قیمت این دوره: 580,000 406,000 تومان
  • مدرس دوره : قائم تقی پور
  • تعداد ویدیوها : 95 ویدیو
  • مدت زمان دوره : 16:19:00
  • سطح دوره : متوسط
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1401/01/22
ثبتـــ نام در این دوره ثبت نام در دوره
آموزش معاملات الگوریتمی ارز دیجیتال در پایتون

آموزش معاملات الگوریتمی ارز دیجیتال در پایتون

با گسترش بازارهای مالی و فراگیر شدن معاملات دارایی های مختلف در بین مردم، روش های نوین معامله گری به تدریج وارد عرصه معاملات شدند.

در سال های اخیر، استفاده از الگوریتم های پیچیده و قدرتمند در معاملات بازارهای مالی بسیار گسترش پیدا کرده است و شاهد پیشرفت چشمگیری در طراحی الگوریتم های معاملاتی بوده ایم. ویژگی مهم معاملات الگوریتمی، دقت و سرعت بالای آن، در تشخیص موقعیت مناسب برای انجام معاملات می باشد.

برای نوشتن یک الگوریتم معاملاتی، زبان های برنامه‌نویسی مختلفی می‌توانند در کنار هم به‌کار گرفته شوند. یکی از گزینه های مناسب برای طراحی یک الگوریتم معاملاتی، استفاده از زبان پایتون می‌باشد.

یکی از ویژگی های زبان پایتون، سادگی کار با داده‌ها در این زبان است. همچنین، وجود تعداد زیادی از کتابخانه های قدرتمند و رایگان در این زبان، موجب شده است تا بتوان تقریبا هرکاری را با این زبان انجام داد.

یکی از حوزه‌هایی که بکارگیری زبان پایتون در آن بسیار مورد توجه قرار گرفته است، حوزه مربوط به بازارهای مالی و کار با داده های مالی است.

در این دوره با استفاده از زبان محبوب پایتون و همچنین با بررسی متد های مختلف تحلیل مالی، تلاش می‌کنیم تا چندین استراتژی معاملاتی را، در بازار های مالی مختلف و به‌طور خاص، بازار رمزارزها پیاده سازی کنیم و با پیاده سازی ساختاری برای سنجش عملکرد استراتژی ها (Backtesting)، میزان بازدهی هرکدام از این استراتژی ها را مشخص کنیم.

همچنین علاوه بر بررسی استراتژی‌های رایج در تحلیل داده های مالی، با معرفی ابزار های مستقل و قدرتمند دیگری از زبان پایتون، قدرت تحلیل ها را بالاتر برده و مواردی مانند تحلیل روانی (Sentiment Analysis) بازار رمزارزها را نیز در قالب پروژه‌هایی در دوره، بررسی خواهیم کرد.

این دوره در قالب 6 فصل مجزا آماده شده و در هر فصل، قسمتی از مهارت های مورد نیاز برای طراحی و پیاده سازی الگوریتم های معاملاتی خودکار، به تفکیک بیان شده است.

مثال ها و پروژه های این دوره برای رمزارزها طراحی شده اما مباحث تدریس شده در این دوره، همچون الگوریتم های معاملاتی پیاده سازی شده، در بازارهای های مالی دیگر، همانند بازار سهام نیز قابل پیاده سازی می‌باشند.

برای توضیحات بیشتر در رابطه با این دوره و مشاهده برخی پروژه های انجام شده در این دوره، لطفا ویدئوی معرفی دوره را مشاهده نمایید.

 

پیش نیاز: تسلط نسبی بر زبان پایتون و آشنایی اولیه با کتابخانه‌های pandas, matplotlib و  numpy




فهرستـــ ویدیوها

مدت زمان دوره 16:19:00
  • لطفا در صورت اقدام به دانلود تا انتها فرایند دانلود ، این صفحه را باز نگاه دارید.

1
  • معرفی دوره

00:12:55

معرفی دوره

2
  • سرفصل های دوره

00:04:22

توضیح و بررسی سرفصل های دوره

3
  • فصل اول - مباحث مقدماتی و آشنایی با معاملات الگوریتمی

00:05:52

مقدمات معاملات الگوریتمی

4
  • بررسی مزایا و معایب معامله به روش الگوریتمی

00:07:26

مزایا و معایب معامله به روش الگوریتمی

5
  • معرفی محیط برنامه نویسی

00:04:34

آشنایی با آنکاندا

6
  • فصل دوم - کار با داده ها

00:08:53

مبانی Data Handling

7
  • کار با سری های زمانی در کتابخانه Pandas

00:11:31

کار با Time Series

8
  • دریافت دیتا - جلسه 1

00:16:39

دریافت داده های قیمتی تاریخی

9
  • دریافت دیتا - جلسه 2

00:11:54

ادامه مباحث دریافت داده های قیمتی

10
  • کار با داده های مالی و مصور سازی دیتاها

00:17:04

کار با داده های مالی و مصور سازی دیتاها

11
  • مفاهیم آماری مقدماتی

00:05:27

کار با توابع آماری

12
  • پروژه جامع آنالیز داده های مالی - جلسه1

00:10:06

پروژه جامع آنالیز مالی

13
  • پروژه جامع آنالیز داده های مالی - جلسه2

00:14:46

پروژه جامع آنالیز داده های مالی

14
  • پروژه جامع آنالیز داده های مالی - جلسه 3

00:09:43

پروژه جامع آنالیز داده های مالی

15
  • معرفی کتابخانه yahoo-fin

00:04:04

معرفی کتابخانه yahoo-fin

16
  • کتابخانه yahoo-fin - جلسه 1

00:08:39

کتابخانه yahoo-fin

17
  • کتابخانه yahoo-fin - جلسه 2

00:07:38

کتابخانه yahoo-fin

18
  • فصل سوم - اندیکاتورهای تکنیکال

00:03:54

اندیکاتورهای تکنیکال

19
  • اندیکاتور MACD - جلسه 1

00:05:31

اندیکاتور MACD

20
  • اندیکاتور MACD - جلسه 2

00:19:22

پیاده سازی اندیکاتور MACD

21
  • معرفی اندیکاتورهای ATR و Bollinger Band

00:05:11

ATR و Bollinger Band

22
  • اندیکاتور ATR

00:10:37

اندیکاتور ATR

23
  • اندیکاتور Bollinger Band

00:20:36

اندیکاتور Bollinger Band

24
  • اندیکاتور RSI - جلسه 1

00:04:43

اندیکاتور RSI

25
  • اندیکاتور RSI - جلسه 2

00:12:04

اندیکاتور RSI

26
  • اندیکاتور ADX - جلسه 1

00:04:54

معرفی اندیکاتور ADX

27
  • اندیکاتور ADX - جلسه 2

00:26:27

اندیکاتور ADX

28
  • اندیکاتور OBV - جلسه 1

00:05:08

معرفی اندیکاتور OBV

29
  • اندیکاتور OBV - جلسه 2

00:18:01

اندیکاتور OBV

30
  • اندیکاتور DEMA - جلسه 1

00:03:26

معرفی اندیکاتور DEMA

31
  • اندیکاتور DEMA - جلسه 2

00:20:26

اندیکاتور DEMA

32
  • شیب خط روند - جلسه 1

00:04:26

آشنایی با خط روند و شیب خط روند

33
  • شیب خط روند - جلسه 2

00:15:24

شیب خط روند

34
  • چارت رنکو - جلسه 1

00:04:24

معرفی چارت رنکو

35
  • چارت رنکو - جلسه 2

00:12:37

Renko Chart

36
  • فیبوناچی - جلسه 1

00:07:36

معرفی اندیکاتور فیبوناچی

37
  • فیبوناچی - جلسه 2

00:08:40

فیبوناچی - جلسه 2

38
  • آشنایی با TA-Lib - جلسه 1

00:07:56

معرفی TA-Lib

39
  • آشنایی با TA-Lib - جلسه 2

00:07:20

آشنایی با TA-Lib

40
  • فصل چهارم - پیاده سازی و سنجش عملکرد الگوریتم های معاملاتی

00:08:23

آغاز فصل چهارم دوره - Algorithmic Trading و Backtesting

41
  • اصول پیاده سازی Backtest روی الگوریتم ها در زبان پایتون

00:04:35

اصول پیاده سازی Backtest در زبان پایتون

42
  • معرفی شاخص KPI

00:07:58

شاخص KPI

43
  • معرفی شاخص KPI - جلسه 2

00:06:56

ادامه معرفی شاخص KPI

44
  • پیاده سازی شاخص KPI

00:17:10

پیاده سازی شاخص KPI در پایتون

45
  • استراتژی اصلاح سبد سرمایه گذاری - جلسه 1

00:04:21

اصلاح پورتفو

46
  • استراتژی اصلاح سبد سرمایه گذاری - جلسه 2

00:17:55

اصلاح سبد سرمایه

47
  • استراتژی اصلاح سبد سرمایه گذاری - جلسه 3

00:15:31

استراتژی اصلاح سبد سرمایه گذاری

48
  • استراتژی شکست مقاومت - جلسه 1

00:04:56

استراتژی شکست مقاومت

49
  • استراتژی شکست مقاومت - جلسه 2

00:13:11

پیاده سازی استراتژی شکست مقاومت

50
  • استراتژی شکست مقاومت - جلسه 3

00:17:44

استراتژی شکست مقاومت

51
  • استراتژی OBV و Renko - جلسه 1

00:04:28

استراتژی OBV و Renko

52
  • استراتژی OBV و Renko - جلسه 2

00:14:38

پیاده سازی استراتژی OBV و Renko

53
  • استراتژی OBV و Renko - جلسه 3

00:19:19

تکمیل استراتژی OBV و Renko

54
  • استراتژی OBV و Renko - جلسه 4

00:11:31

استراتژی OBV و Renko

55
  • استراتژی MACD و Renko - جلسه 1

00:03:33

معرفی استراتژی MACD و Renko

56
  • استراتژی MACD و Renko - جلسه 2

00:07:36

پیاده سازی استراتژی MACD و Renko

57
  • استراتژی MACD و Renko - جلسه 3

00:11:00

استراتژی MACD و Renko

58
  • معرفی کتابخانه Backtesting

00:04:22

معرفی کتابخانه Backtesting

59
  • بررسی استراتژی برخورد میانگین های متحرک

00:13:00

استراتژی Moving Average Crossover

60
  • استراتژی RSI و SMA - جلسه 1

00:04:06

معرفی استراتژی RSI و SMA

61
  • استراتژی RSI و SMA - جلسه 2

00:14:18

پیاده سازی استراتژی RSI و SMA

62
  • استراتژی بازگشت به میانگین - جلسه 1

00:07:12

Mean Reversion

63
  • استراتژی بازگشت به میانگین(Mean Reversion) - جلسه 2

00:17:34

پیاده سازی استراتژی بازگشت به میانگین

64
  • استراتژی مومنتوم سری های زمانی - جلسه 1

00:06:01

Time Series momentum strategy

65
  • استراتژی مومنتوم سری های زمانی - جلسه 2

00:18:45

پیاده سازی استراتژی مومنتوم سری های زمانی

66
  • فصل پنجم - دریافت اخبار و آنالیز احساسات

00:05:19

آشنایی با Sentiment Analysis

67
  • پروژه دریافت آنلاین آخرین اخبار - جلسه 1

00:04:37

معرفی پروژه News Reader

68
  • پروژه دریافت آنلاین آخرین اخبار - جلسه 2

00:18:53

پروژه دریافت آنلاین آخرین اخبار

69
  • پروژه دریافت آنلاین آخرین اخبار - جلسه 3

00:09:38

پروژه دریافت آنلاین آخرین اخبار

70
  • آشنایی با پردازش زبان طبیعی (NLP)

00:07:36

NLP

71
  • کتابخانه textblob

00:03:09

textblob

72
  • پروژه آنالیز احساسات اخبار - جلسه 1

00:11:54

پروژه آنالیز احساسات اخبار

73
  • پروژه آنالیز احساسات اخبار - جلسه 2

00:14:19

آنالیز احساسات اخبار

74
  • کتابخانه tweepy

00:04:36

کتابخانه tweepy

75
  • آشنایی با RegEx

00:05:32

RegEx

76
  • پروژه آنالیز احساسات توییتر - جلسه 1

00:05:44

آنالیز احساسات توییتر

77
  • پروژه آنالیز احساسات توییتر - جلسه 2

00:11:44

ادامه پروژه آنالیز احساسات توییتر

78
  • پروژه آنالیز احساسات توییتر - جلسه 3

00:13:18

تکمیل پروژه آنالیز احساسات توییتر

79
  • آشنایی با کاربرد شبکه های عصبی

00:07:46

آشنایی با کاربرد DL در NLP

80
  • آشنایی با کاربرد مدل های Pretrained در NLP

00:08:10

کتابخانه Transformers

81
  • کتابخانه های requests و beautifulsoup

00:03:36

معرفی requests و beautifulsoup

82
  • پروژه آنالیز اخبار رمزارز ها به روش DL - جلسه 1

00:22:31

آنالیز اخبار رمزارز ها به روش DL

83
  • پروژه آنالیز اخبار رمزارز ها به روش DL - جلسه 2

00:17:53

پروژه آنالیز اخبار رمزارز ها به روش DL

84
  • پروژه آنالیز اخبار رمزارز ها به روش DL - جلسه 3

00:10:53

ادامه پروژه آنالیز اخبار رمزارز ها به روش DL

85
  • پروژه آنالیز اخبار رمزارز ها به روش DL - جلسه 4

00:09:00

پروژه آنالیز اخبار رمزارز ها به روش DL

86
  • پروژه آنالیز اخبار رمزارز ها به روش DL - جلسه 5

00:06:41

تکمیل پروژه آنالیز اخبار رمزارز ها به روش DL

87
  • فصل ششم - پلتفرم های معاملات الگوریتمی

00:10:05

کار با پلتفرم های معاملات الگوریتمی

88
  • معرفی API صرافی بایننس

00:07:00

معرفی API صرافی بایننس

89
  • کار با کتابخانه Python-Binance - جلسه 1

00:08:21

کتابخانه Python-Binance

90
  • کار با کتابخانه Python-Binance - جلسه 2

00:07:55

کار با کتابخانه Python-Binance

91
  • کار با کتابخانه Python-Binance - جلسه 3

00:13:24

کار با کتابخانه Python-Binance

92
  • پیاده سازی یک استراتژی معاملاتی در بایننس - جلسه 1

00:17:03

پیاده سازی یک استراتژی معاملاتی در بایننس - جلسه 1

93
  • پیاده سازی یک استراتژی معاملاتی در بایننس - جلسه 2

00:13:20

پیاده سازی یک استراتژی معاملاتی در بایننس

94
  • پروژه شناسایی ارزهای با بهترین عملکرد

00:26:17

پیدا کردن ارزهای با بهترین عملکرد

95
  • معرفی پلتفرم های ابری برای پروژه های پایتون (و نکات پایانی دوره)

00:07:12

Python Cloud Platforms

دوره های دیگر مدرس

مشاهده همه دوره ها

نظرات کاربران در رابطه با این دوره

لطفا سوالات خود را راجع به این آموزش در این بخش پرسش و پاسخ مطرح کنید به سوالات در قسمت نظرات پاسخ داده نخواهد شد و آن نظر حذف میشود.
جهت ثبت نظر باید در سایت عضو شوید و یا وارد سایت شده باشید .