강의

멘토링

로드맵

Inflearn brand logo image
Career

/

Finance

Python Algorithmic Trading Phần 1: Phân tích dữ liệu Python cho giao dịch thuật toán

Bạn có thể học một cách có hệ thống phương pháp tiếp cận thống kê về giao dịch cặp S&P 500 bằng Python. Xây dựng nền tảng cho chiến lược đầu tư không cảm xúc thông qua phân tích dữ liệu chuyên nghiệp.

(5.0) 24 đánh giá

158 học viên

  • danielyouk
투자
이론 실습 모두
백테스팅
Python
oop
Quant
Pandas
Machine Learning(ML)

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • Phân tích thống kê dữ liệu tài chính

  • Trực quan hóa tương tác bằng Plotly

  • Lập trình hướng đối tượng Python

  • Phân tích chuỗi thời gian Pandas

  • Tăng tốc độ phân tích bằng xử lý song song dữ liệu

  • Quản lý gói Python bằng Anaconda

Chinh phục thị trường chứng khoán bằng phương pháp thống kê!
Hành trình đầu tư chiến lược bắt đầu với Python hướng đối tượng và Pandas

Lưu ý trước khi tham gia khóa học 📢

THÔNG BÁO QUAN TRỌNG :

Khóa học này nhằm mục đích cung cấp cho bạn kiến ​​thức về giao dịch thuật toán và tự động hóa mã hóa theo góc nhìn của một nhà phát triển . Nội dung khóa học tập trung vào việc phát triển các chiến lược đầu tư và mô phỏng chúng , không bao gồm việc mở tài khoản, thủ tục pháp lý, vấn đề thuế , v.v. liên quan đến đầu tư thực tế. Ngoài ra, tài liệu này không phải là lời khuyên đầu tư hay tư vấn tài chính , và mọi vấn đề liên quan đến giao dịch tài chính thực tế đều phải do người đọc tự chịu rủi ro.

Tất cả các chiến lược giao dịch được đề cập trong khóa học đều dựa trên mô phỏng và chỉ nhằm mục đích giáo dục. Nếu sinh viên đặt câu hỏi liên quan đến đầu tư hoặc giao dịch, xin vui lòng hiểu rằng chúng tôi không thể trả lời những câu hỏi nằm ngoài phạm vi bài giảng.


[Bài giảng về giao dịch thuật toán Python]loạt bài gồm ba phần và bài giảng này là 'Phần 1'.

  • Phần 1 - 'Phân tích dữ liệu Python cho giao dịch thuật toán' (bài giảng này)

    • Bao gồm những kiến ​​thức cơ bản về phân tích dữ liệu Python cần thiết cho giao dịch thuật toán.

  • Phần 2 - 'Giao dịch thuật toán thời gian thực sử dụng API của Interactive Brokers'

    • Tìm hiểu cách triển khai giao dịch theo thời gian thực bằng cách sử dụng API của Interactive Brokers, công ty có thị phần toàn cầu số 1.

  • Phần 3 - 'Tự động hóa đám mây'

    • Tìm hiểu cách tự động khởi chạy máy ảo để phù hợp với lịch giao dịch chứng khoán của bạn bằng công nghệ tự động hóa đám mây.

Tại sao bạn nên học Python vào thời điểm này 🤔

Bắt đầu phân tích dữ liệu Python từ đâu? 🤔

Tại sao nên học Python để phân tích tài chính ? ❓

Tại sao chúng ta cần lập trình hướng đối tượng ? ❓

Tại sao xử lý song song lại cần thiết ? ❓

Tại sao nên thiết lập môi trường phân tích Python trong Azure ? ❓

Nếu bạn không có kiến ​​thức cơ bản về Python 🤔

...

Nếu bạn tò mò về những câu hỏi trên, hãy đọc phần giới thiệu bên dưới!

Đầu tiên là sự phổ biến trên thị trường việc làm!

Tính đến thời điểm hiện tại (2024), ngôn ngữ lập trình phổ biến nhất là Python. Sự phổ biến của nghề lập trình cũng liên quan đến các cơ hội trên thị trường việc làm. Học Python sẽ mở ra nhiều cơ hội hơn cho bạn.

PYPL (Sự phổ biến của ngôn ngữ lập trình)

Thứ hai, tại sao lại là Pandas?

Đây là câu hỏi về bản chất của phân tích dữ liệu. Bản chất của phân tích dữ liệu, được gọi là EDA (Phân tích dữ liệu thăm dò), là khả năng xử lý dữ liệu thô thành dạng mong muốn. Công cụ có thể thực hiện EDA hiệu quả nhất là Pandas.


Thứ ba, tại sao lại nghiên cứu Python với dữ liệu tài chính?

Bạn có biết Wes McKinney , người tạo ra thư viện Pandas, thư viện thiết yếu cho việc phân tích dữ liệu trong Python, là một chuyên gia lượng tử làm việc trong lĩnh vực tài chính không? Dữ liệu chứng khoán là đối tượng phân tích lý tưởng để áp dụng các kỹ thuật phân tích và mô hình thống kê phức tạp và đa dạng.

Giao dịch theo cặp, sẽ được triển khai trong bài giảng này, xác định các cặp cổ phiếu có mô hình tương tự và sử dụng phương pháp thống kê và máy học để xác định các khoản đầu tư theo thuật toán.

Thứ tư, trong các lớp phân tích dữ liệu nói chung, chúng tôi viết các tập lệnh theo cách có chức năng.
Tại sao nên nghiên cứu phân tích dữ liệu hướng đối tượng?

  • Dữ liệu là động: các chiến lược đầu tư hiệu quả trong quá khứ có thể không còn phù hợp ở thời điểm hiện tại.

  • Phản hồi với những thay đổi liên tục: Mã của bạn cần được cập nhật định kỳ để phù hợp với những đặc điểm dữ liệu thay đổi.


Ưu điểm của lập trình hướng đối tượng (OOP)

Dễ bảo trì : Mô-đun hóa mã để dễ dàng sửa đổi và bảo trì mã do cá nhân hoặc nhóm viết.

Cải thiện khả năng đọc : Mã hóa theo khối sử dụng các lớp giúp cải thiện đáng kể khả năng đọc mã của bạn.

Ngăn ngừa mã Spaghetti : Tránh 'mã Spaghetti' có cấu trúc hệ thống thay vì các tập lệnh một lần.

Tăng năng suất : Viết mã hướng đối tượng có thể tăng đáng kể năng suất của nhà phân tích.

Vì lý do này, việc học lập trình hướng đối tượng trong phân tích dữ liệu là một kỹ năng quan trọng để quản lý mã hiệu quả và cải thiện năng suất vượt ra ngoài việc triển khai chức năng đơn giản. Khi bạn đã quen với cú pháp hướng đối tượng, bạn có thể nhanh chóng hiểu đoạn mã như bên dưới chỉ trong vài giây. Khả năng diễn giải ngữ pháp hướng đối tượng là một phép thuật giống như đọc nhanh trong môn đọc .

Thứ năm, Python chậm? Có thực sự đúng như vậy không? Câu trả lời là Có hoặc Không

Python có thể cải thiện tốc độ theo hai cách. Trong học sâu, GPU có thể được sử dụng để tăng tốc độ tính toán, trong khi trong phân tích dữ liệu , xử lý song song CPU có thể được sử dụng để cải thiện tốc độ .

Bài giảng này sẽ hướng dẫn bạn cách sử dụng lõi CPU hiệu quả .

Ví dụ thực tế : Trong khóa học thực hành, bạn có thể học những cách cụ thể để sử dụng lõi CPU song song và cải thiện tốc độ xử lý.

Ứng dụng thực tế : Nhiều học viên chưa tận dụng hết tiềm năng của xử lý song song CPU. Trong bài học này, bạn sẽ học cách khắc phục điều này.


Thứ sáu, cấu hình môi trường phân tích trên máy ảo Azure.

  • Sử dụng Azure Virtual Machines trong môi trường phân tích của bạn :

    • Trong bài giảng này, chúng ta sẽ xây dựng một môi trường phân tích Python ổn định bằng cách sử dụng máy ảo Azure.

    • Giảm thiểu sự thay đổi trong môi trường địa phương và cung cấp môi trường học tập chuẩn hóa.

    • Tìm hiểu cách thiết lập môi trường ảo và quản lý các gói bằng Anaconda.

  • Các giải pháp thay thế nếu bạn gặp sự cố khi sử dụng đám mây :

    • Chúng tôi cũng chia sẻ một sổ ghi chép riêng để cho phép triển khai phân tích Python bằng Kaggle Notebooks.

    • Nền tảng Kaggle có lợi thế là có thể bắt đầu phân tích dữ liệu ngay mà không cần cài đặt hoặc cấu hình.

    • Điều này cho phép học tập linh hoạt trong nhiều môi trường khác nhau.

Phần thứ bảy cuối cùng, Python Crash Course, rất dễ hiểu ngay cả khi không có kiến ​​thức cơ bản.

  • Cú pháp Python cơ bản và các khái niệm cần thiết cho khóa học này được trình bày chuyên sâu trong “Phần 4. Khóa học cấp tốc về Python dành cho phân tích tài chính”.

  • Phần này bắt đầu với những kiến ​​thức cơ bản dành cho người mới làm quen với Python và đi sâu vào cú pháp cốt lõi và các hàm cần thiết cho phân tích dữ liệu tài chính.

  • Điều này sẽ cung cấp cho sinh viên nền tảng vững chắc để theo dõi dễ dàng nội dung phân tích và lập trình phức tạp hơn được trình bày sau trong khóa học.

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

  • Rất nhiều suy nghĩ và ứng dụng thực tế về cách viết mã dễ đọc

  • Truy cập dữ liệu thời gian thực thông qua Yahoo Finance, không phải dữ liệu lịch sử

  • Mọi thứ đều là một vật thể. Lập trình hướng đối tượng

  • Không còn Python chậm nữa, Python có tốc độ diễn giải nhanh

  • Và ứng dụng đám mây

Tôi giới thiệu điều này cho những người này

Sử dụng Python
Trong phân tích dữ liệu
Dành cho những ai muốn bắt đầu

Bất kỳ ai muốn nâng cao kỹ năng Python của mình theo cách hướng đối tượng

Bất kỳ ai muốn triển khai giao dịch thuật toán trong Python

Những điều cần lưu ý trước khi tham gia lớp học

Môi trường thực hành

  • Bài giảng tiếp tục bằng cách tạo máy ảo hệ điều hành Windows trong Azure và tạo môi trường phân tích Python bằng Anaconda. Bạn cũng có thể thực hành trực tiếp thông qua Kaggle Notebook mà không cần thiết lập môi trường phân tích.


Tài liệu học tập

  • Tất cả các tập lệnh Python đều được đính kèm vào tài liệu khóa học và sổ tay tập lệnh chính cũng có thể truy cập được thông qua nền tảng Kaggle.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những ai muốn phân tích dữ liệu tài chính bằng Python một cách thống kê

  • Một nhà phân tích dữ liệu muốn viết script Python một cách gọn gàng bằng cách áp dụng hướng đối tượng.

  • Có ai đọc hiểu được lập trình cơ bản (ví dụ: vòng lặp for) như đọc hiểu tiếng Anh không?

Cần biết trước khi bắt đầu?

  • Khả năng đọc hiểu lập trình cơ bản (ví dụ: câu lệnh lặp)

Xin chào
Đây là

608

Học viên

63

Đánh giá

73

Trả lời

4.8

Xếp hạng

7

Các khóa học

  • LLM 기반 AI 기업에서 Pod Lead로 활동

  • 서울대학교 기계항공 공학부 졸업

  • 유럽 소재 대학원에서 기계항공공학 석사

  • 독일 소재 공학 연구기관에서 박사 과정 연구 수행

  • 유럽 대형 에너지 기업에서 Senior Data Scientist 경험

  • 영국 소재 에너지 컨설팅 기업에서 Senior Consultant 활동

  • Databricks 기반 데이터 엔지니어링 프로젝트 수행

  • Kaggle 주식 거래 AI 대회 Top 3% 성과

  • AI Agent 개발팀장으로 현재 활동 중

Chương trình giảng dạy

Tất cả

52 bài giảng ∙ (6giờ 3phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

24 đánh giá

5.0

24 đánh giá

  • luca님의 프로필 이미지
    luca

    Đánh giá 6

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    안녕하세요. 수업 잘 들었습니다. 준비를 많이 하신 게 느껴지고 내용 또한 좋아 만족했습니다. 파트 2 강의가 기대되는 강의였습니다. 제 배경지식을 설명해 드리면 프로그래밍 언어로 자바, 코틀린은 사용할 줄 알지만 파이썬은 이번에 처음 접한 상황입니다. 또 객체지향은 알고 있지만, 데이터 분석이라든지 통계 쪽은 거의 지식이 없는 상황에서 이 강의를 수강하게 되었습니다. 저에게는 솔직히 아주 낯선 개념이라 그런지 어렵게 느껴졌고 몇 번 더 돌려봐야 좀 익숙해질 것 같습니다. 하지만 강의를 듣는 내내 깊이가 느껴지고 반복 학습하여 이걸 제거로 만들 수 있다면 엄청나게 유용한 강의를 들은 것 같다는 생각이 들었습니다. 저 같은 경우는 강의 중 모르는 개념(e.g. 파이썬 개념, 주피터 노트북, zscore 등등)들이 꽤 있어서 나오면 따로 검색해보면서 학습했습니다. 한 강씩 코드를 따라 해보면서 공부했는데, 한 가지 아쉬웠던 것이 이전 강까지 학습했던 코드가 바로 다음 강 시작에서 조금 달라져 있는 부분들이 있었던 것 같아 따라 해보면서 학습할 때 헷갈리는 부분이 있었습니다. 하지만 설명을 잘 해주시고 자료도 잘 되어있어 파이썬을 모르지만 한 줄 한 줄씩 읽다 보면 이해할 수 있었습니다. 또한 문제가 있어 강사님께 문의드렸을 때 같이 구글밋을 통해 해결해주시는 것 등 매우 친절하게 알려주셔서 너무 감사했습니다. 저에게는 내용 자체가 좀 어려웠지만 어느 정도 파이썬이나 데이터 분석에 지식이 있으신 분들이 들으면 훨씬 이해도 빠르고 좋으실 것 같습니다. 내용은 정말 좋다고 생각합니다. 점점 더 좋은 강의를 만드실 것 같다는 생각이 들고 2번째 파트도 수강할 예정입니다.

    • 다니엘
      Giảng viên

      Luca님! 너무나 소중한 수강평에 감사 드립니다. Luca님과 구글 밋에서 뵈었을 때 굉장한 실력자이신 것을 이미 느낄 수 있었는데 이미 자바, 코틀린을 사용하시는군요! 말씀해 주신 내용, 코드가 강의 중간 중간 약간 다른 부분은 renewal때 반영하도록 하겠습니다. 너무 저에게 개선점을 알려 주신 소중한 강의평입니다. 아직 새내기 강사이다 보니 아이디어는 많이 있는데 아직 제 아이디어를 강의화하는데 저도 제 속도를 쫒아가지 못하고 있어요 :) 속도를 내서 새로운 강의도 만들고 기존 강의도 업뎃하는데 최선을 다하도록 하겠습니다. 파트 2 강의에서도 우리 열심히 한 번 달려 보아요. 다니엘 드림

  • impact님의 프로필 이미지
    impact

    Đánh giá 4

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    준비 많이한 고퀄 강의. 다른데서 볼수 없었던 참신한 내용이라 좋았습니다. 차근 차근 설명해 주셔서 어렵지 않게 따라갈 수 있었습니다.

    • 다니엘
      Giảng viên

      impact 님! 감사합니다. 강의자는 결국 수강생 분들의 격려로 계속 다음 강의를 만들어 낼 수 있는 동력을 얻게 되는 것 같습니다. 저의 이전 강의에서도 수강평을 남겨주셨던 것 같은데.. 너무 감사합니다. impact님께서 어렵지 않게 따라가실 수 있었다니 이미 실력자이신 것 같습니다. 강의를 준비하면서 최대한 실전과 같이 구성하려다 보면 난이도가 높아질 수 밖에 없는 딜레마를 발견하곤 합니다. 그래도 또 impact님과 같은 분들에게는 난이도가 있는 강의가 필요할 것 같기도 합니다. 강의가 난이도가 있는 것을 인정하기도 하지만 정말 정성들여 만들었으니 수강 중에 어려운 부분은 언제든지 질문해 주세요. 화이팅입니다! 다니엘 드림

  • BW J님의 프로필 이미지
    BW J

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    8% đã tham gia

    차분하게 설명해주셔서 이해하기 편하네요.

    • 다니엘
      Giảng viên

      감사합니다. 수강 중에 어려운 부분이 있으시면 언제든 질문 게시판에 남겨 주세요. 완강하시길 응원합니다.

  • 김명희씨님의 프로필 이미지
    김명희씨

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    6% đã tham gia

    어려운 내용인데 초급자 입장에서 차분하게 설명해주시니 도움이 됩니다. 여러번 반복해서 들어볼 생각입니다.

    • 다니엘
      Giảng viên

      친절한 수강평 너무 감사합니다.

  • 법경님의 프로필 이미지
    법경

    Đánh giá 49

    Đánh giá trung bình 4.9

    5

    6% đã tham gia

    많이 좋아요

    • 다니엘
      Giảng viên

      감사합니다. 좋은 강의로 더 노력하겠습니다.

1.165.874 ₫

Khóa học khác của danielyouk

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!