Đầu tư định lượng dựa trên dữ liệu vào cổ phiếu bằng Python Phần 1
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.
1,854 học viên
Độ khó Cơ bản
Thời gian Không giới hạn
[Mở bài giảng mới] 'Python + Stock Quant Investment' Bài giảng cuối cùng của chương trình giảng dạy đã được mở ra.
Xin chào. Đây là Deepingsauce, một công ty chia sẻ kiến thức về cơ sở hạ tầng.
Cuối cùng chúng tôi đã khai giảng khóa học mà nhiều người háo hức chờ đợi, ‘Đầu tư định lượng dựa trên dữ liệu vào cổ phiếu bằng Python phần 2’.
- Link: Đầu tư định lượng chứng khoán dựa trên dữ liệu với Python part2 (click here)
Trong lớp học này, tôi đã đưa vào nội dung mà cuối cùng tôi muốn truyền tải đến học sinh khi quyết định tạochương trình giảng dạy đầu tư định lượng chứng khoán Python + khoảng một năm trước và nội dung này đánh dấu sự kết thúc của chương trình giảng dạy.
Dù khai giảng chưa đầy một năm nhưng đã có 4.200 người quan tâm và chúng tôi đã tổ chức buổi giảng với nội dung ý nghĩa hơn để không xấu hổ khi trở lại.
Tôi hy vọng rằng bạn sẽ có cơ hội nâng cao hơn nữa chất lượng cuộc sống của mình không chỉ thông qua bài giảng này mà còn cả những bài giảng trong chương trình giảng dạy này.
Chúc bạn có một kỳ nghỉ lễ Chuseok vui vẻ và chúng tôi sẽ cố gắng hết sức để cung cấp cho bạn nội dung tốt hơn trong tương lai.
Cảm ơn




