توضیحات

آموزش معاملات الگوریتمی و تحلیل سری های زمانی در R و پایتون

نام دوره : Algorithmic Trading & Time Series Analysis in Python and R

پیش نیاز:

• شما باید به امور مالی و ریاضیات علاقه داشته باشید

توضیحات:

دوره آموزش معاملات الگوریتمی و تحلیل سری های زمانی در R و پایتون در مورد مبانی اساسی تجارت الگوریتمی است.

ابتدا با سهام ، اوراق قرضه و اصول اساسی بازار سهام و فارکس آشنا خواهید شد.

هدف اصلی این دوره کسب درک بهتر از مدل های ریاضی مربوط به معاملات الگوریتمی و مالی به طور عمده است.

ما از Python و R به عنوان زبان های برنامه نویسی در طول ویدیو ها استفاده خواهیم کرد

مهم: فقط اگر به آمار و ریاضیات علاقه مند هستید این دوره را بگذرانید !!!

بخش 1 – مقدمه

• چرا باید از پایتون به عنوان یک زبان برنامه نویسی استفاده کرد؟
• نصب Python و PyCharm
• نصب R و RStudio

بخش 2 – مبانی بازار سهام

• انواع تجزیه و تحلیل
• سهام و سهام
• کالاها و فارکس
• پوزیشن های کوتاه و لانگ چیست؟
• +++ آنالیز فنی ++++

بخش 3 – نشانگر میانگین متحرک (MA).

• شاخص های میانگین متحرک ساده (SMA)
• شاخص های میانگین متحرک نمایی (EMA)
• استراتژی معاملاتی متقاطع متقاطع

بخش 4 – شاخص قدرت نسبی (RSI)

• شاخص قدرت نسبی (RSI) چیست؟
• بازده حسابی و بازده لگاریتمی
• ترکیب میانگین متحرک و استراتژی معاملاتی RSI
• نسبت شارپ

بخش 5 – شاخص تکانه تصادفی

• شاخص تکانه تصادفی چیست؟
• میانگین محدوده واقعی (ATR) چیست؟
• استراتژی معاملاتی بهینه سازی پرتفوی
• +++ آنالیز سری زمانی +++

بخش 6 – مبانی سری زمانی

• مبانی آمار (میانگین، واریانس و کوواریانس)
• دانلود داده ها از Yahoo Finance
• ایستایی
• خودهمبستگی (همبستگی سریال) و همبستگی

بخش 7 – مدل پیاده روی تصادفی

• نویز سفید و نویز سفید گاوسی
• مدل سازی دارایی ها با پیاده روی تصادفی

بخش 8 – مدل خودرگرسیون (AR).

• مدل خودرگرسیون چیست؟
• چگونه بهترین سفارشات مدل را انتخاب کنیم؟
• معیار اطلاعات آکایک

بخش 9 – مدل میانگین متحرک (MA).

• مدل میانگین متحرک
• مدل سازی دارایی ها با مدل میانگین متحرک

بخش 10 – مدل میانگین متحرک خود رگرسیون (ARMA)

• مدل های ARMA و ARIMA چیست؟
• تست لیونگ باکس
• بخش یکپارچه – فرآیندهای I(0) و I(1).

بخش 11 – فرآیندهای هتروسکداستیکی

• نحوه مدل سازی نوسانات در امور مالی
• مدل‌های هتروسکداستی خودرگرسیون (ARCH).
• مدل‌های هتروسکداستی خودرگرسیون تعمیم یافته (GARCH).

بخش 12 – استراتژی معاملاتی ARIMA و GARCH

• نحوه ترکیب مدل ARIMA و GARCH
• میانگین و واریانس مدلسازی
• +++ استراتژی های تجارت خنثی در بازار +++

بخش 13 – استراتژی های بی طرف بازار

• انواع ریسک (ریسک خاص و بازار)
• پوشش ریسک بازار (مدل بلک شولز و تجارت جفت)

بخش 14 – بازگشت میانگین

• فرآیندهای تصادفی Ornstein-Uhlenbeck
• همگرایی چیست؟
• اجرای استراتژی تجارت جفت
• باندهای بولینگر و برگشت میانگین مقطعی
• +++ یادگیری ماشینی +++

بخش 15 – رگرسیون لجستیک

• رگرسیون خطی چیست
• چه زمانی رگرسیون لجستیک را ترجیح دهیم
• استراتژی معاملاتی رگرسیون لجستیک

بخش 16 – ماشین‌های بردار پشتیبانی (SVM)

• ماشین های بردار پشتیبان چیست؟
• از استراتژی معاملاتی ماشین برداری پشتیبانی کنید
• بهینه سازی پارامتر

ضمیمه – دوره سرعتی زبان R

• مبانی – متغیرها، رشته ها، حلقه ها و عملگرهای منطقی
• کارکرد

ضمیمه – دوره سرعتی پایتون

• مبانی – متغیرها، رشته ها، حلقه ها و عملگرهای منطقی
• کارکرد
• ساختارهای داده در پایتون (لیست ها، آرایه ها، تاپل ها و دیکشنری ها)
• برنامه نویسی شی گرا (OOP)
• NumPy

دوره آموزش معاملات الگوریتمی و تحلیل سری های زمانی در R و پایتون برای چه کسانی است:

• هر کسی که می خواهد اصول تجارت الگوریتمی را بیاموزد

بخشی از دوره :