dbt, 데이터 분석 엔지니어링의 새로운 표준
DeepingSauce
데이터 웨어하우스(DW)의 반복적인 파이프라인 관리, 이제 dbt로 그 고통의 굴레에서 해방되세요! dbt가 제공하는 효율성 위에서, 비즈니스 중심의 데이터 모델링, 효과적인 데이터 생애 주기 관리 등 더 높은 가치를 창출하는 데이터 분석 엔지니어로 거듭나세요.
초급
빅데이터, 업무 생산성, 데이터 엔지니어링
BEST
Đầu tư chứng khoán định lượng dựa trên dữ liệu với Python Phần 2
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.
Đánh giá từ những học viên đầu tiên
Dịch cái này sang tiếng Việt
Chuyển đổi dữ liệu chuỗi thời gian thành Pandas 'đúng cách' Những điều bạn cần biết để xử lý trước
Hiểu biết sâu sắc và mã hóa các thuật ngữ khác nhau (trả về nhật ký, v.v.) và các chỉ báo hiệu suất (Sharpe, MDD, v.v.) được sử dụng trong thế giới lượng tử.
Các chỉ báo dựa trên giá khác nhau được sử dụng trong đầu tư (đường trung bình động, v.v.) và thực hiện các chiến lược sử dụng chúng
Chiến lược dựa trên tín hiệu (tín hiệu mua, bán) 'nhất quán' Cách thực hiện nó và các nguyên tắc của nó
Phân bổ tài sản & Một chiến lược dựa trên tái cân bằng 'nhất quán' Cách thực hiện nó và các nguyên tắc của nó
Thực hiện và so sánh kết quả của các chiến lược phân bổ tài sản khác nhau được sử dụng trong thực tế
Đầu tư vào cổ phiếu một cách chiến lược và thông minh!
Hãy thử thách đầu tư dựa trên dữ liệu với Python!
Lộ trình học tập đầy đủ
Giảm giá 30% cho tất cả các bài giảng Roadmap (nhấp vào)
Sự kiện giảm giá khóa học cá nhân (lên đến 30%)
Đi đến sự kiện (nhấp chuột)
🙌 Bài giảng này dành cho ai?
- Phần 1: Bài giảng này dành cho ai? Vui lòng tham khảo trang chi tiết bài giảng.
- Khóa học này đặc biệt phù hợp với những học viên muốn có nội dung thực tế, nâng cao hơn so với lớp Phần 1.
Lý do cơ bản khiến tôi bắt đầu giảng bài là
Đây chính xác là điều tôi muốn truyền đạt tới học sinh của mình!
🙌 Tôi có thể làm gì sau khi hoàn thành khóa học?
1. Triển khai kiểm tra ngược và so sánh hiệu suất cho nhiều chiến lược khác nhau.
.png?w=960)
2. Bạn có thể tự giải quyết các câu hỏi sau (questions) ' một mình (trực tiếp)' + 'dễ dàng '.
- Kiểm tra ngược & Phân tích dữ liệu
- (Tỷ lệ N:M cho hai cổ phiếu cụ thể) so với (tất cả vào một cổ phiếu) thì cái nào tốt hơn?
- Mối tương quan giữa Lợi nhuận danh mục đầu tư chiến lược VAA và All-Weather
- Thời kỳ tái cân bằng
- (Cân bằng lại vào cuối tháng) so với (Cân bằng lại vào đầu tháng)
- Cổ phiếu:Trái phiếu:Vàng = Chiến lược 6:3:1 --> Tái cân bằng trong một tháng, sáu tháng hay một năm?
- Tôi không thể biết liệu backtest trong báo cáo có đợi đến cuối tháng và đầu tháng rồi mới chuyển sang tài sản phòng thủ tại thời điểm tái cân bằng hay không, hay nó chuyển sang tài sản phòng thủ ngay khi dấu hiệu tài sản canary thay đổi 😭😭
- Điều chỉnh chiến lược
- Điều gì sẽ xảy ra nếu bạn áp dụng chiến lược ứng phó với mọi thời tiết?
- Lựa chọn nào sau đây tốt hơn cho tài sản chứng khoán trong All Weather?
- Cổ phiếu của các nước phát triển (VT)
- Cổ phiếu Hoa Kỳ (VTI) / cổ phiếu thị trường phát triển (VEA) / cổ phiếu thị trường mới nổi (VWO)
- Tôi muốn đưa một tỷ lệ phần trăm nhất định tiền ảo vào phân bổ tài sản tĩnh của mình. Như vậy có được không?
- Có ổn không nếu có tỷ lệ cổ phiếu 50/50 cho một chiến lược cụ thể?
- Lợi nhuận và dữ liệu MDD là bao nhiêu khi chỉ mua khi nhóm tài sản canary tăng trong chiến lược DAA?
Các bài giảng trước chỉ là khóa học chuẩn bị để tham gia bài giảng này một cách đúng đắn.
Nội dung cốt lõi và cuối cùng của chương trình giảng dạy 'Python + Đầu tư định lượng cổ phiếu'!
🙌 Danh mục đầu tư thực tế của Người chia sẻ kiến thức
- Quản lý danh mục đầu tư thực tế dựa trên nội dung được đề cập trong bài giảng này
- Thành phần chiến lược: 4 đồng tiền Hàn Quốc, 5 đồng tiền Hoa Kỳ, 2 đồng tiền điện tử
- Tài sản đang quản lý: 200 triệu naira
- thẩm quyền giải quyết
- Khi khoản đầu tư hạt giống (bao gồm cả trao đổi tiền tệ) cho chiến lược tổng thể bắt đầu ổn định và việc theo dõi theo chương trình đối với từng tài khoản và tài sản trong danh mục đầu tư bắt đầu vào đầu năm 2021, 'Biểu đồ so sánh chuẩn' chỉ cung cấp kết quả năm 2021.
- Cổ tức không được phản ánh.
- Một số chiến lược có thể có một số lỗi vì chúng không theo dõi chính xác thành phần danh mục đầu tư hoặc trạng thái tài sản trước khi tái cân bằng trong quá khứ.
- Trong trường hợp thị trường sụt giảm mạnh, các tài sản được mua thêm để tạo ra lợi nhuận ngắn hạn sẽ không được phản ánh.
- Trước năm 2021, điểm khởi đầu không nhất quán vì thời điểm đầu tư cho từng chiến lược không giống nhau.
- Chu kỳ tái cân bằng thay đổi tùy theo chiến lược (hàng tháng, hàng quý, nửa năm, hàng năm, v.v.).
- Một số công ty môi giới chỉ cung cấp báo cáo lợi nhuận 6 tháng gần nhất và chỉ cung cấp biểu đồ đó.
- Khi khoản đầu tư hạt giống (bao gồm cả trao đổi tiền tệ) cho chiến lược tổng thể bắt đầu ổn định và việc theo dõi theo chương trình đối với từng tài khoản và tài sản trong danh mục đầu tư bắt đầu vào đầu năm 2021, 'Biểu đồ so sánh chuẩn' chỉ cung cấp kết quả năm 2021.
Lập trình không phải là thứ để học và thực hành.
Đây là công cụ giúp giải quyết hiệu quả các vấn đề thực tế.
📣 Danh sách kiểm tra trước khóa học: Khóa học này có đáng tham gia không?
- [Cơ bản về Python] Đáp ứng một trong hai điều kiện dưới đây.
- Khóa học Python hoàn chỉnh, dành cho mọi người, từ sinh viên khoa học xã hội đến những người không chuyên ngành.
- Hoặc bạn biết 'tất cả' về nội dung bên dưới.
- Bất kỳ câu lệnh for nào cũng có thể được chuyển đổi thành câu lệnh while.
- Tôi quen thuộc với các khái niệm về thư viện và mô-đun.
- Tôi rất hiểu sự khác biệt giữa lớp và đối tượng.
- Bạn có thể phân biệt giữa các tình huống mà bạn nên sử dụng kiểu dữ liệu danh sách và khi nào bạn nên sử dụng kiểu dữ liệu từ điển.
- Có kinh nghiệm sử dụng jupyter lab hoặc notebook.
- [Pandas Proficiency with Financial Data] Đáp ứng một trong hai điều kiện sau:
- Đã hoàn thành Phần 1 của Đầu tư cổ phiếu định lượng dựa trên dữ liệu với Python
- Hoặc bạn biết 'tất cả' về nội dung bên dưới.
- Tôi biết sự khác biệt và mối quan hệ giữa DataFrame và Series.
- Khi thực hiện các phép tính số học (cộng, chia, v.v.) giữa DataFrames hoặc Series, tôi hiểu về chỉ mục và căn chỉnh cột.
- Tôi có kinh nghiệm tự mình thực hiện xử lý dữ liệu đơn giản bằng Pandas. (ví dụ: tôi đã cải thiện mã bằng cách sử dụng vòng lặp for bằng cách chuyển đổi mã đó sang Pandas.)
- Tôi biết sự khác biệt giữa concat(), join() và merge().
- [Kiến thức Toán cơ bản] Tôi có **kinh nghiệm đơn giản** về việc học những điều sau (không bắt buộc)
- Xác suất/thống kê cơ bản, bao gồm ý nghĩa của các biến ngẫu nhiên, giá trị kỳ vọng (E[X]) và phương sai (Var[X]).
- Ý nghĩa của tính độc lập trong xác suất/thống kê
- Ý nghĩa và mối quan hệ giữa logarit và mũ, và các đặc điểm của logarit (cách cộng logarit có cùng cơ số)
Nếu bạn đã kiểm tra tất cả các danh sách kiểm tra ở trên, bạn là ứng viên phù hợp cho khóa học này :)
📣 Những điều cần lưu ý trước khi tham gia lớp học
- Đây không phải là khóa học về triển khai hệ thống giao dịch tự động (API của công ty chứng khoán + chương trình GUI để mua/bán).
- Dữ liệu được cung cấp trong bài giảng này là dữ liệu mẫu nhằm mục đích minh họa việc áp dụng những kiến thức bạn đã học. Do đó, dữ liệu có thể không áp dụng ngay vào các tình huống thực tế.
- Dữ liệu có thể sử dụng trong thực tế có thể được thu thập bằng cách sử dụng API của công ty chứng khoán, thu thập dữ liệu, nhà cung cấp dữ liệu trả phí và thư viện của bên thứ 3.
- Bài giảng về thu thập dữ liệu chứng khoán: Thu thập dữ liệu web bằng Python và tự động hóa để thay thế công việc của tôi
- Trách nhiệm đối với khoản đầu tư của bạn luôn thuộc về nhà đầu tư.
📖 Xem các bài giảng liên quan
Đầu tư cổ phiếu định lượng dựa trên dữ liệu với Python Phần 1
Bắt đầu học đầu tư dựa trên dữ liệu với Python!
Thu thập dữ liệu và tự động hóa web, khóa học này phù hợp.
Khuyến nghị cho
những người này
Khóa học này dành cho ai?
'Đầu tư chứng khoán định lượng dựa trên dữ liệu với Python Phần 1' Những người cảm nhận được niềm vui học tập khi tham gia khóa học và muốn cảm nhận lại niềm vui đó một lần nữa
Những người không chỉ chấp nhận những chiến lược họ đã nghe trong sách, bài giảng, v.v. mà còn muốn xác minh chúng thông qua việc kiểm tra lại và áp dụng chúng để tự tạo ra những chiến lược mới.
Những người muốn trải nghiệm kiến trúc backtesting định hình các chiến lược theo tính năng và có thể triển khai nhiều chiến lược khác nhau với mức sửa đổi mã tối thiểu.
Bất kỳ ai muốn nghe về kinh nghiệm về những điều cần chú ý khi chuyển đổi mã backtesting thành mã để sử dụng thực tế.
Những người muốn hiểu sâu về các thuật ngữ/kiến thức cần thiết cho đầu tư định lượng, chẳng hạn như tỷ suất lợi nhuận log, Tỷ lệ Sharpe và lợi nhuận hàng năm cũng như cách sử dụng chúng một cách chính xác.
Bất kỳ ai muốn trải nghiệm một luồng đầu tư định lượng duy nhất, từ xử lý trước dữ liệu chuỗi thời gian tài chính đến kiểm tra ngược
Những người muốn có một lớp học nơi sinh viên có thể tự mình áp dụng những gì đã học thông qua việc hiểu các nguyên tắc, thay vì một lớp học mà người hướng dẫn chỉ thực thi mã do người hướng dẫn đưa ra.
Cần biết trước khi bắt đầu?
Nội dung của 'Python mà bất kỳ ai, kể cả sinh viên nghệ thuật tự do và không chuyên ngành, đều có thể học'
'Đầu tư định lượng chứng khoán dựa trên dữ liệu với Python Phần 1'
'Thu thập dữ liệu web bằng Python để thay thế công việc & Tự động hóa' Mặc dù lớp học không liên quan trực tiếp đến lớp này nhưng nếu tham gia, bạn sẽ tăng đáng kể công dụng sử dụng nội dung của khóa học này (vì bạn có thể thoải mái nhập bất kỳ dữ liệu nào liên quan đến chứng khoán mà bạn muốn)
Nội dung toán và xác suất/thống kê cấp trung học cơ sở/trung học phổ thông (tham khảo video OT để biết chi tiết)
Tham khảo lộ trình: https://www.inflearn.com/roadmaps/474
16,493
Học viên
593
Đánh giá
326
Trả lời
4.9
Xếp hạng
5
Các khóa học
데이터로 미래를 설계하고 현실의 문제를 해결하는 데이터 엔지니어입니다.
데이터 기반 통찰을 사랑하며, 평생 학습(Life-long Learner)하고 지식을 나누는 기여자(Contributor)가 되고자 합니다
Chương trình giảng dạy
Tất cả
65 bài giảng ∙ (16giờ 26phút)
Tài liệu khóa học:
Tài liệu bài giảng
Ngày đăng:
Cập nhật lần cuối:
Đánh giá
Tất cả
44 đánh giá
4.8
44 đánh giá
jaeyoul jonĐánh giá 2
∙
Đánh giá trung bình 5.0
5
97% đã tham gia파이썬 초급 강의 빼고 전부 수강했습니다. 제가 들었던 강의들중 가장 쉽고 통찰력있게 잘 가르쳐 주십니다. 닥분에 많이 배워 갑니다. 감사합니다!
- DeepingSauceGiảng viên
안녕하세요! 첫 수강평 감사드립니다 :) 부족한 강의 계속 관심 가져와주셔서 감사드리고, 재열님 원하시는 목표에 꼭 도움이 되는 강의가 되었으면 좋겠네요!
- learn_learn
Đánh giá 5
∙
Đánh giá trung bình 5.0
- 법경
Đánh giá 49
∙
Đánh giá trung bình 4.9
- psy67039772
Đánh giá 1
∙
Đánh giá trung bình 5.0
- Andy_Choi LGIT QA1
Đánh giá 2
∙
Đánh giá trung bình 5.0
2.088.906 ₫
Khóa học khác của DeepingSauce
Hãy khám phá các khóa học khác của giảng viên!
Khóa học tương tự
Khám phá các khóa học khác trong cùng lĩnh vực!
![[테디노트] 한 방으로 끝내는 판다스Pandas (전자책 포함)강의 썸네일](https://cdn.inflearn.com/public/courses/327864/cover/1c1b9c75-243a-48ac-af65-38a1c735bcb1/pandas.png?f=avif&w=420)
![[리뉴얼] 처음하는 파이썬 머신러닝 부트캠프 (쉽게! 실제 캐글 문제 풀며 정리하기) [데이터분석/과학 Part2]강의 썸네일](https://cdn.inflearn.com/public/courses/327464/cover/55c4db7b-7764-43cc-ac75-d9e8d08098f1/327464-eng.png?f=avif&w=420)
![[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)강의 썸네일](https://cdn.inflearn.com/public/courses/329972/cover/dcfb28fd-48c1-4bb1-ab31-d59eac874194/329972-original.png?f=avif&w=420)
