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.

Trong lớp này, bạn sẽ tìm hiểu các nguyên tắc và phương pháp phân tích và xử lý các loại dữ liệu tài chính khác nhau bằng thư viện Pandas của Python, áp dụng những nguyên tắc này vào các tình huống bạn có thể gặp phải trong thực tế và cuối cùng là tìm hiểu về cách triển khai dựa trên kiểm tra ngược. trên dữ liệu sao kê (dựa trên cuốn sách 'Bạn có thể làm đầu tư định lượng' của Kang Hwan-guk). Kết quả là, bạn sẽ có thể thoát khỏi vai trò là một “nhà đầu tư thụ động”, người chỉ làm theo những gì người khác nói mà không cần xác minh hoặc có cơ sở về logic đầu tư và sẽ sử dụng Python và Pandas để triển khai nhiều yếu tố cần thiết cho việc thực hiện chiến lược. một nhà đầu tư năng động và tự định hướng, người có thể tự do trích xuất dữ liệu và phân tích nó một cách định lượng.

Trong lớp này, chúng ta sẽ tạo một chương trình tạo logic lợi nhuận, mua và bán Bitcoin thông qua sàn giao dịch theo logic đó và nhận kết quả giao dịch qua Telegram.

Đây là khóa học giúp bạn nhanh chóng nắm vững các khái niệm cốt lõi của Python và thư viện Pandas. Hãy cùng giải các bài tập sau mỗi phần để nâng cao năng lực lập trình của bạn!

Sử dụng gấu trúc, bạn sẽ tìm hiểu các mẫu xử lý dữ liệu thường thấy trong thực tế và phân tích dữ liệu đã xử lý.

Dựa trên hiểu biết về cơ chế tài chính bất động sản và xu hướng thuế, nội dung bao quát một cách hệ thống cả lý thuyết lẫn thực tiễn trên toàn bộ lĩnh vực tài chính bất động sản, từ tài chính nhà ở, định giá bất động sản tạo thu nhập đến tài trợ dự án (PF), yếu tố cốt lõi của các dự án phát triển quy mô lớn.

Chương trình tự động giao dịch dùng được ngay với mã nguồn! Đến cả triển khai thực tế trên máy chủ miễn phí của Oracle!

Khóa học tìm hiểu và thực hành về Machine Learning, giúp thực hiện các phân tích và dự báo phức tạp một cách hiệu quả! Machine Learning vốn tưởng chừng như khó khăn và phức tạp, nhưng nếu đồng hành cùng khóa học <Python Machine Learning> của Maso Campus, bạn có thể nắm bắt các kiến thức cốt lõi một cách dễ dàng và thú vị.

Trên đường đi làm vào sáng mai, điện thoại của bạn đã nhận được “những mã cổ phiếu hệ thống lựa chọn hôm nay và lý do”. AI giao dịch tự động cổ phiếu Hàn Quốc đọc dòng tiền của nhà đầu tư nước ngoài và tổ chức, tự lo mọi việc từ mua vào đến chốt lời·cắt lỗ — không phải chương trình do người khác tạo ra, mà là thứ bạn trực tiếp xây dựng cho riêng mình.

Khóa học này là quá trình thực hành các nội dung cơ bản về toán học và thống kê cho máy học sử dụng Python. Máy học và học sâu không chỉ đòi hỏi năng lực lập trình mà còn cần nền tảng toán học để nắm bắt các nguyên lý. Thông qua khóa học này, bạn có thể từng bước học hỏi các kiến thức toán học cơ bản cần thiết cho trí tuệ nhân tạo.

Đây là khóa học được thiết kế mới, khác với các khóa học hiện có, dựa trên những trải nghiệm thất bại của giảng viên khi lần đầu học máy học, giúp bạn dễ dàng hiểu về máy học và áp dụng vào các vấn đề thực tế.

Bắt đầu từ một ứng dụng starter trống, bạn sẽ trực tiếp thêm 65 node để xây dựng một quy trình phân tích đầu tư thực sự hoạt động, bao gồm lọc mã, phân tích mô hình VCP, theo dõi dòng tiền, backtest, nhận xét từ AI và thông báo Telegram. Đây là khóa học thực hành, trong đó bạn kết nối mã do AI tạo ra với các tính năng thực tế của ứng dụng, đồng thời hoàn thiện quy trình phân tích riêng của mình bao quát cả thị trường Hàn Quốc và Mỹ.

Học cách sử dụng công nghệ NoSQL để xử lý dữ liệu lớn (Big Data) — một trong những kỹ năng nền tảng của công nghệ full-stack và khoa học dữ liệu được áp dụng trong các startup hiện đại. MongoDB là công nghệ dễ học và có thể nhanh chóng đưa vào sử dụng nhất trong số các công nghệ NoSQL. Trong khóa học này, bạn sẽ nắm vững kiến thức cơ bản về MongoDB trong thời gian ngắn, đồng thời học cách thao tác và ứng dụng MongoDB bằng Python.

Khóa học nhập môn tập trung vào lý thuyết, giúp bạn học các nguyên lý cốt lõi của AI từ Python, phân tích dữ liệu đến machine learning, khai phá văn bản, deep learning và Transformer, đồng thời kiểm chứng các chủ đề chính thông qua thực hành.

Thông qua khóa học này, bạn có thể tìm hiểu về SQL và cơ sở dữ liệu, cú pháp SQL, thiết kế cơ sở dữ liệu để ứng dụng thực tế, sử dụng cơ sở dữ liệu thông qua lập trình và các trường hợp ứng dụng phân tích dữ liệu.

- Dự án thực chiến cuộc thi Kaggle: từ khám phá dữ liệu đến nộp bài - Sau phần hướng dẫn, cùng theo dõi một cuộc thi Kaggle thực tế từ đầu đến cuối Bạn đã đăng ký Kaggle và hoàn thành cả phần hướng dẫn Titanic, nhưng khi đứng trước một cuộc thi thực sự lại thấy bối rối, không biết nên bắt đầu từ đâu? Nếu chỉ sao chép notebook của người khác rồi nộp bài, bạn sẽ sớm gặp phải bức tường mang tên "Tại sao điểm của mình không tăng?" Trong khóa học này, chúng ta sẽ cùng thực hiện trọn vẹn một cuộc thi Kaggle thực tế từ đầu đến cuối: khám phá dữ liệu, thiết kế quy trình xác thực, kỹ thuật tạo đặc trưng, xây dựng mô hình và nộp bài. Thay vì học thuộc mã nguồn, bạn sẽ rèn luyện được tư duy xuyên suốt của một cuộc thi: "Thử điều gì và vì sao, đồng thời kiểm chứng hiệu quả của thử nghiệm đó như thế nào?" [Một dòng về kinh nghiệm tham gia/đạt giải cuộc thi hoặc kinh nghiệm thực tế của bạn]

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.

Trong lớp này, bạn sẽ học các kỹ thuật truy xuất (thu thập dữ liệu) và xử lý dữ liệu từ nhiều trang web khác nhau bằng Python và áp dụng chúng trực tiếp vào các ví dụ khác nhau mà bạn có thể gặp trong thực tế. Thông qua đó, bạn sẽ tìm hiểu về các kỹ thuật tập trung vào giải quyết các vấn đề thực tế dựa trên sự hiểu biết về các nguyên tắc cơ bản về cách hoạt động của web, thay vì tự động hóa tác vụ một chiều bằng cách sao chép và dán mã nhất định. để sử dụng nó trên bất kỳ trang web nào trong tương lai Có thể có khả năng thu thập và xử lý dữ liệu. Ngoài ra, bạn sẽ học cách giải quyết các trường hợp ngoại lệ khác nhau xảy ra trong quá trình này bằng mã và cuối cùng, bạn sẽ có thể giải quyết và tự động hóa các vấn đề khác nhau xảy ra trong cuộc sống hàng ngày thông qua tư duy lập trình.

Điều gì sẽ xảy ra nếu bạn mới học Python và không biết mình có thể làm gì hoặc phải làm gì? Hãy tìm hiểu cách sử dụng thu thập dữ liệu web, tự động hóa, API, v.v. bằng cách sử dụng công nghệ web với Python.

Bây giờ bạn có thể hiển thị đầu ra Python của mình dưới dạng trang web! Bạn có thể tạo trang web của riêng mình chỉ bằng Python. Đây là cơ hội để tạo Bảng điều khiển tương tác cho phép bạn kiểm tra các kết quả được tạo bằng Python, chẳng hạn như phân tích dữ liệu và học máy, trên một trang web!