آموزش پایتون کاربردی برای معاملات الگوریتمی - آخرین آپدیت

دانلود Practical Python for Algorithmic Trading

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: اگر در حوزه مالی فعالیت می‌کنید یا به سرمایه‌گذاری و ترید علاقه دارید، می‌دانید که در هر لحظه حجم عظیمی از داده‌های مالی در دسترس شماست. اما چگونه می‌توانید از این اطلاعات به نفع خود استفاده کنید؟ معاملات الگوریتمی با استفاده از تکنیک‌های یادگیری ماشین (Machine Learning) به شما کمک می‌کند تا تصمیمات معاملاتی خود را بر اساس داده‌ها اتخاذ کنید. در این دوره، Jesus Lopez مباحث پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها و نحوه استفاده از مدل‌های پیشرفته یادگیری ماشین برای ارتقای استراتژی‌های معاملاتی را به شما آموزش می‌دهد. او به شما نشان می‌دهد که چگونه داده‌های بازار سهام را از Yahoo Finance دانلود کرده و آن‌ها را برای آموزش مدل‌های یادگیری ماشین جهت پیش‌بینی قیمت‌ها به کار ببرید و بر اساس این پیش‌بینی‌ها، تصمیمات سرمایه‌گذاری بگیرید. همچنین بیاموزید که چگونه استراتژی‌های خود را بهینه‌سازی کنید، تکنیک‌های بک‌تست (Backtesting) را درک نمایید و گزارش‌های عملکرد را با اطمینان تحلیل کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • به حداکثر رساندن یادگیری Maximize your learning

  • معاملات الگوریتمی با استفاده از یادگیری ماشین Algorithmic trading using machine learning

1. کار با داده‌های بازار سهام 1. Working with Stock Market Data

  • دانلود و استخراج داده‌ها Download and export data

  • فیلتر کردن ردیف‌ها و ایجاد ستون‌ها برای استراتژی‌های معاملاتی Filter rows and create columns for trading strategies

2. بک‌تست با مدل‌های طبقه‌بندی (Classification) 2. Backtesting with Classification Models

  • اجرای بک‌تست روی استراتژی Run the backtest on the strategy

  • شبیه‌سازی گام‌به‌گام استراتژی سرمایه‌گذاری Simulate the investment strategy step by step

  • محاسبه مدل طبقه‌بندی یادگیری ماشین Compute machine learning classification model

  • تنظیمات اولیه کلاس استراتژی First configurations of the strategy class

  • چالش: بک‌تست با نمادهای دیگر Challenge: Backtest with other tickers

3. بک‌تست با مدل‌های رگرسیون (Regression) 3. Backtesting with Regression Models

  • نحوه ارزیابی مدل‌های رگرسیون How to evaluate regression models

  • تنظیم و اجرای بک‌تست با مدل رگرسیون Configure and run the backtest with the regression model

  • نحوه تفسیر داشبورد بک‌تست How to interpret the backtesting dashboard

  • محاسبه مدل رگرسیون یادگیری ماشین Compute machine learning regression model

4. بهینه‌سازی بک‌تست 4. Backtesting Optimization

  • بهینه‌سازی پارامترهای استراتژی Optimizing strategy parameters

  • گزارش‌دهی پانداز با نقشه‌های حرارتی (Heatmaps) Pandas reporting with heatmaps

  • بهینه‌سازی هوشمند برای کاهش زمان محاسبات Smart optimization to save computing time

  • چالش: بهینه‌سازی با مجموعه‌داده‌های دیگر Challenge: Optimization with other datasets

5. مشکل بیش‌برازش (Overfitting) در بک‌تست 5. The Overfitting Problem in Backtesting

  • نحوه آموزش مدل‌ها در محیط بک‌تست How to train models within the backtest

  • اعتبارسنجی پیش‌رو لنگری (Anchored Walk Forward) در بک‌تست Anchored walk forward validation in backtesting

  • تفسیر گزارش‌های حاصل از رویکردهای اعتبارسنجی پیش‌رو Interpret reports from walk forward validation approaches

  • چرا مدل‌های یادگیری ماشین دچار بیش‌برازش می‌شوند Why machine learning models overfit the data

  • اعتبارسنجی پیش‌رو در یادگیری ماشین Walk forward validation in machine learning

  • چالش: آموزش و تست با نمادهای دیگر Challenge: Train test with other tickers

  • ساخت کتابخانه برای استراتژی‌های بک‌تست Create library for backtesting strategies

  • چالش: اعتبارسنجی پیش‌رو با نمادهای دیگر Challenge: Walk forward with other tickers

جمع‌بندی Conclusion

  • گام‌های بعدی What's next

  • خلاصه دوره Course summary

نمایش نظرات

آموزش پایتون کاربردی برای معاملات الگوریتمی
جزییات دوره
1h 54m
27
(آخرین آپدیت)
46,440
- از 5
ندارد
دارد
دارد
Jesus Lopez
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jesus Lopez Jesus Lopez

Python and Data Scientist, Trainer, Consultant

Jesus Lopez دانشمند پایتون و داده، مربی و مشاور است

Jesus استاد Escuela de Organización Industrial در مادرید، اسپانیا، آموزش برنامه نویسی پایتون. او همچنین یک مشاور فنی در Resolving Python است، یک شرکت مشاوره که راه‌حل‌های علم داده را برای افراد و سازمان‌ها با استفاده از پایتون توسعه می‌دهد. او مدرک لیسانس علوم کاربردی را از دانشگاه گلاسکو گرفت و در حال تکمیل مدرک آمار از دانشگاه سالامانکا است.