
کاربردی
ارتباط مستقیم با مشاور
امکان پرسش و پاسخ
درباره دوره معاملات الگورریتمی
بازارهای مالی روزبهروز پیچیدهتر میشوند و حجم دادهها نیز به شکل تصاعدی در حال افزایش است. در چنین شرایطی، استفاده از ابزارهای مدرن مانند پایتون و معاملات الگوریتمی میتواند مزیتی رقابتی به شما ببخشد. این تکنولوژی به شما این امکان را میدهد تا با تحلیل بهتر، تصمیمات هوشمندانهتری بگیرید و در عین حال زمان و هزینههای خود را بهینه کنید.
روند دوره
سطح اول
آموزش پایتون مالی
دریافت فیلم آموزشی پایتون
سطح دوم
آموزش معاملات الگوریتمی
دریافت فیلم آموزشی پایتون
سطح سوم
آموزش یادگیری ماشین
و کاربرد آن در معاملات الگوریتمی
سرفصل های دوره
سطح یک: آموزش پایتون مالی
- درس صفر: کلیات (آشنایی با زبانها برنامهنویسی و محبوبیت آنها، آشنایی اجمالی بر الگوریتم و فلوچارت، اهمیت پایتون در بازارهای مالی)
- درس یکم: آشنایی با پایتون (تاریخچه پایتون، ویژگیهای پایتون، کاربردهای پایتون، نسخههای پایتون، نصب پایتون، آشنایی با محیط پایتون و محیطهای توسعه و…)
- درس دوم: انواع دادهها (اعداد، رشته، لیست، Tuple، دیکشنری، Set و تبدیل دادهها) ارائه کاربردهای آن در اقتصاد و مالی
- درس سوم: انواع عملگرها در پایتون (محاسباتی، منطقی، مقایسهای و…، تقدم عملگرها) و بررسی کاربرد آن در اقتصاد و مالی
- درس چهارم: ساختارهای تصمیم: دستورات شرطی (ساختار if، else…if و ساختار شرطی تو در تو) و ارائه مثال در حوزه مالی
- درس پنجم: ساختارهای تصمیم: حلقهها (ساختار for و while، ساختار حلقه تو در تو، دستورات کنترلی در حلقه) و ارائه مثال در حوزه مالی
- درس ششم: ایجاد تابع (مزیت استفاده از تابع، انواع توابع، توابع بازگشتی صدا زدن تابع، تست توابع) و ارائه مثالهایی از کاربرد آن در حوزه مالی
- درس هفتم: فایل (باز کردن فایل، خواندن فایل، نوشتن در فایل، بستن فایل، حذف فایل)
- درس هشتم: کاربرد مقدماتی پایتون (توابع ریاضی، اعداد تصادفی، ورود دادههای مالی به پایتون، محاسبه بازده داراییها، محاسبه ریسک، تحلیل همبتسگی)
- درس نهم: آشنایی با کتابخانه numpy برای انجام محاسبات عددی در حوزه مالی
- درس دهم: آشنایی با کتابخانه Pandas برای مدیریت و ترسیم دادههای مالی
- درس یازدهم: آشنایی با کتابخانه matplotlib و seaborn برای ترسیم دادههای مالی
- درس دوازدهم: کاربردهای متنوع در حوزه مالی
- ورود دادههای مالی از منابع معتبر google finance، yahoo finance، world Bank و…
- انتقال فایل داده از اکسل، R و سایر نرمافزارهای مرتبط با مالی
- انواع ترسیمهای کاربردی در دادههای مالی (نمودارهای سری زمانی، نمودارهای همبستگی، هیستوگرام و ….)
- انواع محاسبات مقدماتی در مالی (محاسبه بازده و بازده تجمعی، سنجههای ریسک، رگرسیون و…)
- حل تمرین و رفع اشکال
سطح دوم: آموزش معاملات الگوریتمی
- درس یکم: کلیات
- آشنایی با معاملات الگوریتمی
- آشنایی با کتابخانههای با اهمیت در معاملات الگوریتمی(TaLib, NumPy, SciPy, pandas, matplotlib, statsmodels,)
- آشنایی با پلتفرمهای محبوب معاملات الگوریتمی
- درس دوم: مدیریت و پیشپردازش دادهها
- فراخوانی داده از پایگاههای داده معتبر (کار با APIها)
- پالایش و پیشپردازش دادهها (محاسبات بازده، حذف نویز، تحلیل همبستگی و …)
- ترسیم انواع نمودارهای مفید (سری زمانی، پراکندگی، نمودار شمعی و …)
- وب اسکراپینگ (Web Scraping)
- درس سوم: آشنایی با انواع استراتژیهای معاملات الگوریتمی
- استراتژیهای معاملاتی مبتنی بر تحلیل تکنیکال
- استراتژیهای معاملاتی مبتنی بر همبستگی خطی
- درس چهارم: بررسی کارایی استراتژیها (Strategy Testing)
- گرفتن بک تست (Back testing) برای بررسی میزان موفقیت الگوریتم
- برنامهنویسی شی گرا برای گرفتن بک تست
- بررسی کارایی الگوریتم به صورت زنده (Live Testing
- درس یکم: کلیات
سطح سوم: آموزش یادگیری ماشین و کاربرد آن در معاملات الگوریتمی
- درس یکم: مقدمهای بر یادگیری ماشین
- تعریف یادگیری ماشین و کاربردهای آن
- انواع الگوریتم های یادگیری (با نظارت و بدون نظارت(
- مقدمه ای بر یادگیری با نظارت
- مقدمه ای بر یادگیری بدون نظارت
- درس دوم: داده
- انواع داده (اسمی، ترتیبی، عددی)
- شاخصهای آماری داده (میانگین، میانه، مد، واریانس، انحراف معیار، چارک و…)
- نمایش گرافیکی توصیفهای آماری (نمودار میلهای، هیستوگرام، پراکندگی، باکس پلات و…)
- وابستگی (Correlation)
- ویژگی های اسمی – باینری
- عدم شباهت برای داده های عددی
- معیار کسینوس برای شباهت
- درس سوم: پیش پردازش داده
- معیارهای کیفیت داده
- اعمال پیش پردازش (پاک سازی داده، ترکیب و تجمیع، کاهش داده و….)
- نحوه رسیدگی به دادههای گم شده
- داده نویز
- هموار سازی دادهها
- استراتژیهای کاهش دادهها
- استراتژیهای معاملات الگوریتمی مبتنی بر یادگیری ماشینی و هوش مصنوعی
مدرسین دوره

علی رئوفی
دکتری اقتصاد مالی - سنجی
مدیرعامل دیتاوست، مشاور مالی و سرمایهگذاری
مدرس دوره های مالی و اقتصادی

سیاوش محمدپور
دکتری اقتصادسنجی - پولی
مدیر واحد داده و تحلیل دنیای اقتصاد
مدرس دوره های مالی و اقتصادی
ویژگی های دوره
دوره بهصورت آنلاین برگزار میشود، بنابراین میتوانید از هر نقطهای به راحتی به مطالب دسترسی داشته باشید و آموزش ببینید.
همراه با پشتیبانی مستمر و تعاملی از طریق گروهپرسش و پاسخ اختصاصی ، برای حل هرگونه سوال و چالش شما در طول دوره.
در این دوره، پروژههای عملی توسط استاد ارائه میشود و شما فرصت دارید تا آنها را تحت نظارت استاد دوره بررسی و تحلیل کنید.
فیلمهای ضبطشده دوره برای مدت معین در دسترس شما خواهد بود تا بتوانید مطالب را مرور و تکمیل کنید.
در صورت شرکت فعال در دو سوم جلسات و ارائه پروژه نهایی، گواهی معتبر حضور در دوره به شما اعطا خواهد شد.
یادگیری الگوریتم های معاملاتی همراه با مهارت های کاربردی در پایتون
پیادهسازی روشهای معاملات الگوریتمی روی دادههای واقعی با استفاده از پایتون و کتابخانههای مالی
مهارتهایی که مستقیماً در تحلیل اقتصادی، سرمایهگذاری و مدیریت مالی کاربرد دارند.
آموزش گامبهگام پایتون برای تحلیل دادههای اقتصادی
مخاطبان دوره
- معامله گران و فعالان بازارهای مالی
- تحلیلگران و مدیران سرمایه گذاری
- برنامه نویسان و مهندسان داده
- دانشجویان حوزه بازار مالی و علوم داده

جزییات و زمانبندی دوره

شیوه برگزاری دوره
آنلاین

طول دوره
63 ساعت

زمان برگزاری
یکشنبه
ساعت 16الی20

تاریخ شروع
1404/03/18

سوالات متداول
پیشنیازهای این دوره چیست؟
آیا این دوره برای مبتدیان مناسب است؟
بعد از ثبتنام، چگونه میتوانم لینک ورود به کلاس را دریافت کنم؟
نیاز به راهنمایی برای انتخاب دوره مناسب خودم را دارم ، باید چکار کنم؟
موارد مرتبط
دوره ارزیابی اقتصادی طرح ها با پایتون
دوره جامع بهینه سازی سبد سهام با پایتون
نظرات
متوسط امتیازات
جزئیات امتیازات
قیمت
علی رئوفی متخصص هوش مصنوعی و اقتصاد، با سابقه درخشان در زمینه تحلیل داده و کاربرد هوش مصنوعی در صنعت مالی است. ایشان دارای دکترای اقتصاد مالی از دانشگاه علامه طباطبایی و سابقه تدریس در دانشگاه و ارائه مقالات علمی در مجلات معتبر هستند. تمرکز اصلی دکتر علی رئوفی بر کاربرد هوش مصنوعی در پیشبینی بازارهای مالی، مدیریت ریسک، و بهینهسازی سبد سرمایهگذاری است. ایشان با تسلط بر ابزارهای مختلف تحلیل داده و مهارتهای برنامهنویسی، به ارائه خدمات مشاوره به شرکتهای فعال در صنعت مالی میپردازند.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.