آموزش استراتژی های معاملاتی الگوریتمی در پایتون

Algorithmic Trading Strategies In Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تجارت الگوریتمی استاد: راهبردهای سودآور و بک تست با استفاده از پایتون را درک کنید. آشنایی با اصول اولیه، Pandas و Numpy، آشنایی اولیه با برنامه نویسی شی گرا در پایتون تجارت آشنایی و استراتژی های ساده

به دوره جامع استراتژی های تجارت الگوریتمی در پایتون خوش آمدید! به من بپیوندید، زیاد، یک معامله گر الگوریتمی با تجربه با بیش از یک دهه تجربه، تا شما را در دنیای شگفت انگیز تجارت الگوریتمی راهنمایی کنم.

در این دوره، ما به اصول تجارت الگوریتمی می پردازیم که مفاهیم اساسی، طرز فکر معاملاتی و جوانب مثبت و منفی تجارت الگوریتمی را پوشش می دهد. درک عمیقی از اصطلاحات معاملاتی به دست آورید، تجارت تکنیکی در مقابل تجارت بنیادی را بررسی کنید و استراتژی های معاملاتی اساسی را که پایه و اساس تجارت الگوریتمی را تشکیل می دهند، درک کنید.

انواع مختلف استراتژی‌های معاملاتی الگوریتمی، از جمله بازگشت میانگین، تجارت مومنتوم، و آربیتراژ آماری را کشف کنید. نحوه بازیابی و تجزیه و تحلیل داده های بازار با استفاده از پایتون، کاوش در بازه های زمانی، داده های تیک و استفاده از API ها برای بازیابی داده ها را بیاموزید. برای تجزیه و تحلیل شاخص‌های فنی موثر، با کتابخانه‌های پایتون مانند TA-Lib و Pandas_TA در پیاده‌سازی تحلیل تکنیکال غوطه‌ور شوید.

موضوعات پیشرفته در تحلیل و مدل‌سازی آماری، از جمله تحلیل سری‌های زمانی، آربیتراژ آماری، و مدل‌های عاملی را کاوش کنید. استراتژی های معاملاتی خود را توسعه دهید و بهینه سازی کنید، با درک اجزای اصلی که برای موفقیت حیاتی هستند. استراتژی‌های خود را از طریق آزمایش‌های برگشتی، ارزیابی عملکرد و اطمینان از نتایج قوی آزمایش کنید.

در نهایت، بر اجرای معاملات با استفاده از پایتون مسلط شوید، و به طور یکپارچه از تست بک‌آزمایی به معاملات زنده منتقل شوید. این دوره به گونه ای طراحی شده است که مستقیماً بر روی اصل مطلب تمرکز دارد و بر روی سیستم های معاملاتی عددی در پایتون تمرکز دارد. در حالی که پیش‌زمینه پایتون فرض می‌شود، اگر نیاز به تقویت مهارت‌های خود دارید، من دوره‌های جداگانه‌ای را ارائه می‌دهم که مبانی پایتون، برنامه‌نویسی شی گرا، و آموزش عمیق در Numpy و Pandas را پوشش می‌دهد.

چه یک توسعه‌دهنده باتجربه باشید و چه به تازگی سفر برنامه‌نویسی خود را شروع کرده‌اید، این دوره بینش‌های ارزشمند، دانش عملی و نقشه راه روشنی برای تسلط بر تجارت الگوریتمی در پایتون ارائه می‌دهد. قدم بعدی را در سفر تجاری خود بردارید و اکنون ثبت نام کنید!

موضوعات کلیدی:

  • مبانی تجارت الگوریتمی

  • ذهنیت و احساسات تجاری

  • تجارت فنی و اساسی

  • بازگشت میانگین، حرکت، استراتژی‌های آربیتراژ آماری

  • بازیابی داده و تجزیه و تحلیل اکتشافی در پایتون

  • نشانگرهای فنی با TA-Lib و Pandas_TA

  • تحلیل و مدلسازی آماری

  • توسعه و بهینه سازی استراتژی

  • آزمایش مجدد برای ارزیابی عملکرد

  • اجرا و تجارت زنده با پایتون

قدرت تجارت الگوریتمی را امروز باز کنید! با تخصص پایتون، استراتژی های معاملاتی خود را ثبت نام کرده و تغییر دهید.


سرفصل ها و درس ها

مقدمه دوره Course Introduciton

  • معرفی Introduction

  • درباره این دوره About This Course

  • محتوای دوره Course Content

مقدمه ای بر تجارت الگوریتمی Introduction To Algorithmic Trading

  • مقدمه ای بر تجارت الگوریتمی Introduction To Algorithmic Trading

  • احساسات و تعصبات Emotions and Biases

  • یک ذهنیت معاملاتی A Trading Mindset

  • چرا باید از الگوریتم ها استفاده کرد؟ Why To Use Algorithms?

  • احساسات در تجارت Emotions In Trading

  • تعریف تجارت الگوریتمی Defining Algorithmic Trading

  • بازبینی احساسات و مورد واقعی زندگی Revisiting Emotions And Real Life Case

  • بررسی اجمالی: انواع استراتژی های الگوریتمی ساده Overview: Types Of Simple Algorithmic Strategies

  • برنامه نویسی پایتون به عنوان یک پیش نیاز Python Programming As A Prerequisite

مفاهیم تجارت Trading Concepts

  • الگوریتم های تکنیکی در مقابل بنیادی Technical Vs Fundamental Algorithms

  • قیمت و حجم پیشنهادی و درخواستی به عنوان شاخص نقدینگی بازار Bid and Ask Spread and Volume as Market Liquidity Indicators

  • انواع بازارهای مالی Types of Financial Markets

  • شرکت کنندگان در بازار و بازیگران بزرگ بازار Market Participants and Big Market Players

  • انواع اساسی استراتژی های معاملاتی الگوریتمی Basic Types of Algorithmic Trading Strategies

بازیابی داده های مالی و تجزیه و تحلیل اکتشافی Financial Data Retrieval And Exploratory Analysis

  • شناخت انواع داده ها Knowing Data Types

  • انواع داده های مالی Types Of Financial Data

  • دانلود داده های تاریخی برای تجزیه و تحلیل Downloading Historical Data For Analysis

  • مثال ترسیم شمعدان ها و نشانگرها Candlesticks and Indicators Plotting Example

  • آموزش تجسم اضافی Additional Visualization Tutorial

تجزیه و تحلیل شاخص های فنی Technical Indicators Analysis

  • معرفی شاخص های فنی Technical Indicators Introduction

  • شاخص های روند Trend Indicators

  • میانگین متحرک و شاخص های ADX Moving Average And ADX Indicators

  • میانگین متحرک و مثال پایتون ADX Moving Average And ADX Python Example

  • شاخص های حرکت: RSI Momentum Indicators : The RSI

  • اندیکاتورهای تکانه: نوسانگر تصادفی Momentum Indicators : Stochastic Oscillator

  • شاخص‌های حرکت مثال‌های پایتون Momentum Indicators Python Examples

  • شاخص های نوسان: باندهای بولینگر Volatility Indicators: Bollinger Bands

  • شاخص های نوسان: میانگین محدوده واقعی Volatility Indicators: Average True Range

  • شاخص های فرار: مثال های پایتون Volatility Indicators: Python Examples

  • شاخص های حجم Volume Indicators

  • شاخص های حجم: CMF Volume Indicators: CMF

  • شاخص های حجم: مثال های پایتون Volume Indicators: Python Examples

تست شاخص های فنی Testing Technical Indicators

  • روشهای تست فنی I Technical Testing Methods I

  • روشهای تست فنی II Technical Testing Methods II

  • تست رد نشانگر شمع Testing Rejection Candle Indicator

ساخت سیستم های معاملاتی الگوریتمی Building Algorithmic Trading Systems

  • اجزای استراتژی الگوریتمی Algorithmic Strategy Components

  • تشخیص و تایید روند Trend Detection And Confirmation

  • تولید سیگنال های ورودی Generating Entry Signals

  • رویکردهای سیگنال خروج Exit Signal Approaches

  • اندازه لات و سایز بندی پویا Lot Size And Dynamic Sizing

  • برنامه پایتون: تشخیص روند با استفاده از شیب میانگین متحرک Python Application: Trend Detection Using The Moving Average Slope

  • برنامه پایتون: تشخیص روند با استفاده از 3 تراز میانگین متحرک Python Application: Trend Detection Using 3 Moving Averages Alignment

  • برنامه پایتون: موقعیت های متوالی شمع ها در مقابل میانگین متحرک Python Application: Consecutive Candles Positions Vs The Moving Average

  • برنامه پایتون: موقعیت های VWAP و Candles Python Application: VWAP And Candles Positions

  • برنامه پایتون: تأیید روند با ADX Python Application: Trend Confirmation With The ADX

  • برنامه پایتون: تشخیص سیگنال ورودی I (باندهای بولینگر) Python Application: Entry Signal Detection I (Bollinger Bands)

  • برنامه پایتون: تشخیص سیگنال ورودی II (باندهای بولینگر با RSI) Python Application: Entry Signal Detection II (Bollinger Bands With RSI)

  • برنامه پایتون: تشخیص سیگنال ورودی III (باندهای بولینگر با رد) Python Application: Entry Signal Detection III (Bollinger Bands With Rejection)

بک تست استراتژی های معاملاتی Backtesting Trading Strategies

  • بک تست مقدمه Backtesting Introduction

  • ابزارهای بک تست و بسته های پایتون Backtesting Tools And Python Packages

  • نمونه‌های پایتون پکیج Dot Py را بک‌آزمایش کنید Backtesting Dot Py Package Python Examples

  • نسبت های کیفیت و ارزیابی پس آزمون Quality Ratios And Backtest Evaluation

مثال گام به گام استراتژی سودآور پایتون Python Profitable Strategy Example Step-By-Step

  • مقدمه استراتژی Strategy Introduction

  • جزئیات استراتژی: توضیحات فنی Strategy Details: Technical Description

  • تشخیص شمع های رد و سطوح مقاومت پشتیبانی Detecting Rejection Candles And Support Resistance Levels

  • ترکیب سیگنال‌های رد و سطوح کلیدی Combining Rejection And Key Levels Signals

  • تولید سیگنال ورودی خودکار Generating Automated Entry Signal

  • نتایج بک‌آست: ضرر توقف ثابت و گرفتن ارزش سود Backtest Results: Fixed Stop Loss And Take Profit Values

  • نتایج بک تست: سیگنال خروجی RSI Backtest Results: RSI Exit Signal

  • نتایج بک تست: مقادیر SL و TP وابسته به ATR Backtest Results: ATR Dependent SL and TP Values

  • نتایج Backtest: Trailing Stop در پایتون Backtest Results: Trailing Stop In Python

  • نتایج Backtest: Lot Sizing and Returns Optimization Backtest Results: Lot Sizing And Returns Optimization

ربات معاملاتی زنده: همه چیز را در کنار هم قرار می دهیم Live Trading Bot: Putting It All Together

  • مثال تجارت زنده در پایتون Live Trading Example In Python

نمایش نظرات

آموزش استراتژی های معاملاتی الگوریتمی در پایتون
جزییات دوره
7 hours
66
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
888
4.6 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

Dr Ziad Francis Dr Ziad Francis

دکتری، دانشمند داده