Python Algorithmic Trading Phần 3: Tự động hóa giao dịch trên đám mây

Lưu ý trước khi tham gia khóa học 📢

Mục đích và hướng dẫn bài giảng

Mục đích chính của khóa học này là tìm hiểu các chiến lược đầu tư và tự động hóa thông qua mô phỏng . Khóa học này dành cho các nhà phát triển và nhà phân tích dữ liệu tập trung vào việc phát triển các chiến lược giao dịch định lượng bằng cách sử dụng lập trình và thuật toán , thay vì mục đích đầu tư thực tế.

thận trọng:

• Khóa học này không đề cập đến các thủ tục thực tế cần thiết để thực hiện đầu tư, chẳng hạn như mở tài khoản đầu tư, thủ tục pháp lý và thủ tục liên quan đến thuế.

• Bài giảng này cũng không đề cập đến các vấn đề pháp lý liên quan đến đầu tư tại Hàn Quốc hoặc các quốc gia khác , chẳng hạn như tính hợp pháp của một số chiến lược như Giao dịch theo cặp .

• Tất cả các mô phỏng trong khóa học chỉ được cung cấp cho mục đích học tập và không chứa bất kỳ lời khuyên hoặc khuyến nghị nào liên quan đến đầu tư tài sản thực .

Sinh viên cần lưu ý rằng nội dung của khóa học này không bao gồm các khoản đầu tư thực tế và nếu bạn cần lời khuyên hoặc tư vấn pháp lý về việc thực hiện đầu tư, vui lòng liên hệ với chuyên gia có liên quan.

[Bài giảng về giao dịch thuật toán Python] là loạt bài gồm ba phần và bài giảng này là 'Phần 3'.

• Nội dung trong Phần 2 là điều kiện tiên quyết để học khóa học này.

• Phần 1 được khuyến khích nhưng không bắt buộc.

• Ngay cả khi bạn chưa học khóa lượng tử trước đó, bạn vẫn có thể học khóa học chỉ tập trung vào tự động hóa đám mây, chẳng hạn như GitHub Actions . Tuy nhiên, trong những trường hợp này, một số nội dung có thể khó hiểu.

Cấu trúc khóa học:

• Phần 1 : 'Phân tích dữ liệu Python cho giao dịch thuật toán'

• Phần 2 : 'Giao dịch thuật toán thời gian thực với API của Interactive Brokers'

• Phần 3 : 'Tự động hóa giao dịch đám mây' (bài giảng này)

Trong Phần 3 , bạn sẽ học cách tự động chạy máy ảo theo lịch trình giao dịch chứng khoán của mình bằng cách sử dụng công nghệ tự động hóa đám mây.

Sự kiện đánh giá khóa học

• Có một sự kiện đánh giá lớp học. Vui lòng để lại đánh giá về bài giảng Phần 2 và liên hệ với chúng tôi qua email (daniel@datarian.educa tion), chúng tôi sẽ gửi cho bạn một phiếu giảm giá.

  
  

✅ Thiết lập đăng nhập tự động :: Tìm hiểu cách thiết lập đăng nhập tự động khi khởi động máy ảo

✅ Cải thiện sự tiện lợi : Tự động chuẩn bị môi trường phân tích mà không cần phải đăng nhập thủ công mỗi lần

✅ Những điểm chính cần lưu ý :

• Sửa đổi sổ đăng ký Windows

• Nhập giá trị khóa để thiết lập đăng nhập tự động

  
  

💡 Điều gì làm cho nó khác biệt so với các khóa học phân tích dữ liệu Python khác

• Ứng dụng thực tế của MLOps/DataOps : Khóa học này không chỉ cung cấp những giải thích khái niệm đơn giản mà còn đề cập đến cách áp dụng MLOps và DataOps trong bối cảnh thực tế.

• Kiểm soát máy ảo : Tìm hiểu cách kiểm soát thực tế các máy ảo của bạn trên đám mây và tại chỗ.

• Bài giảng dựa trên dự án thực tế : Khóa học này dựa trên các dự án danh mục đầu tư được gửi tới các công ty định lượng thực tế và bao gồm các ứng dụng thực tế chứ không chỉ là lý thuyết.

Môi trường thực hành

• Trong bài giảng này, chúng ta sẽ tạo một máy ảo chạy hệ điều hành Windows trong Azure và sử dụng Anaconda để xây dựng môi trường phân tích Python và tiến hành thực hành.

• Chúng tôi cũng cung cấp hướng dẫn để triển khai tự động hóa trong môi trường cục bộ Mac và Windows .

  
  

Tài liệu học tập

• Tất cả tài liệu bài giảng đều được đính kèm vào tài liệu khóa học và sổ tay hướng dẫn chính cũng có thể truy cập thông qua nền tảng Kaggle.