پایتون عملی برای تجارت الگوریتمی

مدرس Jesus Lopez

انتشار 2023/08/01

مدت زمان 1h 54m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Practical Python for Algorithmic Trading

اگر در امور مالی کار می کنید یا علاقه ای به سرمایه گذاری و تجارت دارید ، می دانید که هر لحظه گنجی از داده های مالی در دسترس شما است. اما چگونه می توانید از تمام این اطلاعات به نفع خود استفاده کنید؟ تجارت الگوریتمی با استفاده از تکنیک های یادگیری ماشین می تواند به شما در تصمیم گیری های تجاری بر اساس داده ها کمک کند. در این دوره ، عیسی لوپز در مورد پیش پردازش داده ها ، مهندسی ویژگی و نحوه استفاده از مدل های یادگیری ماشین پیشرفته برای ارتقاء استراتژی های معاملاتی خود به شما می آموزد. او به شما نشان می دهد که چگونه می توانید داده های بورس سهام را از Yahoo Finance بارگیری کنید تا در مدل های یادگیری ماشین که می توانند پیش بینی کنند ، آموزش داده و چگونه می توانند بر اساس این پیش بینی ها تصمیمات سرمایه گذاری ایجاد کنند. بیاموزید که چگونه استراتژی های خود را بهینه کنید ، تکنیک های پشتی را درک کنید و گزارش های عملکرد را با اعتماد به نفس تفسیر کنید.

Algorithmic Trading Python (Programming Language)

Introduction

Algorithmic trading using machine learning ()

Maximize your learning ()

1. Working with Stock Market Data

Download and export data ()

Filter rows and create columns for trading strategies ()

2. Backtesting with Classification Models

Compute machine learning classification model ()

First configurations of the strategy class ()

Simulate the investment strategy step by step ()

Run the backtest on the strategy ()

Challenge: Backtest with other tickers ()

3. Backtesting with Regression Models

Compute machine learning regression model ()

How to evaluate regression models ()

Configure and run the backtest with the regression model ()

How to interpret the backtesting dashboard ()

4. Backtesting Optimization

Optimizing strategy parameters ()

Pandas reporting with heatmaps ()

Smart optimization to save computing time ()

Challenge: Optimization with other datasets ()

5. The Overfitting Problem in Backtesting

Why machine learning models overfit the data ()

How to train models within the backtest ()

Challenge: Train test with other tickers ()

Walk forward validation in machine learning ()

Anchored walk forward validation in backtesting ()

Create library for backtesting strategies ()

Interpret reports from walk forward validation approaches ()

Challenge: Walk forward with other tickers ()

Conclusion

Course summary ()

What's next ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش پایتون عملی برای تجارت الگوریتمی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Practical Python for Algorithmic Trading در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این مسیر یادگیری جامع برای متخصصان داده در صنعت مالی طراحی شده است که می خواهند از قدرت پایتون استفاده کنند. بهترین روش ها را برای انجام محاسبات بیاموزید. دریافت و تهیه داده های مالی؛ ادغام پایتون با اکسل برای دستکاری داده ها، تجزیه و تحلیل و گزارش. ایجاد مدل های مالی پویا؛ و از مدل‌های پیشرفته یادگیری ماشینی برای بهبود استراتژی‌های معاملاتی خود استفاده کنید.

آموزش پایتون عملی برای تجارت الگوریتمی ، ایستگاه شماره 4 در مسیر یادگیری پایتون برای متخصصان داده در امور مالی ، است.