معاملات الگوریتمی به زبان پایتون
درس دوم: مدیریت و پیش پردازش داده ها درس سوم: آشنایی با انواع استراتژی های معاملاتی الگوریتم درس چهارم: بررسی کارایی استراتژی ها (Startegy Testing)امروزه بازار های مالی در حال پوست اندازی و ورود به دنیای جدید هستند. بیش از 85 درصد از حجم معاملات بازار های مالی به صورت الگوریتمی انجام می شوند. شاید عوامل و محرکه این قضیه تولید حجم بسیار بالایی از داده های مالی در لحظه است که تحلیل این حجم از داده ها در زمانی کوتاه، نیاز به سرعت پردازش و توان محاسباتی بالایی دارد که از عهده یک فرد یا گروهی از افراد خارج است .
از این رو استفاده از محاسبات کامپیوتری و هوش مصنوعی در بازارهای مالی روز به روز در حال گسترش است. موسسات مالی این روزها، با به کارگیری یادگیری ماشین به دنبال بهبود عملکردشان در تجارت و سرمایه گذاری هستند. با توجه به توانمندی های پایتون بهترین زبان واکوسیستم برای تحلیل داده های مالی است. پایتون یک زبان قدرتمند برنامه نویسی استکه سادگی برنامه نویسی در آن دلیل اقبال گسترده عمومی به این زبان بوده است. همچنین پکیج های قدرتمندی در زمینه امور مالی و مدیریت سرمایه گذاری در پایتون نوشته شده است که کار در این زمینه ها با پایتون را بسیار راحت و لذت بخش می نماید.این دوره در دو بخش مقدماتی و پیشرفته برگزار می شود.
بخش مقدماتی
بخش پیشرفته
درس صفر: کلیات ( آشنایی با زبان ها برنامه نویسی و محبوبیت آنها، آشنایی اجمالی بر الگوریتم و فلوچارت، اهمیت پایتون در بازارهای مالی)
درس یکم: آشنایی با پایتون ( تاریخچه پایتون، ویژگی های پایتون، کاربردهای پایتون، کاربردهای پایتون، نسخه های پایتون،نصب پایتون، آشنایی با محیط پایتون و محیط های توسعه و …)
درس دوم: انواع داده ها( اعداد، رشته، لیست، Tuple، دیکشنری، Setو تبدیل داده ها) ارائه کاربردهای آن در اقتصاد و مالی
درس سوم: انواع عملگرها در پایتون ( محاسباتی ، منطقی، مقایسه ای و …، تقدم عملگرها) و بررسی کاربرد آن در اقتصاد و مالی
درس چهارم: دستورات شرطی (ساختار else…if، if و ساختار شرطی تو در تو) و ارائه مثال در حوزه مالی
درس پنجم: ساختارهای تصمیم: حلقه ها (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 مثال هایی 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 داده های مالی به پایتون، محاسبه بازده دارایی ها، محاسبه ریسک، تحلیل همبستگی)
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 داده های مالی از منابع معتبر wordgoogle finance، yahoo finance، world Bank و…
انواع ترسیم های کاربردی در داده های مالی (نمودارهای سری زمانی، نمودارهای همبستگی، هیستوگرام و …)
انواع محاسبات مقدماتی در مالی (محاسبه بازده و بازده تجمعی سنجه های ریسک، رگرسیون و …)
حل تمرین و رفع اشکال
معاملات الگوریتمی
درس یکم: کلیات
آشنایی با معاملات الگوریتمی