتی برای مبتدیان پایتون Tips for Python Beginners

نصب نوت بوک پایتون و ژوپیتر Installing Python and Jupyter Notebooks

  • معرفی Introduction

  • 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

  • نکاتی برای مبتدیان پایتون Tips for Python Beginners

Excursus: چگونه از خطاهای کدنویسی جلوگیری و اشکال زدایی کنیم (از آن صرفنظر نکنید!) Excursus: How to avoid and debug Coding Errors (don´t skip!)

  • معرفی Introduction

  • مهارت های اشکال زدایی خود را آزمایش کنید! Test your debugging skills!

  • دلایل اصلی خطاهای کدنویسی Major reasons for Coding Errors

  • رایج ترین خطاها در یک نگاه The most commonly made Errors at a glance

  • حذف سلول ها، تغییر توالی و موارد دیگر Omitting cells, changing the sequence and more

  • IndexErrors IndexErrors

  • خطاهای تورفتگی Indentation Errors

  • استفاده نادرست از نام توابع و کلمات کلیدی Misuse of function names and keywords

  • TypeErrors و ValueErrors TypeErrors and ValueErrors

  • دریافت کمک در StackOverflow.com Getting help on StackOverflow.com

  • نحوه ردیابی خطاهای پیچیده تر How to traceback more complex Errors

  • مشکلات نصب پایتون Problems with the Python Installation

  • عوامل و مسائل بیرونی External Factors and Issues

  • خطاهای مربوط به محتوای دوره (خطاهای رونویسی) Errors related to the course content (Transcription Errors)

  • خلاصه و اشکال زدایی نمودار جریان Summary and Debugging Flow-Chart

Excursus: چگونه از خطاهای کدنویسی جلوگیری و اشکال زدایی کنیم (از آن صرفنظر نکنید!) Excursus: How to avoid and debug Coding Errors (don´t skip!)

  • معرفی Introduction

  • مهارت های اشکال زدایی خود را آزمایش کنید! Test your debugging skills!

  • دلایل اصلی خطاهای کدنویسی Major reasons for Coding Errors

  • رایج ترین خطاها در یک نگاه The most commonly made Errors at a glance

  • حذف سلول ها، تغییر توالی و موارد دیگر Omitting cells, changing the sequence and more

  • IndexErrors IndexErrors

  • خطاهای تورفتگی Indentation Errors

  • استفاده نادرست از نام توابع و کلمات کلیدی Misuse of function names and keywords

  • TypeErrors و ValueErrors TypeErrors and ValueErrors

  • دریافت کمک در StackOverflow.com Getting help on StackOverflow.com

  • نحوه ردیابی خطاهای پیچیده تر How to traceback more complex Errors

  • مشکلات نصب پایتون Problems with the Python Installation

  • عوامل و مسائل بیرونی External Factors and Issues

  • خطاهای مربوط به محتوای دوره (خطاهای رونویسی) Errors related to the course content (Transcription Errors)

  • خلاصه و اشکال زدایی نمودار جریان Summary and Debugging Flow-Chart

تجارت API با پایتون و کارگزاران آنلاین - مقدمه API Trading with Python and Online Brokers- an Introduction

  • چگونه تجربه یادگیری خود را به حداکثر برسانیم How to maximize your learning experience

  • بررسی اجمالی Overview

  • OANDA: دستورات نصب بسته های مورد نیاز OANDA: Commands to install required packages

  • OANDA: نحوه نصب OANDA API/Wrapper OANDA: How to install the OANDA API / Wrapper

  • OANDA: دریافت کلید API و سایر آماده سازی ها OANDA: Getting the API Key & other Preparations

  • OANDA: اتصال به API/سرور OANDA: Connecting to the API/Server

  • OANDA: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 1) OANDA: How to load Historical Price Data (Part 1)

  • OANDA: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 2) OANDA: How to load Historical Price Data (Part 2)

  • OANDA: پخش جریانی داده در زمان واقعی با فرکانس بالا OANDA: Streaming high-frequency real-time Data

  • OANDA: نحوه ثبت سفارش و اجرای معاملات OANDA: How to place Orders and execute Trades

  • چالش تجارت Trading Challenge

  • IBKR API: دانلودها و دستورات مورد نیاز برای نصب Wrapper IBKR API: Downloads and required Commands to install the Wrapper

  • IBKR: نحوه دانلود و نصب API Wrapper و سایر آماده سازی ها IBKR: How to download and install the API Wrapper & other Preparations

  • IBKR: اتصال به API IBKR: Connecting to the API

  • IBKR: قراردادها IBKR: Contracts

  • IBKR: چگونه داده های بازار را بدست آوریم IBKR: How to get Market Data

  • IBKR: جریان داده برای چندین Ticker IBKR: Data Streaming for Multiple Tickers

  • IBKR: قراردادها (پیشرفته) IBKR: Contracts (advanced)

  • IBKR: قراردادهای فارکس و CFD IBKR: FOREX and CFD Contracts

  • IBKR: ایجاد سفارشات (بازرگانی سهام) IBKR: Creating Orders (Stock Trading)

  • IBKR: ایجاد سفارشات (CFD Trading) IBKR: Creating Orders (CFD Trading)

  • IBKR: اطلاعات تجاری CFD IBKR: CFD Trade Information

  • IBKR: موقعیت ها و ارزش های حساب IBKR: Positions and Account Values

  • IBKR: میله های تاریخی IBKR: Historical Bars

  • FXCM: فرمان هایی برای نصب بسته های مورد نیاز FXCM: Commands to install required packages

  • FXCM: نحوه نصب FXCM API Wrapper FXCM: How to install the FXCM API Wrapper

  • FXCM: دریافت رمز دسترسی و سایر آماده سازی ها FXCM: Getting the Access Token & other Preparations

  • FXCM: اتصال به API/سرور FXCM: Connecting to the API/Server

  • عیب یابی: مشکلات اتصال سرور FXCM Troubleshooting: FXCM Server Connection Issues

  • FXCM: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 1) FXCM: How to load Historical Price Data (Part 1)

  • FXCM: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 2) FXCM: How to load Historical Price Data (Part 2)

  • FXCM: پخش جریانی داده های بلادرنگ با فرکانس بالا FXCM: Streaming high-frequency real-time Data

  • FXCM: نحوه ثبت سفارش و اجرای معاملات FXCM: How to place Orders and execute Trades

  • چالش تجارت Trading Challenge

تجارت API با پایتون و کارگزاران آنلاین - مقدمه API Trading with Python and Online Brokers- an Introduction

  • چگونه تجربه یادگیری خود را به حداکثر برسانیم How to maximize your learning experience

  • بررسی اجمالی Overview

  • OANDA: دستورات نصب بسته های مورد نیاز OANDA: Commands to install required packages

  • OANDA: نحوه نصب OANDA API/Wrapper OANDA: How to install the OANDA API / Wrapper

  • OANDA: دریافت کلید API و سایر آماده سازی ها OANDA: Getting the API Key & other Preparations

  • OANDA: اتصال به API/سرور OANDA: Connecting to the API/Server

  • OANDA: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 1) OANDA: How to load Historical Price Data (Part 1)

  • OANDA: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 2) OANDA: How to load Historical Price Data (Part 2)

  • OANDA: پخش جریانی داده در زمان واقعی با فرکانس بالا OANDA: Streaming high-frequency real-time Data

  • OANDA: نحوه ثبت سفارش و اجرای معاملات OANDA: How to place Orders and execute Trades

  • چالش تجارت Trading Challenge

  • IBKR API: دانلودها و دستورات مورد نیاز برای نصب Wrapper IBKR API: Downloads and required Commands to install the Wrapper

  • IBKR: نحوه دانلود و نصب API Wrapper و سایر آماده سازی ها IBKR: How to download and install the API Wrapper & other Preparations

  • IBKR: اتصال به API IBKR: Connecting to the API

  • IBKR: قراردادها IBKR: Contracts

  • IBKR: چگونه داده های بازار را بدست آوریم IBKR: How to get Market Data

  • IBKR: جریان داده برای چندین Ticker IBKR: Data Streaming for Multiple Tickers

  • IBKR: قراردادها (پیشرفته) IBKR: Contracts (advanced)

  • IBKR: قراردادهای فارکس و CFD IBKR: FOREX and CFD Contracts

  • IBKR: ایجاد سفارشات (بازرگانی سهام) IBKR: Creating Orders (Stock Trading)

  • IBKR: ایجاد سفارشات (CFD Trading) IBKR: Creating Orders (CFD Trading)

  • IBKR: اطلاعات تجاری CFD IBKR: CFD Trade Information

  • IBKR: موقعیت ها و ارزش های حساب IBKR: Positions and Account Values

  • IBKR: میله های تاریخی IBKR: Historical Bars

  • FXCM: فرمان هایی برای نصب بسته های مورد نیاز FXCM: Commands to install required packages

  • FXCM: نحوه نصب FXCM API Wrapper FXCM: How to install the FXCM API Wrapper

  • FXCM: دریافت رمز دسترسی و سایر آماده سازی ها FXCM: Getting the Access Token & other Preparations

  • FXCM: اتصال به API/سرور FXCM: Connecting to the API/Server

  • عیب یابی: مشکلات اتصال سرور FXCM Troubleshooting: FXCM Server Connection Issues

  • FXCM: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 1) FXCM: How to load Historical Price Data (Part 1)

  • FXCM: نحوه بارگیری اطلاعات قیمت تاریخی (قسمت 2) FXCM: How to load Historical Price Data (Part 2)

  • FXCM: پخش جریانی داده های بلادرنگ با فرکانس بالا FXCM: Streaming high-frequency real-time Data

  • FXCM: نحوه ثبت سفارش و اجرای معاملات FXCM: How to place Orders and execute Trades

  • چالش تجارت Trading Challenge

نتیجه گیری و چشم انداز Conclusion and Outlook

  • نتیجه گیری و چشم انداز Conclusion and Outlook

نتیجه گیری و چشم انداز Conclusion and Outlook

  • نتیجه گیری و چشم انداز Conclusion and Outlook

+++ قسمت 2: پانداها برای تجزیه و تحلیل داده های مالی و مقدمه ای بر OOP +++ +++ PART 2: Pandas for Financial Data Analysis and Introduction to OOP +++

  • مقدمه و دانلود قسمت 2 ***به روز رسانی مارس 2023*** Introduction and Downloads Part 2 ***Updated March 2023***

+++ قسمت 2: پانداها برای تجزیه و تحلیل داده های مالی و مقدمه ای بر OOP +++ +++ PART 2: Pandas for Financial Data Analysis and Introduction to OOP +++

  • مقدمه و دانلود قسمت 2 ***به روز رسانی مارس 2023*** Introduction and Downloads Part 2 ***Updated March 2023***

مقدمه ای بر داده های سری زمانی در پانداها Introduction to Time Series Data in Pandas

  • وارد کردن داده‌های سری زمانی از فایل‌های csv Importing Time Series Data from csv-files

  • تبدیل رشته ها به اشیاء datetime با ()pd.to_datetime Converting strings to datetime objects with pd.to_datetime()

  • فهرست بندی و برش سری های زمانی Indexing and Slicing Time Series

  • نمونه برداری از سری زمانی با resample() Downsampling Time Series with resample()

  • تمرین کدنویسی 1 Coding Exercise 1

مقدمه ای بر داده های سری زمانی در پانداها Introduction to Time Series Data in Pandas

  • وارد کردن داده‌های سری زمانی از فایل‌های csv Importing Time Series Data from csv-files

  • تبدیل رشته ها به اشیاء datetime با ()pd.to_datetime Converting strings to datetime objects with pd.to_datetime()

  • فهرست بندی و برش سری های زمانی Indexing and Slicing Time Series

  • نمونه برداری از سری زمانی با resample() Downsampling Time Series with resample()

  • تمرین کدنویسی 1 Coding Exercise 1

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)

  • 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

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)

  • 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

موضوعات پیشرفته Advanced Topics

  • وارد کردن داده های مالی از اکسل Importing Financial Data from Excel

  • ادغام/همسویی سری زمانی مالی (به صورت عملی) Merging / Aligning Financial Time Series (hands-on)

  • ویژگی ها و روش های مفید DatetimeIndex Helpful DatetimeIndex Attributes and Methods

  • پر کردن مقادیر NA با bfill، ffill و interpolation Filling NA Values with bfill, ffill and interpolation

  • مناطق زمانی و تبدیل (قسمت 1) Timezones and Converting (Part 1)

  • مناطق زمانی و تبدیل (قسمت 2) Timezones and Converting (Part 2)

موضوعات پیشرفته Advanced Topics

  • وارد کردن داده های مالی از اکسل Importing Financial Data from Excel

  • ادغام/همسویی سری زمانی مالی (به صورت عملی) Merging / Aligning Financial Time Series (hands-on)

  • ویژگی ها و روش های مفید DatetimeIndex Helpful DatetimeIndex Attributes and Methods

  • پر کردن مقادیر NA با bfill، ffill و interpolation Filling NA Values with bfill, ffill and interpolation

  • مناطق زمانی و تبدیل (قسمت 1) Timezones and Converting (Part 1)

  • مناطق زمانی و تبدیل (قسمت 2) Timezones and Converting (Part 2)

برنامه نویسی شی گرا (OOP): ایجاد یک کلاس تحلیل مالی Object Oriented Programming (OOP): Creating a Financial Analysis Class

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

  • 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 3: کلاس خود را ایجاد کنید Coding Exercise 3: Create your own Class

برنامه نویسی شی گرا (OOP): ایجاد یک کلاس تحلیل مالی Object Oriented Programming (OOP): Creating a Financial Analysis Class

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

  • 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 3: کلاس خود را ایجاد کنید Coding Exercise 3: Create your own Class

+++ بخش 3: تعریف و آزمایش استراتژی های معاملاتی +++ +++ PART 3: Defining and Testing Trading Strategies +++

  • مقدمه قسمت 3 Introduction to Part 3

  • استراتژی های معاملاتی - یک مرور کلی Trading Strategies - an Overview

  • دانلود برای قسمت 3 Downloads for Part 3

  • دریافت داده ها Getting the Data

  • یک "استراتژی" ساده خرید و نگه داشتن A simple Buy and Hold "Strategy"

  • معیارهای عملکرد Performance Metrics

+++ بخش 3: تعریف و آزمایش استراتژی های معاملاتی +++ +++ PART 3: Defining and Testing Trading Strategies +++

  • مقدمه قسمت 3 Introduction to Part 3

  • استراتژی های معاملاتی - یک مرور کلی Trading Strategies - an Overview

  • دانلود برای قسمت 3 Downloads for Part 3

  • دریافت داده ها Getting the Data

  • یک "استراتژی" ساده خرید و نگه داشتن A simple Buy and Hold "Strategy"

  • معیارهای عملکرد Performance Metrics

تعریف و بک تست استراتژی های SMA Defining and Backtesting SMA Strategies

  • استراتژی های متقاطع SMA - بررسی اجمالی SMA Crossover Strategies - Overview

  • تعریف استراتژی متقاطع SMA Defining an SMA Crossover Strategy

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • یافتن استراتژی SMA بهینه Finding the optimal SMA Strategy

  • تعمیم با OOP: یک کلاس تست بک تست SMA در عمل Generalization with OOP: An SMA Backtesting Class in action

  • ایجاد کلاس (قسمت اول) Creating the Class (Part 1)

  • ایجاد کلاس (قسمت دوم) Creating the Class (Part 2)

  • ایجاد کلاس (قسمت سوم) Creating the Class (Part 3)

  • ایجاد کلاس (قسمت 4) Creating the Class (Part 4)

  • ایجاد کلاس (قسمت 5) Creating the Class (Part 5)

  • ایجاد کلاس (قسمت 6) Creating the Class (Part 6)

  • ایجاد کلاس (قسمت 7) Creating the Class (Part 7)

  • ایجاد کلاس (قسمت 8) Creating the Class (Part 8)

تعریف و بک تست استراتژی های SMA Defining and Backtesting SMA Strategies

  • استراتژی های متقاطع SMA - بررسی اجمالی SMA Crossover Strategies - Overview

  • تعریف استراتژی متقاطع SMA Defining an SMA Crossover Strategy

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • یافتن استراتژی SMA بهینه Finding the optimal SMA Strategy

  • تعمیم با OOP: یک کلاس تست بک تست SMA در عمل Generalization with OOP: An SMA Backtesting Class in action

  • ایجاد کلاس (قسمت اول) Creating the Class (Part 1)

  • ایجاد کلاس (قسمت دوم) Creating the Class (Part 2)

  • ایجاد کلاس (قسمت سوم) Creating the Class (Part 3)

  • ایجاد کلاس (قسمت 4) Creating the Class (Part 4)

  • ایجاد کلاس (قسمت 5) Creating the Class (Part 5)

  • ایجاد کلاس (قسمت 6) Creating the Class (Part 6)

  • ایجاد کلاس (قسمت 7) Creating the Class (Part 7)

  • ایجاد کلاس (قسمت 8) Creating the Class (Part 8)

تعریف و بک آزمودن راهبردهای حرکت ساده/متضاد Defining and Backtesting simple Momentum/Contrarian Strategies

  • راهبردهای ساده برعکس/تحرک - بررسی اجمالی Simple Contrarian/Momentum Strategies - Overview

  • دریافت داده ها Getting the Data

  • Excursus: سوالات متداول شما پاسخ داده شد Excursus: Your FAQs answered

  • تعریف یک استراتژی متضاد ساده Defining a simple Contrarian Strategy

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • تغییر پارامتر پنجره Changing the Window Parameter

  • 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)

  • تعمیم با OOP: یک کلاس تست بک تست متضاد در عمل Generalization with OOP: A Contrarian Backtesting Class in action

  • چالش OOP: ایجاد کلاس بک تست متضاد (شامل راه حل) OOP Challenge: Create the Contrarian Backtesting Class (incl. Solution)

تعریف و بک آزمودن راهبردهای حرکت ساده/متضاد Defining and Backtesting simple Momentum/Contrarian Strategies

  • راهبردهای ساده برعکس/تحرک - بررسی اجمالی Simple Contrarian/Momentum Strategies - Overview

  • دریافت داده ها Getting the Data

  • Excursus: سوالات متداول شما پاسخ داده شد Excursus: Your FAQs answered

  • تعریف یک استراتژی متضاد ساده Defining a simple Contrarian Strategy

  • بک تست استراتژی برداری شده Vectorized Strategy Backtesting

  • تغییر پارامتر پنجره Changing the Window Parameter

  • 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)

  • تعمیم با OOP: یک کلاس تست بک تست متضاد در عمل Generalization with OOP: A Contrarian Backtesting Class in action

  • چالش OOP: ایجاد کلاس بک تست متضاد (شامل راه حل) OOP Challenge: Create the Contrarian Backtesting Class (incl. Solution)

تعریف و بک تست استراتژی‌های بازگشت میانگین (بولینگر) Defining and Backtesting Mean-Reversion Strategies (Bollinger)

  • استراتژی‌های بازگشت میانگین - بررسی اجمالی Mean-Reversion Strategies - Overview

  • دریافت داده ها Getting the Data

  • 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

  • تعمیم با OOP: کلاس تست بک تست باندهای بولینگر در عمل Generalization with OOP: A Bollinger Bands Backtesting Class in action

  • چالش OOP: ایجاد کلاس بک تست باندهای بولینگر (شامل راه حل) OOP Challenge: Create the Bollinger Bands Backtesting Class (incl. Solution)

تعریف و بک تست استراتژی‌های بازگشت میانگین (بولینگر) Defining and Backtesting Mean-Reversion Strategies (Bollinger)

  • استراتژی‌های بازگشت میانگین - بررسی اجمالی Mean-Reversion Strategies - Overview

  • دریافت داده ها Getting the Data

  • 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

  • تعمیم با OOP: کلاس تست بک تست باندهای بولینگر در عمل Generalization with OOP: A Bollinger Bands Backtesting Class in action

  • چالش OOP: ایجاد کلاس بک تست باندهای بولینگر (شامل راه حل) OOP Challenge: Create the Bollinger Bands Backtesting Class (incl. Solution)

استراتژی های معاملاتی با یادگیری ماشینی - رگرسیون Trading Strategies powered by Machine Learning - Regression

  • یادگیری ماشین - یک مرور کلی Machine Learning - an Overview

  • رگرسیون خطی با scikit-learn - یک مقدمه ساده Linear Regression with scikit-learn - a simple Introduction

  • پیش بینی با رگرسیون خطی Making Predictions with Linear Regression

  • بیش از حد برازش Overfitting

  • کم تناسب Underfitting

  • دریافت داده ها Getting the Data

  • یک مدل خطی ساده برای پیش بینی بازده مالی (قسمت 1) A simple Linear Model to predict Financial Returns (Part 1)

  • یک مدل خطی ساده برای پیش بینی بازده مالی (قسمت 2) A simple Linear Model to predict Financial Returns (Part 2)

  • یک مدل رگرسیون چندگانه برای پیش‌بینی بازده مالی A Multiple Regression Model to predict Financial Returns

  • بک تست درون نمونه و تعصب نگاه به آینده In-Sample Backtesting and the Look-ahead-bias

  • خارج از نمونه آزمایش رو به جلو Out-Sample Forward Testing

استراتژی های معاملاتی با یادگیری ماشینی - رگرسیون Trading Strategies powered by Machine Learning - Regression

  • یادگیری ماشین - یک مرور کلی Machine Learning - an Overview

  • رگرسیون خطی با scikit-learn - یک مقدمه ساده Linear Regression with scikit-learn - a simple Introduction

  • پیش بینی با رگرسیون خطی Making Predictions with Linear Regression

  • بیش از حد برازش Overfitting

  • کم تناسب Underfitting

  • دریافت داده ها Getting the Data

  • یک مدل خطی ساده برای پیش بینی بازده مالی (قسمت 1) A simple Linear Model to predict Financial Returns (Part 1)

  • یک مدل خطی ساده برای پیش بینی بازده مالی (قسمت 2) A simple Linear Model to predict Financial Returns (Part 2)

  • یک مدل رگرسیون چندگانه برای پیش‌بینی بازده مالی A Multiple Regression Model to predict Financial Returns

  • بک تست درون نمونه و تعصب نگاه به آینده In-Sample Backtesting and the Look-ahead-bias

  • خارج از نمونه آزمایش رو به جلو Out-Sample Forward Testing

استراتژی های معاملاتی با یادگیری ماشینی - طبقه بندی Trading Strategies powered by Machine Learning - Classification

  • رگرسیون لجستیک با scikit-learn - یک مقدمه ساده (قسمت 1) Logistic Regression with scikit-learn - a simple Introduction (Part 1)

  • رگرسیون لجستیک با scikit-learn - یک مقدمه ساده (قسمت 2) Logistic Regression with scikit-learn - a simple Introduction (Part 2)

  • دریافت و آماده سازی داده ها Getting and Preparing the Data

  • پیش بینی جهت بازار با رگرسیون لجستیک Predicting Market Direction with Logistic Regression

  • بک تست درون نمونه و تعصب نگاه به آینده In-Sample Backtesting and the Look-ahead-bias

  • خارج از نمونه آزمایش رو به جلو Out-Sample Forward Testing

  • تعمیم با OOP: یک کلاس تست بک تست در عمل Generalization with OOP: A Classification Backtesting Class in action

  • تشریح کلاس بک تست رده بندی (قسمت 1) The Classification Backtesting Class explained (Part 1)

  • تشریح کلاس بک تست رده بندی (قسمت 2) The Classification Backtesting Class explained (Part 2)

استراتژی های معاملاتی با یادگیری ماشینی - طبقه بندی Trading Strategies powered by Machine Learning - Classification

  • رگرسیون لجستیک با scikit-learn - یک مقدمه ساده (قسمت 1) Logistic Regression with scikit-learn - a simple Introduction (Part 1)

  • رگرسیون لجستیک با scikit-learn - یک مقدمه ساده (قسمت 2) Logistic Regression with scikit-learn - a simple Introduction (Part 2)

  • دریافت و آماده سازی داده ها Getting and Preparing the Data

  • پیش بینی جهت بازار با رگرسیون لجستیک Predicting Market Direction with Logistic Regression

  • بک تست درون نمونه و تعصب نگاه به آینده In-Sample Backtesting and the Look-ahead-bias

  • خارج از نمونه آزمایش رو به جلو Out-Sample Forward Testing

  • تعمیم با OOP: یک کلاس تست بک تست در عمل Generalization with OOP: A Classification Backtesting Class in action

  • تشریح کلاس بک تست رده بندی (قسمت 1) The Classification Backtesting Class explained (Part 1)

  • تشریح کلاس بک تست رده بندی (قسمت 2) The Classification Backtesting Class explained (Part 2)

تکنیک های بک تست پیشرفته Advanced Backtesting Techniques

  • مقدمه ای بر بک تست تکراری ("رویداد محور") Introduction to Iterative Backtesting ("event-driven")

  • اولین شهود در مورد آزمون بک تست تکراری (قسمت 1) A first Intuition on Iterative Backtesting (Part 1)

  • اولین شهود در بک تست تکراری (قسمت 2) A first Intuition on Iterative Backtesting (Part 2)

  • ایجاد یک کلاس پایه تکراری (قسمت 1) Creating an Iterative Base Class (Part 1)

  • ایجاد یک کلاس پایه تکراری (قسمت 2) Creating an Iterative Base Class (Part 2)

  • ایجاد یک کلاس پایه تکرار شونده (قسمت 3) Creating an Iterative Base Class (Part 3)

  • ایجاد یک کلاس پایه تکراری (قسمت 4) Creating an Iterative Base Class (Part 4)

  • ایجاد یک کلاس پایه تکراری (قسمت 5) Creating an Iterative Base Class (Part 5)

  • ایجاد یک کلاس پایه تکراری (قسمت 6) Creating an Iterative Base Class (Part 6)

  • ایجاد یک کلاس پایه تکراری (قسمت 7) Creating an Iterative Base Class (Part 7)

  • ایجاد یک کلاس پایه تکراری (قسمت 8) Creating an Iterative Base Class (Part 8)

  • افزودن کلاس تکراری Backtest Child برای SMA (قسمت 1) Adding the Iterative Backtest Child Class for SMA (Part 1)

  • افزودن کلاس تکراری Backtest Child برای SMA (قسمت 2) Adding the Iterative Backtest Child Class for SMA (Part 2)

  • استفاده از ماژول ها و اضافه کردن Docstrings Using Modules and adding Docstrings

  • چالش OOP: استراتژی های Contrarian و Bollinger را اضافه کنید OOP Challenge: Add Contrarian and Bollinger Strategies

تکنیک های بک تست پیشرفته Advanced Backtesting Techniques

  • مقدمه ای بر بک تست تکراری ("رویداد محور") Introduction to Iterative Backtesting ("event-driven")

  • اولین شهود در مورد آزمون بک تست تکراری (قسمت 1) A first Intuition on Iterative Backtesting (Part 1)

  • اولین شهود در بک تست تکراری (قسمت 2) A first Intuition on Iterative Backtesting (Part 2)

  • ایجاد یک کلاس پایه تکراری (قسمت 1) Creating an Iterative Base Class (Part 1)

  • ایجاد یک کلاس پایه تکراری (قسمت 2) Creating an Iterative Base Class (Part 2)

  • ایجاد یک کلاس پایه تکرار شونده (قسمت 3) Creating an Iterative Base Class (Part 3)

  • ایجاد یک کلاس پایه تکراری (قسمت 4) Creating an Iterative Base Class (Part 4)

  • ایجاد یک کلاس پایه تکراری (قسمت 5) Creating an Iterative Base Class (Part 5)

  • ایجاد یک کلاس پایه تکراری (قسمت 6) Creating an Iterative Base Class (Part 6)

  • ایجاد یک کلاس پایه تکراری (قسمت 7) Creating an Iterative Base Class (Part 7)

  • ایجاد یک کلاس پایه تکراری (قسمت 8) Creating an Iterative Base Class (Part 8)

  • افزودن کلاس تکراری Backtest Child برای SMA (قسمت 1) Adding the Iterative Backtest Child Class for SMA (Part 1)

  • افزودن کلاس تکراری Backtest Child برای SMA (قسمت 2) Adding the Iterative Backtest Child Class for SMA (Part 2)

  • استفاده از ماژول ها و اضافه کردن Docstrings Using Modules and adding Docstrings

  • چالش OOP: استراتژی های Contrarian و Bollinger را اضافه کنید OOP Challenge: Add Contrarian and Bollinger Strategies

+++ قسمت 4: پیاده سازی و اتوماسیون بی درنگ استراتژی ها +++ +++ PART 4: Real-time Implementation and Automation of Strategies +++

  • مقدمه و بررسی اجمالی Introduction and Overview

  • دانلودها برای قسمت 4 *** به روز شده در مارس 2023 *** Downloads for Part 4 *** Updated March 2023 ***

+++ قسمت 4: پیاده سازی و اتوماسیون بی درنگ استراتژی ها +++ +++ PART 4: Real-time Implementation and Automation of Strategies +++

  • مقدمه و بررسی اجمالی Introduction and Overview

  • دانلودها برای قسمت 4 *** به روز شده در مارس 2023 *** Downloads for Part 4 *** Updated March 2023 ***

پیاده سازی و اتوماسیون با OANDA (به روز شده!) Implementation and Automation with OANDA (UPDATED!)

  • به روز رسانی بسته Wrapper (قسمت 1) Updating the Wrapper Package (Part 1)

  • به روز رسانی بسته Wrapper (قسمت 2) Updating the Wrapper Package (Part 2)

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • داده های تاریخی، داده ها و سفارشات بلادرنگ (Recap) Historical Data, real-time Data and Orders (Recap)

  • پیش نمایش: یک کلاس معامله گر زنده در حال فعالیت Preview: A Trader Class live in action

  • نحوه جمع آوری و ذخیره داده های تیک بلادرنگ How to collect and store real-time tick data

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 1) Storing and resampling real-time tick data (Part 1)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت ۲) Storing and resampling real-time tick data (Part 2)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 3) Storing and resampling real-time tick data (Part 3)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 4) Storing and resampling real-time tick data (Part 4)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 5) Storing and resampling real-time tick data (Part 5)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 1) Working with historical data and real-time tick data (Part 1)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 2) Working with historical data and real-time tick data (Part 2)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 3) Working with historical data and real-time tick data (Part 3)

  • تعریف یک استراتژی متضاد ساده Defining a simple Contrarian Strategy

  • ثبت سفارش و انجام معاملات Placing Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • پیاده سازی استراتژی متقاطع SMA (راه حل) Implementing an SMA Crossover Strategy (Solution)

  • پیاده سازی استراتژی باندهای بولینگر (راه حل) Implementing a Bollinger Bands Strategy (Solution)

  • استراتژی های یادگیری ماشین (1) - برازش مدل Machine Learning Strategies (1) - Model Fitting

  • استراتژی های یادگیری ماشین (2) - پیاده سازی Machine Learning Strategies (2) - Implementation

  • وارد کردن ماژول/کلاس معامله گر Importing a Trader Module / Class

  • Excursus: چاپ همه تیک ها در یک خط فرمان/ترمینال Excursus: Printing all ticks in a Command Prompt/Terminal

  • اجرای یک اسکریپت معامله گر پایتون Running a Python Trader Script

پیاده سازی و اتوماسیون با OANDA (به روز شده!) Implementation and Automation with OANDA (UPDATED!)

  • به روز رسانی بسته Wrapper (قسمت 1) Updating the Wrapper Package (Part 1)

  • به روز رسانی بسته Wrapper (قسمت 2) Updating the Wrapper Package (Part 2)

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • داده های تاریخی، داده ها و سفارشات بلادرنگ (Recap) Historical Data, real-time Data and Orders (Recap)

  • پیش نمایش: یک کلاس معامله گر زنده در حال فعالیت Preview: A Trader Class live in action

  • نحوه جمع آوری و ذخیره داده های تیک بلادرنگ How to collect and store real-time tick data

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 1) Storing and resampling real-time tick data (Part 1)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت ۲) Storing and resampling real-time tick data (Part 2)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 3) Storing and resampling real-time tick data (Part 3)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 4) Storing and resampling real-time tick data (Part 4)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 5) Storing and resampling real-time tick data (Part 5)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 1) Working with historical data and real-time tick data (Part 1)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 2) Working with historical data and real-time tick data (Part 2)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 3) Working with historical data and real-time tick data (Part 3)

  • تعریف یک استراتژی متضاد ساده Defining a simple Contrarian Strategy

  • ثبت سفارش و انجام معاملات Placing Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • پیاده سازی استراتژی متقاطع SMA (راه حل) Implementing an SMA Crossover Strategy (Solution)

  • پیاده سازی استراتژی باندهای بولینگر (راه حل) Implementing a Bollinger Bands Strategy (Solution)

  • استراتژی های یادگیری ماشین (1) - برازش مدل Machine Learning Strategies (1) - Model Fitting

  • استراتژی های یادگیری ماشین (2) - پیاده سازی Machine Learning Strategies (2) - Implementation

  • وارد کردن ماژول/کلاس معامله گر Importing a Trader Module / Class

  • Excursus: چاپ همه تیک ها در یک خط فرمان/ترمینال Excursus: Printing all ticks in a Command Prompt/Terminal

  • اجرای یک اسکریپت معامله گر پایتون Running a Python Trader Script

پیاده سازی و اتوماسیون با IBKR Implementation and Automation with IBKR

  • IBKR API - خلاصه IBKR API - Recap

  • جریان تیک داده ها Streaming Tick Data

  • پخش جریانی داده های تیک برای چندین نماد Streaming Tick Data for multiple Symbols

  • داده های نوار جریانی Streaming Bar Data

  • نحوه ایجاد نمودار زنده Candle Stick How to create a live Candle Stick Chart

  • آماده سازی داده ها برای معاملات روزانه Preparing the Data for Day Trading

  • بهبود کارایی کد Improving Code Efficiency

  • یک استراتژی معاملاتی روز SMA را تعریف کنید Define an SMA Day Trading Strategy

  • ایجاد سفارشات و اجرای معاملات Creating Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • چگونه یک جلسه معاملاتی را متوقف کنیم How to Stop a Trading Session

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • اجرای یک اسکریپت معامله گر پایتون Running a Python Trader Script

پیاده سازی و اتوماسیون با IBKR Implementation and Automation with IBKR

  • IBKR API - خلاصه IBKR API - Recap

  • جریان تیک داده ها Streaming Tick Data

  • پخش جریانی داده های تیک برای چندین نماد Streaming Tick Data for multiple Symbols

  • داده های نوار جریانی Streaming Bar Data

  • نحوه ایجاد نمودار زنده Candle Stick How to create a live Candle Stick Chart

  • آماده سازی داده ها برای معاملات روزانه Preparing the Data for Day Trading

  • بهبود کارایی کد Improving Code Efficiency

  • یک استراتژی معاملاتی روز SMA را تعریف کنید Define an SMA Day Trading Strategy

  • ایجاد سفارشات و اجرای معاملات Creating Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • چگونه یک جلسه معاملاتی را متوقف کنیم How to Stop a Trading Session

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • اجرای یک اسکریپت معامله گر پایتون Running a Python Trader Script

پیاده سازی و اتوماسیون با FXCM (به روز شده!) Implementation and Automation with FXCM (Updated!)

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • داده های تاریخی، داده ها و سفارشات بلادرنگ (Recap) Historical Data, real-time Data and Orders (Recap)

  • عیب یابی: مشکلات اتصال سرور FXCM Troubleshooting: FXCM Server Connection Issues

  • پیش نمایش: یک کلاس معامله گر زنده در حال فعالیت Preview: A Trader Class live in action

  • جمع آوری و ذخیره داده های تیک در زمان واقعی Collecting and storing real-time tick data

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 1) Storing and resampling real-time tick data (Part 1)

  • یک کلاس معامله گر A Trader Class

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت ۲) Storing and resampling real-time tick data (Part 2)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 3) Storing and resampling real-time tick data (Part 3)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 1) Working with historical data and real-time tick data (Part 1)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 2) Working with historical data and real-time tick data (Part 2)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 3) Working with historical data and real-time tick data (Part 3)

  • تعریف یک استراتژی تجارت متضاد ساده Defining a Simple Contrarian Trading Strategy

  • ثبت سفارش و انجام معاملات Placing Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • SMA Crossover و باندهای بولینگر (راه حل) SMA Crossover and Bollinger Bands (Solution)

  • استراتژی های یادگیری ماشین (1) - برازش مدل Machine Learning Strategies (1) - Model Fitting

  • استراتژی های یادگیری ماشین (2) - پیاده سازی Machine Learning Strategies (2) - Implementation

  • Excursus: چاپ همه تیک ها در یک خط فرمان/ترمینال Excursus: Printing all ticks in a Command Prompt/Terminal

  • اجرای اسکریپت پایتون Running a Python Script

پیاده سازی و اتوماسیون با FXCM (به روز شده!) Implementation and Automation with FXCM (Updated!)

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • داده های تاریخی، داده ها و سفارشات بلادرنگ (Recap) Historical Data, real-time Data and Orders (Recap)

  • عیب یابی: مشکلات اتصال سرور FXCM Troubleshooting: FXCM Server Connection Issues

  • پیش نمایش: یک کلاس معامله گر زنده در حال فعالیت Preview: A Trader Class live in action

  • جمع آوری و ذخیره داده های تیک در زمان واقعی Collecting and storing real-time tick data

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 1) Storing and resampling real-time tick data (Part 1)

  • یک کلاس معامله گر A Trader Class

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت ۲) Storing and resampling real-time tick data (Part 2)

  • ذخیره و نمونه‌برداری مجدد داده‌های تیک در زمان واقعی (قسمت 3) Storing and resampling real-time tick data (Part 3)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 1) Working with historical data and real-time tick data (Part 1)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 2) Working with historical data and real-time tick data (Part 2)

  • کار با داده های تاریخی و داده های تیک بلادرنگ (قسمت 3) Working with historical data and real-time tick data (Part 3)

  • تعریف یک استراتژی تجارت متضاد ساده Defining a Simple Contrarian Trading Strategy

  • ثبت سفارش و انجام معاملات Placing Orders and Executing Trades

  • نظارت و گزارش تجارت Trade Monitoring and Reporting

  • تجارت استراتژی های دیگر - چالش کدگذاری Trading other Strategies - Coding Challenge

  • SMA Crossover و باندهای بولینگر (راه حل) SMA Crossover and Bollinger Bands (Solution)

  • استراتژی های یادگیری ماشین (1) - برازش مدل Machine Learning Strategies (1) - Model Fitting

  • استراتژی های یادگیری ماشین (2) - پیاده سازی Machine Learning Strategies (2) - Implementation

  • Excursus: چاپ همه تیک ها در یک خط فرمان/ترمینال Excursus: Printing all ticks in a Command Prompt/Terminal

  • اجرای اسکریپت پایتون Running a Python Script

استقرار ابری (AWS) | برنامه ریزی جلسات معاملاتی | اتوماسیون کامل Cloud Deployment (AWS) | Scheduling Trading Sessions | Full Automation

  • مقدمه و انگیزه Introduction and Motivation

  • نمایش: AWS EC2 برای تجارت الگوریتمی به صورت زنده در عمل Demonstration: AWS EC2 for Algorithmic Trading live in action

  • خدمات وب آمازون (AWS) - بررسی اجمالی و نحوه ایجاد یک حساب آزمایشی رایگان Amazon Web Services (AWS) - Overview and how to create a Free Trial Account

  • نحوه ایجاد یک نمونه EC2 How to create an EC2 Instance

  • نحوه اتصال به نمونه EC2 How to connect to your EC2 Instance

  • آماده سازی نمونه برای تجارت الگوریتمی Getting the Instance Ready for Algorithmic Trading

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • نحوه اجرای اسکریپت های پایتون در خط فرمان ویندوز How to run Python Scripts in a Windows Command Prompt

  • نحوه شروع معاملات با فایل های دسته ای (.bat). How to start Trading sessions with Batch (.bat) Files

  • نحوه برنامه ریزی جلسات معاملاتی با Task Scheduler How to schedule Trading sessions with the Task Scheduler

  • نحوه توقف جلسات معاملاتی (OANDA) How to stop Trading Sessions (OANDA)

  • نحوه توقف جلسات معاملاتی (FXCM) How to stop Trading Sessions (FXCM)

استقرار ابری (AWS) | برنامه ریزی جلسات معاملاتی | اتوماسیون کامل Cloud Deployment (AWS) | Scheduling Trading Sessions | Full Automation

  • مقدمه و انگیزه Introduction and Motivation

  • نمایش: AWS EC2 برای تجارت الگوریتمی به صورت زنده در عمل Demonstration: AWS EC2 for Algorithmic Trading live in action

  • خدمات وب آمازون (AWS) - بررسی اجمالی و نحوه ایجاد یک حساب آزمایشی رایگان Amazon Web Services (AWS) - Overview and how to create a Free Trial Account

  • نحوه ایجاد یک نمونه EC2 How to create an EC2 Instance

  • نحوه اتصال به نمونه EC2 How to connect to your EC2 Instance

  • آماده سازی نمونه برای تجارت الگوریتمی Getting the Instance Ready for Algorithmic Trading

  • **هشدار تعطیلات آخر هفته و بانک** **Weekend and Bank Holiday Alert**

  • نحوه اجرای اسکریپت های پایتون در خط فرمان ویندوز How to run Python Scripts in a Windows Command Prompt

  • نحوه شروع معاملات با فایل های دسته ای (.bat). How to start Trading sessions with Batch (.bat) Files

  • نحوه برنامه ریزی جلسات معاملاتی با Task Scheduler How to schedule Trading sessions with the Task Scheduler

  • نحوه توقف جلسات معاملاتی (OANDA) How to stop Trading Sessions (OANDA)

  • نحوه توقف جلسات معاملاتی (FXCM) How to stop Trading Sessions (FXCM)

+++ قسمت 5: نکات و ترفندهای تخصصی، مطالعات موردی و موارد دیگر +++ +++ PART 5: Expert Tips & Tricks, Case Studies and more +++

  • بررسی اجمالی Overview

  • دانلود برای قسمت 5 Downloads for PART 5

+++ قسمت 5: نکات و ترفندهای تخصصی، مطالعات موردی و موارد دیگر +++ +++ PART 5: Expert Tips & Tricks, Case Studies and more +++

  • بررسی اجمالی Overview

  • دانلود برای قسمت 5 Downloads for PART 5

ساعات معاملات، اسپردها و دانه بندی - کنترل و محدود کردن هزینه های معاملاتی! Trading Hours, Spreads and Granularity - control and limit Trading Costs!

  • معرفی و آماده سازی داده ها Introduction and Preparing the Data

  • بهترین زمان برای معامله (قسمت اول) The best time to trade (Part 1)

  • بهترین زمان برای معامله (قسمت دوم) The best time to trade (Part 2)

  • در ساعات شلوغ پخش می شود Spreads during the busy hours

  • تاثیر دانه بندی The Impact of Granularity

  • نتیجه گیری Conclusions

ساعات معاملات، اسپردها و دانه بندی - کنترل و محدود کردن هزینه های معاملاتی! Trading Hours, Spreads and Granularity - control and limit Trading Costs!

  • معرفی و آماده سازی داده ها Introduction and Preparing the Data

  • بهترین زمان برای معامله (قسمت اول) The best time to trade (Part 1)

  • بهترین زمان برای معامله (قسمت دوم) The best time to trade (Part 2)

  • در ساعات شلوغ پخش می شود Spreads during the busy hours

  • تاثیر دانه بندی The Impact of Granularity

  • نتیجه گیری Conclusions

کار با دو یا چند استراتژی (ترکیبی) Working with two or many Strategies (Combination)

  • معرفی Introduction

  • استراتژی 1: SMA Strategy 1: SMA

  • استراتژی 2: بازگشت میانگین Strategy 2: Mean Reversion

  • ترکیب هر دو استراتژی - جایگزین 1 Combining both Strategies - Alternative 1

  • با در نظر گرفتن ساعات شلوغ معاملات Taking into account busy Trading Hours

  • بک تست استراتژی Strategy Backtesting

  • ترکیب هر دو استراتژی - جایگزین 2 Combining both Strategies - Alternative 2

  • بهینه سازی استراتژی Strategy Optimization

کار با دو یا چند استراتژی (ترکیبی) Working with two or many Strategies (Combination)

  • معرفی Introduction

  • استراتژی 1: SMA Strategy 1: SMA

  • استراتژی 2: بازگشت میانگین Strategy 2: Mean Reversion

  • ترکیب هر دو استراتژی - جایگزین 1 Combining both Strategies - Alternative 1

  • با در نظر گرفتن ساعات شلوغ معاملات Taking into account busy Trading Hours

  • بک تست استراتژی Strategy Backtesting

  • ترکیب هر دو استراتژی - جایگزین 2 Combining both Strategies - Alternative 2

  • بهینه سازی استراتژی Strategy Optimization

استراتژی A-Z مبتنی بر یادگیری ماشین (DNN) A Machine Learning-powered Strategy A-Z (DNN)

  • بررسی اجمالی پروژه Project Overview

  • نصب Tensorflow & Keras (قسمت اول) Installation of Tensorflow & Keras (Part 1)

  • نصب Tensorflow & Keras (قسمت 2) Installation of Tensorflow & Keras (Part 2)

  • دریافت و آماده سازی داده ها Getting and Preparing the Data

  • افزودن برچسب ها/ویژگی ها Adding Labels/Features

  • اضافه کردن تاخیر Adding lags

  • تقسیم به مجموعه قطار و تست Splitting into Train and Test Set

  • مقیاس بندی ویژگی/مهندسی Feature Scaling/Engineering

  • ایجاد و برازش مدل DNN Creating and Fitting the DNN Model

  • پیش‌بینی و آزمایش پیش‌نمونه خارج از نمونه Prediction & Out-Sample Forward Testing

  • ذخیره مدل و پارامترها Saving Model and Parameters

  • **اطلاعات مهم** **Important Notices**

  • پیاده سازی (Oanda & FXCM) Implementation (Oanda & FXCM)

استراتژی A-Z مبتنی بر یادگیری ماشین (DNN) A Machine Learning-powered Strategy A-Z (DNN)

  • بررسی اجمالی پروژه Project Overview

  • نصب Tensorflow & Keras (قسمت اول) Installation of Tensorflow & Keras (Part 1)

  • نصب Tensorflow & Keras (قسمت 2) Installation of Tensorflow & Keras (Part 2)

  • دریافت و آماده سازی داده ها Getting and Preparing the Data

  • افزودن برچسب ها/ویژگی ها Adding Labels/Features

  • اضافه کردن تاخیر Adding lags

  • تقسیم به مجموعه قطار و تست Splitting into Train and Test Set

  • مقیاس بندی ویژگی/مهندسی Feature Scaling/Engineering

  • ایجاد و برازش مدل DNN Creating and Fitting the DNN Model

  • پیش‌بینی و آزمایش پیش‌نمونه خارج از نمونه Prediction & Out-Sample Forward Testing

  • ذخیره مدل و پارامترها Saving Model and Parameters

  • **اطلاعات مهم** **Important Notices**

  • پیاده سازی (Oanda & FXCM) Implementation (Oanda & FXCM)

مدیریت خطا: چگونه ربات تجاری خود را پایدارتر و قابل اعتمادتر کنید Error Handling: How to make your Trading Bot more stable and reliable

  • معرفی Introduction

  • بخش مواد/نوت بوک Section Materials / Notebooks

  • خطاهای پایتون (استثنا) Python Errors (Exceptions)

  • سعی کنید و جز try and except

  • گرفتن خطاهای خاص Catching specific Errors

  • کلاس استثنایی The Exception class

  • سعی کنید، به جز، چیزهای دیگر try, except, else

  • سرانجام finally

  • دوباره امتحان کنید (...تا زمانی که کار کند) Try again (...until it works)

  • نحوه محدود کردن تعداد تکرارها How to limit the number of retries

  • دوره های انتظار بین تلاش های مجدد Waiting periods between re-tries

  • پیاده سازی با Oanda: مشکلات اتصال V20 Implementation with Oanda: V20 Connection Issues

  • مدیریت خطای اواندا (قسمت 1) Oanda Error Handling (Part 1)

  • مدیریت خطای اواندا (قسمت 2) Oanda Error Handling (Part 2)

  • مدیریت خطای اواندا (قسمت 3) Oanda Error Handling (Part 3)

  • پیاده سازی با FXCM: مشکلات API/Server Implementation with FXCM: API/Server Issues

  • مدیریت خطای FXCM (قسمت 1) FXCM Error Handling (Part 1)

  • مدیریت خطای FXCM (بخش 2) FXCM Error Handling (Part 2)

مدیریت خطا: چگونه ربات تجاری خود را پایدارتر و قابل اعتمادتر کنید Error Handling: How to make your Trading Bot more stable and reliable

  • معرفی Introduction

  • بخش مواد/نوت بوک Section Materials / Notebooks

  • خطاهای پایتون (استثنا) Python Errors (Exceptions)

  • سعی کنید و جز try and except

  • گرفتن خطاهای خاص Catching specific Errors

  • کلاس استثنایی The Exception class

  • سعی کنید، به جز، چیزهای دیگر try, except, else

  • سرانجام finally

  • دوباره امتحان کنید (...تا زمانی که کار کند) Try again (...until it works)

  • نحوه محدود کردن تعداد تکرارها How to limit the number of retries

  • دوره های انتظار بین تلاش های مجدد Waiting periods between re-tries

  • پیاده سازی با Oanda: مشکلات اتصال V20 Implementation with Oanda: V20 Connection Issues

  • مدیریت خطای اواندا (قسمت 1) Oanda Error Handling (Part 1)

  • مدیریت خطای اواندا (قسمت 2) Oanda Error Handling (Part 2)

  • مدیریت خطای اواندا (قسمت 3) Oanda Error Handling (Part 3)

  • پیاده سازی با FXCM: مشکلات API/Server Implementation with FXCM: API/Server Issues

  • مدیریت خطای FXCM (قسمت 1) FXCM Error Handling (Part 1)

  • مدیریت خطای FXCM (بخش 2) FXCM Error Handling (Part 2)

+++ ضمیمه: دوره سقوط پایتون +++ +++ APPENDIX: Python Crash Course +++

  • بررسی اجمالی Overview

+++ ضمیمه: دوره سقوط پایتون +++ +++ APPENDIX: Python Crash Course +++

  • بررسی اجمالی Overview

پیوست 1: اصول پایتون (و امور مالی). Appendix 1: Python (& Finance) Basics

  • بخش دانلودها Section Downloads

  • مقدمه ای بر مفهوم ارزش زمانی پول (TVM) (تئوری) Intro to the Time Value of Money (TVM) Concept (Theory)

  • محاسبه مقادیر آینده (FV) با Python/Compounding Calculate Future Values (FV) with Python / Compounding

  • ***جدید*** Udemy Online Coding Exercis - Intro ***NEW*** Udemy Online Coding Exercises - Intro

  • ارزش آینده Future Value

  • محاسبه مقادیر فعلی (PV) با پایتون/تخفیف Calculate Present Values (PV) with Python / Discounting

  • ارزش حاضر Present Value

  • نرخ بهره و بازده (نظریه) Interest Rates and Returns (Theory)

  • محاسبه نرخ بهره و بازده با پایتون Calculate Interest Rates and Returns with Python

  • نرخ بهره Interest Rates

  • مقدمه ای بر متغیرها Introduction to Variables

  • متغیرها Variables

  • Excursus: نحوه اضافه کردن نظرات درون خطی Excursus: How to add inline comments

  • متغیرها و حافظه (نظریه) Variables and Memory (Theory)

  • اطلاعات بیشتر در مورد متغیرها و حافظه More on Variables and Memory

  • تکلیف اضافه Addition Assignment

  • متغیرها - بایدها، نبایدها و قراردادها Variables - Dos, Don´ts and Conventions

  • تابع print(). The print() Function

  • چاپ() print()

  • تمرین کدنویسی 1 Coding Exercise 1

  • مشکلات TVM با بسیاری از جریان های نقدی TVM Problems with many Cashflows

  • مقدمه ای بر لیست های پایتون Intro to Python Lists

  • ایجاد لیست ها Creating Lists

  • نمایه سازی مبتنی بر صفر و نمایه سازی منفی در پایتون (تئوری) Zero-based Indexing and negative Indexing in Python (Theory)

  • فهرست های نمایه سازی Indexing Lists

  • فهرست های نمایه سازی Indexing Lists

  • برای حلقه ها - تکرار روی لیست ها For Loops - Iterating over Lists

  • تکرار لیست List Iteration

  • محدوده Object - Iterable دیگر The range Object - another Iterable

  • تکرار اشیاء در محدوده Iterating over range objects

  • FV و PV را برای بسیاری از جریان های نقدی محاسبه کنید Calculate FV and PV for many Cashflows

  • ارزش فعلی خالص - NPV (تئوری) The Net Present Value - NPV (Theory)

  • NPV یک پروژه سرمایه گذاری را محاسبه کنید Calculate an Investment Project´s NPV

  • محاسبه NPV Calculating NPV

  • تمرین کدنویسی 2 Coding Exercise 2

  • انواع داده در عمل Data Types in Action

  • رشته های Strings

  • سلسله مراتب نوع داده (نظریه) The Data Type Hierarchy (Theory)

  • Excursus: تایپ پویا در پایتون Excursus: Dynamic Typing in Python

  • توابع داخلی Build-in Functions

  • کارکرد Functions

  • اعداد صحیح Integers

  • شناورها Floats

  • نحوه گرد کردن شناورها (و اعداد صحیح) با round() How to round Floats (and Integers) with round()

  • گرد کردن Rounding

  • اطلاعات بیشتر در مورد لیست ها More on Lists

  • لیست ها و عملیات عنصر عاقلانه Lists and Element-wise Operations

  • عملیات عنصر عاقلانه Element-wise Operations

  • برش لیست ها Slicing Lists

  • برش ورق تقلب Slicing Cheat Sheet

  • برش لیست ها Slicing Lists

  • تغییر عناصر در لیست ها Changing Elements in Lists

  • تغییر لیست ها Changing Lists

  • مرتب سازی و معکوس کردن لیست ها Sorting and Reversing Lists

  • مرتب سازی لیست ها Sorting Lists

  • افزودن و حذف عناصر از/به لیست ها Adding and removing Elements from/to Lists

  • افزودن و حذف عناصر Adding and Removing Elements

  • قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 1) Mutable vs. immutable Objects (Part 1)

  • قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 2) Mutable vs. immutable Objects (Part 2)

  • تمرین کدنویسی 3 Coding Exercise 3

  • تاپل ها Tuples

  • لغت نامه ها Dictionaries

  • فرهنگ لغت Dictionary

  • معرفی رشته ها Intro to Strings

  • رشته ها را با حروف بزرگ بنویسید Capitalize Strings

  • جایگزینی رشته String Replacement

  • جایگزینی رشته String Replacement

  • بولین ها Booleans

  • اپراتورها (نظریه) Operators (Theory)

  • مقایسه، منطقی و عضویت اپراتورها در عمل Comparison, Logical and Membership Operators in Action

  • بولی ها و اپراتورها Booleans and Operators

  • تمرین کدنویسی 4 Coding Exercise 4

  • اظهارات مشروط Conditional Statements

  • شرایط Conditionals

  • کلمات کلیدی عبور، ادامه و شکستن Keywords pass, continue and break

  • کلید واژه ها Keywords

  • محاسبه دوره بازپرداخت پروژه Calculate a Project´s Payback Period

  • مقدمه ای بر حلقه های while Introduction to while loops

  • در حالی که حلقه While Loop

  • تمرین کدنویسی 5 Coding Exercise 5

پیوست 1: اصول پایتون (و امور مالی). Appendix 1: Python (& Finance) Basics

  • بخش دانلودها Section Downloads

  • مقدمه ای بر مفهوم ارزش زمانی پول (TVM) (تئوری) Intro to the Time Value of Money (TVM) Concept (Theory)

  • محاسبه مقادیر آینده (FV) با Python/Compounding Calculate Future Values (FV) with Python / Compounding

  • ***جدید*** Udemy Online Coding Exercis - Intro ***NEW*** Udemy Online Coding Exercises - Intro

  • ارزش آینده Future Value

  • محاسبه مقادیر فعلی (PV) با پایتون/تخفیف Calculate Present Values (PV) with Python / Discounting

  • ارزش حاضر Present Value

  • نرخ بهره و بازده (نظریه) Interest Rates and Returns (Theory)

  • محاسبه نرخ بهره و بازده با پایتون Calculate Interest Rates and Returns with Python

  • نرخ بهره Interest Rates

  • مقدمه ای بر متغیرها Introduction to Variables

  • متغیرها Variables

  • Excursus: نحوه اضافه کردن نظرات درون خطی Excursus: How to add inline comments

  • متغیرها و حافظه (نظریه) Variables and Memory (Theory)

  • اطلاعات بیشتر در مورد متغیرها و حافظه More on Variables and Memory

  • تکلیف اضافه Addition Assignment

  • متغیرها - بایدها، نبایدها و قراردادها Variables - Dos, Don´ts and Conventions

  • تابع print(). The print() Function

  • چاپ() print()

  • تمرین کدنویسی 1 Coding Exercise 1

  • مشکلات TVM با بسیاری از جریان های نقدی TVM Problems with many Cashflows

  • مقدمه ای بر لیست های پایتون Intro to Python Lists

  • ایجاد لیست ها Creating Lists

  • نمایه سازی مبتنی بر صفر و نمایه سازی منفی در پایتون (تئوری) Zero-based Indexing and negative Indexing in Python (Theory)

  • فهرست های نمایه سازی Indexing Lists

  • فهرست های نمایه سازی Indexing Lists

  • برای حلقه ها - تکرار روی لیست ها For Loops - Iterating over Lists

  • تکرار لیست List Iteration

  • محدوده Object - Iterable دیگر The range Object - another Iterable

  • تکرار اشیاء در محدوده Iterating over range objects

  • FV و PV را برای بسیاری از جریان های نقدی محاسبه کنید Calculate FV and PV for many Cashflows

  • ارزش فعلی خالص - NPV (تئوری) The Net Present Value - NPV (Theory)

  • NPV یک پروژه سرمایه گذاری را محاسبه کنید Calculate an Investment Project´s NPV

  • محاسبه NPV Calculating NPV

  • تمرین کدنویسی 2 Coding Exercise 2

  • انواع داده در عمل Data Types in Action

  • رشته های Strings

  • سلسله مراتب نوع داده (نظریه) The Data Type Hierarchy (Theory)

  • Excursus: تایپ پویا در پایتون Excursus: Dynamic Typing in Python

  • توابع داخلی Build-in Functions

  • کارکرد Functions

  • اعداد صحیح Integers

  • شناورها Floats

  • نحوه گرد کردن شناورها (و اعداد صحیح) با round() How to round Floats (and Integers) with round()

  • گرد کردن Rounding

  • اطلاعات بیشتر در مورد لیست ها More on Lists

  • لیست ها و عملیات عنصر عاقلانه Lists and Element-wise Operations

  • عملیات عنصر عاقلانه Element-wise Operations

  • برش لیست ها Slicing Lists

  • برش ورق تقلب Slicing Cheat Sheet

  • برش لیست ها Slicing Lists

  • تغییر عناصر در لیست ها Changing Elements in Lists

  • تغییر لیست ها Changing Lists

  • مرتب سازی و معکوس کردن لیست ها Sorting and Reversing Lists

  • مرتب سازی لیست ها Sorting Lists

  • افزودن و حذف عناصر از/به لیست ها Adding and removing Elements from/to Lists

  • افزودن و حذف عناصر Adding and Removing Elements

  • قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 1) Mutable vs. immutable Objects (Part 1)

  • قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 2) Mutable vs. immutable Objects (Part 2)

  • تمرین کدنویسی 3 Coding Exercise 3

  • تاپل ها Tuples

  • لغت نامه ها Dictionaries

  • فرهنگ لغت Dictionary

  • معرفی رشته ها Intro to Strings

  • رشته ها را با حروف بزرگ بنویسید Capitalize Strings

  • جایگزینی رشته String Replacement

  • جایگزینی رشته String Replacement

  • بولین ها Booleans

  • اپراتورها (نظریه) Operators (Theory)

  • مقایسه، منطقی و عضویت اپراتورها در عمل Comparison, Logical and Membership Operators in Action

  • بولی ها و اپراتورها Booleans and Operators

  • تمرین کدنویسی 4 Coding Exercise 4

  • اظهارات مشروط Conditional Statements

  • شرایط Conditionals

  • کلمات کلیدی عبور، ادامه و شکستن Keywords pass, continue and break

  • کلید واژه ها Keywords

  • محاسبه دوره بازپرداخت پروژه Calculate a Project´s Payback Period

  • مقدمه ای بر حلقه های while Introduction to while loops

  • در حالی که حلقه While Loop

  • تمرین کدنویسی 5 Coding Exercise 5

پیوست 2: توابع تعریف شده توسط کاربر (برای OOP لازم است) Appendix 2: User-defined Functions (required for OOP)

  • بخش دانلودها Section Downloads

  • تعریف اولین تابع تعریف شده توسط کاربر Defining your first user-defined Function

  • تفاوت بین آرگومان های موضعی در مقابل آرگومان های کلیدواژه چیست؟ What´s the difference between Positional Arguments vs. Keyword Arguments?

  • نحوه کار با آرگومان های پیش فرض How to work with Default Arguments

  • آرگومان پیش فرض هیچ کدام The Default Argument None

  • چگونه Iterables را باز کنیم How to unpack Iterables

  • دنباله ها به عنوان آرگومان و *args Sequences as arguments and *args

  • چگونه بسیاری از نتایج را برگردانیم How to return many results

  • دامنه - به راحتی توضیح داده شده است Scope - easily explained

  • تمرین کدنویسی 6 Coding Exercise 6

پیوست 2: توابع تعریف شده توسط کاربر (برای OOP لازم است) Appendix 2: User-defined Functions (required for OOP)

  • بخش دانلودها Section Downloads

  • تعریف اولین تابع تعریف شده توسط کاربر Defining your first user-defined Function

  • تفاوت بین آرگومان های موضعی در مقابل آرگومان های کلیدواژه چیست؟ What´s the difference between Positional Arguments vs. Keyword Arguments?

  • نحوه کار با آرگومان های پیش فرض How to work with Default Arguments

  • آرگومان پیش فرض هیچ کدام The Default Argument None

  • چگونه Iterables را باز کنیم How to unpack Iterables

  • دنباله ها به عنوان آرگومان و *args Sequences as arguments and *args

  • چگونه بسیاری از نتایج را برگردانیم How to return many results

  • دامنه - به راحتی توضیح داده شده است Scope - easily explained

  • تمرین کدنویسی 6 Coding Exercise 6

پیوست 3: کورس تصادف Numpy، Pandas، Matplotlib و Seaborn Appendix 3: Numpy, Pandas, Matplotlib and Seaborn Crash Course

  • دانلود برای این بخش Downloads for this Section

  • ماژول ها، بسته ها و کتابخانه ها - نیازی به اختراع مجدد چرخ نیست Modules, Packages and Libraries - No need to reinvent the Wheel

  • آرایه‌های Numpy Numpy Arrays

  • آرایه‌های Numpy Numpy Arrays

  • نمایه‌سازی و برش آرایه‌های Numpy Indexing and Slicing Numpy Arrays

  • نمایه سازی و برش Indexing and Slicing

  • عملیات برداری با آرایه های Numpy Vectorized Operations with Numpy Arrays

  • PV با کد Numpy بردار PV with vectorized Numpy Code

  • تغییر عناصر در آرایه های Numpy و تغییرپذیری Changing Elements in Numpy Arrays & Mutability

  • مشاهده در مقابل کپی - مشکلات احتمالی هنگام برش آرایه های Numpy View vs. copy - potential Pitfalls when slicing Numpy Arrays

  • تغییر عناصر در آرایه ها (و کپی ها) Changing elements in Arrays (and Copies)

  • روش ها و ویژگی های آرایه Numpy Numpy Array Methods and Attributes

  • مواد و روش ها Methods

  • توابع جهانی Numpy Numpy Universal Functions

  • توابع جهانی Universal Functions

  • آرایه های بولی و فیلتر شرطی Boolean Arrays and Conditional Filtering

  • فیلتر کردن شرطی Conditional Filtering

  • فیلترینگ پیشرفته و اپراتورهای بیتی Advanced Filtering & Bitwise Operators

  • فیلترینگ پیشرفته Advanced Filtering

  • تعیین دوره بازگشت پروژه با np.where() Determining a Project´s Payback Period with np.where()

  • ایجاد آرایه های Numpy از ابتدا Creating Numpy Arrays from Scratch

  • آرایه های Numpy از ابتدا Numpy Arrays from Scratch

  • تمرین کدنویسی 7 Coding Exercise 7

  • نحوه کار با لیست های تو در تو How to work with nested Lists

  • آرایه های 2 بعدی Numpy 2-dimensional Numpy Arrays

  • چگونه آرایه های Numpy 2 کم نور را برش دهیم (قسمت 1) How to slice 2-dim Numpy Arrays (Part 1)

  • نحوه برش آرایه‌های Numpy 2 کم نور (قسمت 2) How to slice 2-dim Numpy Arrays (Part 2)

  • خلاصه: تغییر عناصر در یک آرایه/برش Numpy Recap: Changing Elements in a Numpy Array / slice

  • نحوه انجام عملیات بر اساس ردیف و ستون How to perform row-wise and column-wise Operations

  • تمرین کدنویسی 8 Coding Exercise 8

  • مقدمه ای بر داده های جدولی/پانداها Intro to Tabular Data / Pandas

  • اولین Pandas DataFrame خود را ایجاد کنید (از csv) Create your very first Pandas DataFrame (from csv)

  • بارگیری یک فایل CSV در Pandas Loading a CSV-file into Pandas

  • گزینه های نمایش پانداها و متدهای head() & tail() Pandas Display Options and the methods head() & tail()

  • اولین بازرسی داده ها First Data Inspection

  • آمار خلاصه Summary Statistics

  • تمرین کدنویسی 9 Coding Exercise 9

  • انتخاب ستون ها Selecting Columns

  • انتخاب یک ستون با علامت نقطه Selecting one Column with the "dot notation"

  • انتخاب ستون ها Selecting Columns

  • نمایه سازی مبتنی بر صفر و نمایه سازی منفی Zero-based Indexing and Negative Indexing

  • انتخاب ردیف‌ها با iloc (نمایه‌گذاری مبتنی بر موقعیت) Selecting Rows with iloc (position-based indexing)

  • برش سطرها و ستون ها با iloc (نمایه گذاری مبتنی بر موقعیت) Slicing Rows and Columns with iloc (position-based indexing)

  • برگه های تقلب نمایه سازی مبتنی بر موقعیت Position-based Indexing Cheat Sheets

  • نمایه سازی مبتنی بر موقعیت 1 Position-based Indexing 1

  • نمایه سازی مبتنی بر موقعیت 2 Position-based Indexing 2

  • انتخاب ردیف‌هایی با loc (نمایه‌گذاری مبتنی بر برچسب) Selecting Rows with loc (label-based indexing)

  • برش سطرها و ستون ها با loc (نمایه گذاری مبتنی بر برچسب) Slicing Rows and Columns with loc (label-based indexing)

  • برگه های تقلب نمایه سازی مبتنی بر برچسب Label-based Indexing Cheat Sheets

  • خلاصه، بهترین شیوه ها و چشم انداز Summary, Best Practices and Outlook

  • تمرین کدنویسی 10 Coding Exercise 10

  • قدم های اول با سری پانداها First Steps with Pandas Series

  • تجزیه و تحلیل سری های عددی با ()()unnique و value_counts() Analyzing Numerical Series with unique(), nunique() and value_counts()

  • تجزیه و تحلیل سری های غیر عددی با ()، nunique()، value_counts() Analyzing non-numerical Series with unique(), nunique(), value_counts()

  • متد copy(). The copy() method

  • مرتب سازی سری ها و مقدمه ای بر پارامتر - inplace Sorting of Series and Introduction to the inplace - parameter

  • اولین قدم ها با اشیاء شاخص پاندا First Steps with Pandas Index Objects

  • تغییر فهرست ردیف با set_index() و reset_index() Changing Row Index with set_index() and reset_index()

  • تغییر برچسب های ستون Changing Column Labels

  • تغییر نام برچسب‌های فهرست و ستون با rename() Renaming Index & Column Labels with rename()

  • فیلتر کردن DataFrames (یک شرط) Filtering DataFrames (one Condition)

  • فیلتر کردن DataFrame بر اساس بسیاری از شرایط (AND) Filtering DataFrames by many Conditions (AND)

  • فیلتر کردن DataFrame بر اساس بسیاری از شرایط (OR) Filtering DataFrames by many Conditions (OR)

  • فیلترینگ پیشرفته با بین()، isin() و ~ Advanced Filtering with between(), isin() and ~

  • مقدمه ای بر ارزش های NA/ارزش های گمشده Intro to NA Values / missing Values

  • مدیریت ارزش های NA/ارزش های گمشده Handling NA Values / missing Values

  • صادر کردن DataFrames به csv Exporting DataFrames to csv

  • خلاصه آمار و انباشت Summary Statistics and Accumulations

  • تجسم با Matplotlib (مقدمه) Visualization with Matplotlib (Intro)

  • سفارشی سازی پلات ها Customization of Plots

  • هیستوگرام (بخش 1) Histogramms (Part 1)

  • هیستوگرام (بخش 2) Histogramms (Part 2)

  • نمودارهای پراکنده Scatterplots

  • قدم های اول با Seaborn First Steps with Seaborn

  • توطئه های طبقه بندی شده در دریا Categorical Seaborn Plots

  • نمودارهای رگرسیون دریایی Seaborn Regression Plots

  • نقشه های حرارتی دریا Seaborn Heatmaps

  • حذف ستون ها Removing Columns

  • مقدمه ای بر عملیات GroupBy Introduction to GroupBy Operations

  • درک شی GroupBy Understanding the GroupBy Object

  • تقسیم با کلیدهای زیادی Splitting with many Keys

  • تقسیم - اعمال - ترکیب split-apply-combine

پیوست 3: کورس تصادف Numpy، Pandas، Matplotlib و Seaborn Appendix 3: Numpy, Pandas, Matplotlib and Seaborn Crash Course

  • دانلود برای این بخش Downloads for this Section

  • ماژول ها، بسته ها و کتابخانه ها - نیازی به اختراع مجدد چرخ نیست Modules, Packages and Libraries - No need to reinvent the Wheel

  • آرایه‌های Numpy Numpy Arrays

  • آرایه‌های Numpy Numpy Arrays

  • نمایه‌سازی و برش آرایه‌های Numpy Indexing and Slicing Numpy Arrays

  • نمایه سازی و برش Indexing and Slicing

  • عملیات برداری با آرایه های Numpy Vectorized Operations with Numpy Arrays

  • PV با کد Numpy بردار PV with vectorized Numpy Code

  • تغییر عناصر در آرایه های Numpy و تغییرپذیری Changing Elements in Numpy Arrays & Mutability

  • مشاهده در مقابل کپی - مشکلات احتمالی هنگام برش آرایه های Numpy View vs. copy - potential Pitfalls when slicing Numpy Arrays

  • تغییر عناصر در آرایه ها (و کپی ها) Changing elements in Arrays (and Copies)

  • روش ها و ویژگی های آرایه Numpy Numpy Array Methods and Attributes

  • مواد و روش ها Methods

  • توابع جهانی Numpy Numpy Universal Functions

  • توابع جهانی Universal Functions

  • آرایه های بولی و فیلتر شرطی Boolean Arrays and Conditional Filtering

  • فیلتر کردن شرطی Conditional Filtering

  • فیلترینگ پیشرفته و اپراتورهای بیتی Advanced Filtering & Bitwise Operators

  • فیلترینگ پیشرفته Advanced Filtering

  • تعیین دوره بازگشت پروژه با np.where() Determining a Project´s Payback Period with np.where()

  • ایجاد آرایه های Numpy از ابتدا Creating Numpy Arrays from Scratch

  • آرایه های Numpy از ابتدا Numpy Arrays from Scratch

  • تمرین کدنویسی 7 Coding Exercise 7

  • نحوه کار با لیست های تو در تو How to work with nested Lists

  • آرایه های 2 بعدی Numpy 2-dimensional Numpy Arrays

  • چگونه آرایه های Numpy 2 کم نور را برش دهیم (قسمت 1) How to slice 2-dim Numpy Arrays (Part 1)

  • نحوه برش آرایه‌های Numpy 2 کم نور (قسمت 2) How to slice 2-dim Numpy Arrays (Part 2)

  • خلاصه: تغییر عناصر در یک آرایه/برش Numpy Recap: Changing Elements in a Numpy Array / slice

  • نحوه انجام عملیات بر اساس ردیف و ستون How to perform row-wise and column-wise Operations

  • تمرین کدنویسی 8 Coding Exercise 8

  • مقدمه ای بر داده های جدولی/پانداها Intro to Tabular Data / Pandas

  • اولین Pandas DataFrame خود را ایجاد کنید (از csv) Create your very first Pandas DataFrame (from csv)

  • بارگیری یک فایل CSV در Pandas Loading a CSV-file into Pandas

  • گزینه های نمایش پانداها و متدهای head() & tail() Pandas Display Options and the methods head() & tail()

  • اولین بازرسی داده ها First Data Inspection

  • آمار خلاصه Summary Statistics

  • تمرین کدنویسی 9 Coding Exercise 9

  • انتخاب ستون ها Selecting Columns

  • انتخاب یک ستون با علامت نقطه Selecting one Column with the "dot notation"

  • انتخاب ستون ها Selecting Columns

  • نمایه سازی مبتنی بر صفر و نمایه سازی منفی Zero-based Indexing and Negative Indexing

  • انتخاب ردیف‌ها با iloc (نمایه‌گذاری مبتنی بر موقعیت) Selecting Rows with iloc (position-based indexing)

  • برش سطرها و ستون ها با iloc (نمایه گذاری مبتنی بر موقعیت) Slicing Rows and Columns with iloc (position-based indexing)

  • برگه های تقلب نمایه سازی مبتنی بر موقعیت Position-based Indexing Cheat Sheets

  • نمایه سازی مبتنی بر موقعیت 1 Position-based Indexing 1

  • نمایه سازی مبتنی بر موقعیت 2 Position-based Indexing 2

  • انتخاب ردیف‌هایی با loc (نمایه‌گذاری مبتنی بر برچسب) Selecting Rows with loc (label-based indexing)

  • برش سطرها و ستون ها با loc (نمایه گذاری مبتنی بر برچسب) Slicing Rows and Columns with loc (label-based indexing)

  • برگه های تقلب نمایه سازی مبتنی بر برچسب Label-based Indexing Cheat Sheets

  • خلاصه، بهترین شیوه ها و چشم انداز Summary, Best Practices and Outlook

  • تمرین کدنویسی 10 Coding Exercise 10

  • قدم های اول با سری پانداها First Steps with Pandas Series

  • تجزیه و تحلیل سری های عددی با ()()unnique و value_counts() Analyzing Numerical Series with unique(), nunique() and value_counts()

  • تجزیه و تحلیل سری های غیر عددی با ()، nunique()، value_counts() Analyzing non-numerical Series with unique(), nunique(), value_counts()

  • متد copy(). The copy() method

  • مرتب سازی سری ها و مقدمه ای بر پارامتر - inplace Sorting of Series and Introduction to the inplace - parameter

  • اولین قدم ها با اشیاء شاخص پاندا First Steps with Pandas Index Objects

  • تغییر فهرست ردیف با set_index() و reset_index() Changing Row Index with set_index() and reset_index()

  • تغییر برچسب های ستون Changing Column Labels

  • تغییر نام برچسب‌های فهرست و ستون با rename() Renaming Index & Column Labels with rename()

  • فیلتر کردن DataFrames (یک شرط) Filtering DataFrames (one Condition)

  • فیلتر کردن DataFrame بر اساس بسیاری از شرایط (AND) Filtering DataFrames by many Conditions (AND)

  • فیلتر کردن DataFrame بر اساس بسیاری از شرایط (OR) Filtering DataFrames by many Conditions (OR)

  • فیلترینگ پیشرفته با بین()، isin() و ~ Advanced Filtering with between(), isin() and ~

  • مقدمه ای بر ارزش های NA/ارزش های گمشده Intro to NA Values / missing Values

  • مدیریت ارزش های NA/ارزش های گمشده Handling NA Values / missing Values

  • صادر کردن DataFrames به csv Exporting DataFrames to csv

  • خلاصه آمار و انباشت Summary Statistics and Accumulations

  • تجسم با Matplotlib (مقدمه) Visualization with Matplotlib (Intro)

  • سفارشی سازی پلات ها Customization of Plots

  • هیستوگرام (بخش 1) Histogramms (Part 1)

  • هیستوگرام (بخش 2) Histogramms (Part 2)

  • نمودارهای پراکنده Scatterplots

  • قدم های اول با Seaborn First Steps with Seaborn

  • توطئه های طبقه بندی شده در دریا Categorical Seaborn Plots

  • نمودارهای رگرسیون دریایی Seaborn Regression Plots

  • نقشه های حرارتی دریا Seaborn Heatmaps

  • حذف ستون ها Removing Columns

  • مقدمه ای بر عملیات GroupBy Introduction to GroupBy Operations

  • درک شی GroupBy Understanding the GroupBy Object

  • تقسیم با کلیدهای زیادی Splitting with many Keys

  • تقسیم - اعمال - ترکیب split-apply-combine

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

  • سخنرانی پاداش Bonus Lecture

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

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش تجارت الگوریتمی A-Z با پایتون، یادگیری ماشین و AWS
خرید اشتراک و دانلود خرید تکی و دانلود | 480,000 تومان (7 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 4 دوره است و 4 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
41.5 hours
486
Udemy (یودمی) udemy-small
03 فروردین 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
23,016
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alexander Hagmann Alexander Hagmann

دانشمند داده | حرفه ای امور مالی | کارآفرین

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.