강의

멘토링

커뮤니티

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

161 học viên

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

Đánh giá từ những học viên đầu tiên

Bạn sẽ nhận được điều này sau khi học.

  • 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

626

Học viên

66

Đánh giá

74

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

  • airjunseo3517님의 프로필 이미지
    airjunseo3517

    Đánh giá 6

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    Hello. I took the class well. I felt that you prepared a lot and the content was good, so I was satisfied. Part 2 was a lecture that I look forward to. To explain my background, I know how to use Java and Kotlin as programming languages, but this is my first time learning Python. I also know object-oriented programming, but I have almost no knowledge of data analysis or statistics, so I took this course. To be honest, it was a very unfamiliar concept to me, so it felt difficult, and I think I need to go over it a few more times to get used to it. However, I felt the depth throughout the lecture, and if I could eliminate it through repeated learning, I thought it was an incredibly useful lecture. In my case, there were quite a few concepts I didn't know during the lecture (e.g. Python concepts, Jupyter notebook, zscore, etc.), so I searched them separately and studied them. I studied by following the code one by one, but one thing that was disappointing was that there were parts of the code I had learned up to the previous lecture that were slightly different at the beginning of the next lecture, so I was confused when I was following along and learning. However, the explanation was well done and the materials were well organized, so even though I don't know Python, I was able to understand it by reading it line by line. Also, when I had a problem and asked the instructor, he helped me solve it through Google Meet, so I was very grateful. The content itself was a bit difficult for me, but I think it would be much faster and better for those who have some knowledge of Python or data analysis to understand it. I think the content is really good. I think you will make better lectures and I plan to take the second part.

    • danielyouk
      Giảng viên

      Luca! Thank you so much for your valuable review. When I met Luca at Google Meet, I could already feel that he was a great talent, and he already uses Java and Kotlin! I will reflect the content you mentioned and the slightly different codes in the middle of the lecture during the renewal. This is a valuable review that gave me a lot of room for improvement. I am still a new instructor, so I have a lot of ideas, but I am still struggling to turn my ideas into lectures at my own pace :) I will do my best to create new lectures and update existing ones. Let's run hard in Part 2 as well. Daniel Dream

  • snyouk3547님의 프로필 이미지
    snyouk3547

    Đánh giá 4

    Đánh giá trung bình 5.0

    5

    38% đã tham gia

    A well-prepared, high-quality lecture. I liked the fresh content that I couldn't find anywhere else. It was easy to follow along because the explanations were step-by-step.

    • danielyouk
      Giảng viên

      Impact! Thank you. I think that instructors are motivated to continue creating the next lecture by the encouragement of their students. I think you left a review for my previous lecture as well. Thank you so much. Since you were able to follow along without difficulty, I think you are already skilled. When preparing a lecture, I often find a dilemma where the difficulty level increases when I try to make it as realistic as possible. However, I think that people like Impact need a lecture with a level of difficulty. I admit that the lecture is difficult, but I put a lot of effort into making it, so please ask questions at any time during the lecture if you have any difficulties. Fighting! Daniel Dream

  • byungukjeon5972님의 프로필 이미지
    byungukjeon5972

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    8% đã tham gia

    It's easy to understand because you explained it calmly.

    • danielyouk
      Giảng viên

      Thank you. If you have any difficulties during the class, please leave a question on the Q&A board at any time. I hope you will complete the course.

  • furri8322님의 프로필 이미지
    furri8322

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    6% đã tham gia

    It's a difficult subject, but it's helpful that you explain it calmly from a beginner's perspective. I plan to listen to it over and over again.

    • danielyouk
      Giảng viên

      Thank you so much for your kind review.

  • mirrorlaw0346님의 프로필 이미지
    mirrorlaw0346

    Đánh giá 49

    Đánh giá trung bình 4.9

    5

    6% đã tham gia

    I like it a lot

    • danielyouk
      Giảng viên

      Thank you. I will try harder to provide better lectures.

1.162.383 ₫

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!