Đây là bài giảng tôi đã tìm kiếm khắp nơi!

mirrorlaw0346

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.

rightx2

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

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.

DeepingSauce

입문

초급

중급이상

판다스

Pandas

Investment

Quant

Data-driven stock quant investment with Python Part 2

Orientation

The basics for properly handling time series data, datetime index

Let's properly understand and use Returns

Benchmark for Investment Strategies: Performance Indicators

Moving average, a representative indicator of signal-based investment

Signal-based Single Stock Investment Strategy Implementation (feat. Bollinger Bands, Momentum, Volatility Breakout)

Datetime frequency conversion

Principles for Rebalancing-Based Investment Strategies

Practical Strategy Implementation based on Rebalancing (feat. Code Frameworking)

Lecture wrap-up