The lectures are concept-focused, so they will stay in your memory for a long time.

ohyounjo2485

This lecture is a follow-up lecture to 'Python Data-Based Stock Quant Investment Part 1'. If Part 1 was more of an introduction, Part 2 is an in-depth lecture that focuses on the entire flow of practical strategy implementation and quantitative investment development. This class focuses on advanced Pandas techniques for handling time series data, and how to implement signal-based strategies and static/dynamic asset allocation strategies that require adjusting asset weights at various intervals based on this. Furthermore, it goes beyond strategy implementation and learns about 'code framework' that directly verifies and backtests various investment strategies with minimal code modifications, how to extend this to improve it so that it can lead to actual investment, and what to watch out for in this process. In addition to the programming component, you can experience the best Python quant investment flow that you cannot find in investment books, blogs, YouTube, etc. by deeply covering theoretical contents such as the two types of return concepts (simple return, log return) and evaluation indicators related to backtesting.

rightx2

Data-driven stock quant investment with Python Part 2

Bài giảng này là bài giảng tiếp theo về Đầu tư định lượng dựa trên dữ liệu vào cổ phiếu bằng Python Phần 1. Nếu phần 1 thiên về giới thiệu thì Phần 2 sẽ nói nhiều hơn về trải nghiệm tổng thể của việc thực hiện chiến lược thực tế và đầu tư định lượng phát triển Đây là một bài giảng trung tâm, chuyên sâu. Trong lớp này, chúng tôi tập trung vào các kỹ thuật Pandas nâng cao xử lý dữ liệu chuỗi thời gian và cách triển khai các chiến lược dựa trên tín hiệu dựa trên chiến lược phân bổ tài sản tĩnh/động yêu cầu điều chỉnh tỷ lệ tài sản ở các giai đoạn khác nhau. Hơn nữa, nó không dừng lại ở việc thực hiện chiến lược mà còn bao gồm một 'khuôn khổ mã' trực tiếp xác minh và kiểm tra lại các chiến lược đầu tư khác nhau với việc sửa đổi mã tối thiểu cũng như cách mở rộng và cải thiện nó để dẫn đến đầu tư thực tế. Tìm hiểu về những điều cần chú ý trong quá trình này. Ngoài các thành phần lập trình, các nội dung lý thuyết như hai loại khái niệm lợi nhuận (lợi nhuận đơn giản, lợi nhuận nhật ký) và các chỉ số đánh giá liên quan đến backtesting cũng được trình bày chuyên sâu về mặt toán học, mang lại kết quả tốt nhất không thể tìm thấy trong sách, blog đầu tư thương mại, YouTube, v.v. Bạn có thể trải nghiệm luồng đầu tư định lượng bằng Python.

DeepingSauce

입문

초급

중급이상

판다스

Pandas

Investment

Quant

Đầu tư chứng khoán định lượng dựa trên dữ liệu với Python Phần 2

Định hướng

Kiến thức cơ bản để xử lý hiệu quả dữ liệu chuỗi thời gian, datetime index

Hiểu đúng để sử dụng đúng, Tỷ suất lợi nhuận (returns)

Thước đo so sánh chiến lược đầu tư, Chỉ số hiệu suất (performance indicator)

Chỉ báo chính cho đầu tư tín hiệu, Đường trung bình động

Triển khai chiến lược đầu tư một mã chứng khoán theo tín hiệu (feat. Bollinger Bands, Momentum, Đột phá biến động)

Đổi tần suất Datetime

Nguyên lý xây dựng chiến lược đầu tư dựa trên rebalancing

Triển khai chiến lược thực chiến dựa trên tái cân bằng (ft. Framework hóa Code)

Tổng kết bài giảng