دوره کامل معاملات الگوریتمی با پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پایتون برای معاملات الگوریتمی از جمله Pandas
- یادگیری توسعه رباتهای معاملاتی
- استفاده از Zerodha Kite Connect API برای معاملات الگوریتمی
- ایجاد اندیکاتورهای تکنیکال با استفاده از پایتون
- توسعه و بکتست استراتژیهای معاملات الگوریتمی
پیشنیازهای دوره
- مبانی بازار سهام و معاملات
- مهارتهای برنامهنویسی در سطح مبتدی
توضیحات دوره
به کاملترین دوره ما، «معاملات الگوریتمی با استفاده از پایتون» خوش آمدید، جایی که شما به سفری تحولآفرین به دنیای معاملات الگوریتمی وارد میشوید. این دوره با هدف فراهم آوردن پایهای جامع در برنامهنویسی پایتون و استراتژیهای معاملات الگوریتمی طراحی شده و برای مبتدیان و توسعهدهندگان باتجربه عالی است.
این دوره با یک بررسی جامع از برنامهنویسی شیگرا در پایتون (OOP) آغاز میشود تا شما را به مهارتهای ضروری برای معاملات الگوریتمی مجهز کند. شما به تحلیل داده با استفاده از Pandas پرداخته و تسلط به مدیریت داده مالی را یاد میگیرید. با استفاده از کتابخانههایی مانند Numpy و Matplotlib، مهارتهای لازم در محاسبات عددی و مصورسازی داده را کسب خواهید کرد.
این دوره به نرمالسازی داده و محاسبه بازدههای مالی میپردازد، که مراحل ضروری در توسعه استراتژیهای معاملاتی قوی هستند. شما به مفاهیم مالی و سرمایهگذاری میپردازید تا جزئیات پیچیده این بازار را درک کنید.
شما یاد میگیرید که چگونه با استفاده از کد پایتون با API بروکر ارتباط برقرار کنید. شما لاگین خودکار با استفاده از سلنیوم خواهید داشت. شما از پتانسیل API Zerodha Kite Connect برای پیادهسازی استراتژیهای خود به طور بینقص استفاده میکنید. در دنیای معاملات الگوریتمی، داده بلادرنگ بسیار مهم است. شما یاد میگیرید که چگونه داده تیک لایو را استریم کنید و به طور موثر داده تاریخی مالی را دانلود و پاکسازی کنید.
مدیریت اوردر - ثبت اوردرها، اصلاح آنها، لغو آنها، تعیین اوردرهای حد ضرر
این دوره شامل سوالات متداول و پیشنیازهای API میباشد.
شما از پایگاهداده MySQL برای ذخیره و دسترسی به داده استفاده میکنید.
شما داده را با استفاده از فایلهای استاتیک ایمپورت و اکسپورت میکنید.
اندیکاتورهای تکنیکال نقش حیاتی در تصمیمات معاملاتی دارند. این دوره به شما توانمندی میدهد تا اندیکاتورهایی مانند میانگینهای متحرک، باندهای بولینگر، ATR، قدرت نسبی، MACD، مفهوم Supertrend و Renko را با استفاده از پایتون توسعه دهید.
شما مهارتهای خود را با یادگیری نحوه استقرار ربات معاملاتی خود روی یک سرور خصوصی مجازی که از طریق یک صفحه وب کاربرپسند قابل دسترسی است، به سطح بعدی میبرید. شما به اوج اتوماسیون دست مییابید و یک ربات معاملاتی کاملاً خودکار توسعه میدهید که آماده است تا در بازارهای مالی ناوبری کند.
این دوره شامل تمامی کدهای عملی در Jupyter notebooks است که در بخش منابع موجود است.
چه شما مبتدی باشید که به دنبال یک مقدمه جامع هستید و چه توسعهدهنده باتجربه که به دنبال افزایش توانمندیهای معاملات الگوریتمی خود هستید، این دوره دانش و تجربه عملی مورد نیاز برای موفقیت در دنیای پویای معاملات الگوریتمی با استفاده از پایتون را فراهم میکند.
به این سفر هیجانانگیز بپیوندید و پتانسیل معاملات الگوریتمی را در بازارهای مالی کشف کنید.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان نرمافزار، معاملهگران الگوریتمی و دانشجویان نرمافزار
دوره کامل معاملات الگوریتمی با پایتون
-
آشنایی با معاملات الگوریتمی 07:44
-
بروکرها و APIs 06:26
-
راهاندازی محیط 05:56
-
آشنایی با ابزارهای پایتون 09:56
-
عملیاتهای حسابی در پایتون 09:36
-
تایپهای داده 09:03
-
متغیرها 09:32
-
آشنایی با لیستها 07:37
-
لیستها - بخش 2 08:57
-
لیستها - بخش 3 12:27
-
تاپلها 06:36
-
رشتهها - بخش 1 06:36
-
رشتهها - بخش 2 05:54
-
دیکشنریها 06:25
-
مجموعهها 09:28
-
آشنایی با Pandas 09:47
-
سریهای Pandas - بخش 1 04:30
-
سریهای Pandas - بخش 2 07:32
-
یکتایی سریهای Pandas 05:29
-
مرتبسازی سریهای Pandas 04:35
-
آشنایی با دیتافریمها 05:22
-
دسترسی به فایلهای csv 05:10
-
بازبینی داده 06:39
-
ایندکسگذاری دیتافریم 03:04
-
فیلتر دیتافریم 02:10
-
ایندکسگذاری دیتافریم 03:20
-
ایندکسگذاری مبتنی بر پوزیشن با استفاده از iloc 07:03
-
اسلایس کردن دیتافریم با استفاده از iloc 04:27
-
اسلایس کردن مبتنی بر برچسب با استفاده از loc 06:47
-
استفاده از loc با ایندکس عددی 03:44
-
ریست کردن ایندکس 03:54
-
تغییر نام ستونها 04:36
-
فیلترینگ شرطی 05:01
-
فیلترینگ پیشرفته 04:00
-
مقادیر گمشده - بخش 1 02:28
-
مقادیر گمشده - بخش 2 07:03
-
Group By 05:37
-
آشنایی با سریهای زمانی 03:29
-
دانلود داده با استفاده از yfinance API 03:56
-
رشته به تاریخ زمان 04:18
-
اسلایس کردن داده سری زمانی 03:17
-
محوری کردن دیتافریم 05:12
-
نمونهبرداری مجدد از دیتافریم 08:19
-
نرمالسازی داده 05:45
-
محاسبه تغییرات قیمت 03:49
-
محاسبه بازدههای مالی 02:01
-
ریسک در مقابل بازده 04:17
-
TVPI 03:54
-
CAGR 03:22
-
بازدههای هندسی 02:45
-
سود ساده در مقابل سود مرکب 07:22
-
سود مرکب مداوم 05:35
-
آشنایی با بازدههای لگاریتمی 04:22
-
بازده روزانه در مقابل بازده لگاریتمی 05:41
-
اطلاعات بیشتر درباره بازدههای لگاریتمی 04:30
-
ابزارهایی برای معاملات 06:21
-
اصطلاحات رایج در بازار سهام - بخش 1 12:17
-
اصطلاحات رایج در بازار سهام - بخش 2 13:15
-
ریسک مشتقات 05:40
-
آشنایی با فیوچرز 11:44
-
آشنایی با آپشنها 05:52
-
ایجاد اپلیکیشن Kite Connect 06:07
-
لاگین دستی 07:18
-
لاگین خودکار با استفاده از سلنیوم 10:02
-
دانلود ابزارها 11:55
-
دانلود داده تاریخی OHLC 05:50
-
ثبت و مدیریت اوردرها 09:08
-
سایر توابع مهم 04:00
-
آشنایی با تیکر Kite 04:57
-
دانلود داده تیک بلادرنگ 09:56
-
داده زنجیره آپشن 07:09
-
دریافت هشدارهای قیمت 04:56
-
آشنایی با اندیکاتورهای تکنیکال 05:21
-
میانگین متحرک 07:36
-
همگرایی و واگرایی میانگین متحرک (MACD) 06:18
-
باندهای بولینگر 07:11
-
میانگین رنج واقعی (ATR) - بخش 1 04:48
-
میانگین رنج واقعی (ATR) - بخش 2 07:13
-
شاخص قدرت نسبی (RSI) - بخش 1 08:51
-
شاخص قدرت نسبی (RSI) - بخش 2 09:44
-
آشنایی با Supertrend 03:44
-
Supertrend با استفاده از گوگل شیت و اکسل 11:29
-
Supertrend با استفاده از پایتون 09:38
-
آشنایی با Renko 05:15
-
Renko با استفاده از Brick Size 05:15
-
مصورسازی نمودار Renko با ATR 04:58
-
آشنایی با ADX 04:52
-
ADX با استفاده از گوگل شیت و اکسل 07:25
-
ADX با استفاده از پایتون 04:57
-
آشنایی با پرایس اکشن 02:56
-
درباره کندل استیکها 04:43
-
حمایت و مقاومت 04:30
-
آشنایی با نقاط محوری 02:42
-
نقاط محوری با پایتون 05:12
-
آشنایی با توسعه استراتژی 04:33
-
بکتست استراتژی SMA 08:02
-
بهینهسازی استراتژی 05:21
-
استراتژی Supertrend + MACD - بخش 1 07:03
-
استراتژی Supertrend + MACD - بخش 2 07:48
-
آشنایی با VPS 04:17
-
استقرار و زمانبندی سرور خصوصی مجازی (VPS) 05:39
-
دسترسی به استراتژی از VPS با استفاده از مرورگر 03:44
مشخصات آموزش
دوره کامل معاملات الگوریتمی با پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:102
- مدت زمان :10:55:49
- حجم :5.56GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy