دوره آموزشی تحلیل داده با پایتون برای توسعه استراتژی‌های معاملاتی دانشگاه صنعتی شریف

smpy - horizen

در این صفحه، دوره آموزشی آنلاین «تحلیل داده با پایتون برای توسعه استراتژی‌های معاملاتی در دانشگاه صنعتی شریف» معرفی شده و برنامه آن در انتها ارائه شده است.

معرفی دوره

هر کس که سرمایه‌ای را در بازار مالی می‌چرخاند، ایده‌هایی برای سودآوری دارد و مطابق همان ایده‌ها معامله می‌کند. هر چقدر ایده‌ها و تصمیم‌های برآمده از آن، از سازگاری منطقی بیشتری برخوردار باشد رفتار معامله‌گر سنجش‌پذیرتر خواهد بود. مزیت مهم تبعیت از یک استراتژی معاملاتی مشخص، ارزیابیِ کمّیِ بازدهِ آن قبل از ورود به بازار است. این کار با پیاده‌سازی استراتژی روی داده‌های گذشته با استفاده از روش‌های آماری امکان‌پذیر است. داده‌های بورسی مانند آزمایشگاهی هستند که در آن می‌توان با به کارگیری روش‌های تحلیل داده عملکرد استراتژی‌های جدید را اندازه گرفت. این کار نه تنها از هدر رفتن سرمایه جلوگیری می‌کند، بلکه موقعیت بی‌سابقه‌ای برای رسیدن به استراژی‌های مطمئن و سودآور در اختیار بازیگران بازار بورس قرار می‌دهد.

برای توسعه استراتژی‌های معاملاتی با تحلیل داده قبل از هر چیز باید کار با یک زبان برنامه‌نویسی را یاد بگیریم. در این دوره آموزشی از همین جا شروع می‌کنیم. در بخش اول بدون هیچ پیش‌نیاز و مقدمه‌ای با زبان پایتون و تفکر الگوریتمی آشنا می‌شویم، در بخش دوم سراغ روش‌های تحلیل و مصورسازی داده می‌رویم، در بخش سوم نوبت به آشنایی با بازار بورس و منابع داده آن می‌رسد و در نهایت در بخش چهارم با مهم‌ترین ایده‌ها برای توسعه استراتژی‌های معاملاتی موثر و مفاهیم آماری مورد نیاز برای ارزیابی (بک‌تست) آن‌ها آشنا می‌شویم و برای هر کدام نمونه‌هایی کاربردی را در بازار بورس ایران مورد بررسی قرار می‌دهیم.

مخاطبان

بازارهای مالی یکی از پردرآمدترین حوزه‌های کار در علوم داده است. به همین خاطر، این دوره نه تنها برای بازیگران بازار بورس بلکه برای کسانی که به تحلیل داده و کاربردهای آن در بازارهای مالی علاقه‌ دارند و می‌خواهند در این بازار مشغول به کار شوند بسیار مفید خواهد بود.

معاملات الگوریتمی به خاطر بازدهی بالا در دنیا بسیار مورد توجه است و علاقه‌مندان زیادی در بازارهای سرمایه دارد. این دوره برای کسانی که در پی پیاده‌سازی معاملات الگوریتمی در سبدگردانی هستند به صورت ویژه توصیه می‌شود، چرا که استراتژی‌های معاملاتی هسته اصلی معاملات الگوریتمی هستند و بدون توانایی تحلیل و ارزیابی آن‌ها نمی‌توان عملکرد موفقی در طراحی الگوریتم‌های معاملاتی داشت.

پیش‌نیاز

مهم‌ترین پیش‌نیاز این دوره علاقه و سخت‌کوشی است. اگر دنبال حضوری روشمند و مبتنی بر داده‌ و برنامه در بازارهای مالی هستید، در این دوره آموزشی سرنخ‌های ارزشمندی پیدا خواهید کرد. این یک دوره مقدماتی برای علاقه‌مندان بازار سرمایه و همینطور علاقه‌مندان تحلیل داده‌های مالی است و پیش‌نیاز چندانی لازم ندارد، پس دسترسی به کامپیوتر و اینترنت برای شروع کافی است.

برنامه آموزشی

این دوره آموزشی از چهار بخش زیر تشکیل می‌شود:

   ۱. آشنایی با پایتون و تفکر الگوریتمی
   ۲. کتابخانه‌های پردازش و تحلیل داده در پایتون
   ۳. معرفی و دسترسی به داده‌های بورس و بازارهای مالی در ایران
   ۴. توسعه استراتژی معاملاتی و ارزیابی آماری

موضوعات هر بخش در ادامه با جزئیات بیشتر آمده است.

۱. آشنایی با پایتون و تفکر الگوریتمی (۱۰ جلسه)

  • کاربردهای تحلیل داده در بازارهای مالی و معرفی عناوین و اهداف دوره
  • آشنایی با تفکر الگوریتمی 
  • نصب پایتون و معرفی ویرایشگرها، عملگر و انواع مقدار و متغیر
  • دستورات ورودی و خروجی، انواع خطا، کدنویسی خوانا (توضیح‌گذاری و جدانویسی)
  • ساختار انتخاب و حلقه های تکرار در پایتون (if-else و while و for)
  • تعریف توابع جدید در پایتون (پارامتر، آرگومان و حوزه تعریف متغیرها)، توابع بازگشتی، متدها
  • مقدارهای پیمایش پذیر و ساختارهای داده: رشته، چندتایی، لیست، مجموعه، دیکشنری 
  • آشنایی با الگوریتم و ساختار داده: تحلیل پیچیدگی محاسباتی الگوریتم‌ها، پشته و صف، تحلیل الگوریتم‌های مرتب‌سازی و جستجو

۲. کتابخانه‌های پردازش و تحلیل داده در پایتون (۶ جلسه)

  • آشنایی با برنامه نویسی پیمانه‌ای (ماژولار) و توسعه کتابخانه در پایتون
  • تولید اعداد شبه تصادفی در پایتون 
  • کار با کتابخانه random
  • شبیه‌سازی مونت‌کارلو و bootstrap
  • محاسبات عددی با کتابخانه numpy 
  • آشنایی با ساختارهای جدولی برای ذخیره و نگهداری داده ها، آشنایی کتابخانه pandas 
  • پردازش داده های بورس با کتابخانه pandas

۳. کار با داده‌های بورس در ایران و روش‌های دسترسی - ۶ جلسه

  • مصورسازی داده های بورس با کتابخانه matplotlib 
  • تحلیل اکتشافی برای سر درآوردن از داده های بورس 
  • آشنایی با بازار بورس ایران و منابع داده آن 
  • آشنایی با ساختارهای ذخیره سازی داده و خواندن و نوشتن پرونده های متنی در پایتون 
  • آشنایی با روش های استخراج داده از صفحات وب 
  • بررسی چند نمونه کاربردی برای استخراج داده های بورسی از صفحات وب

۴. توسعه استراتژی‌های معاملاتی و ارزیابی‌های آماری - ۱۰ جلسه

  • توسعه استراتژی‌‌های Quantitative Momentum، اندیکاتورهای میانگین متحرک، ایده های پشت هر استراتژی معاملاتی و چگونگی پیاده‌سازی در پایتون
  • ارزیابی عملکرد یک استراتژی معاملاتی با روش بک‌تست: متغیر تصادفی، توزیع احتمال، نمونه‌گیری، بازه‌اطمینان، آزمون فرض، همبستگی متغیرهای تصادفی، بک‌تست استراتژی‌های Quantitative Momentum
  • توسعه استراتژی معاملاتی مبتنی بر مدل‌های رگرسیون: آشنایی با رگرسیون ساده و چندگانه، پیاده‌سازی استراتژی معاملاتی با کمک مدل رگرسیون و بک‌تست استراتژی
  • توسعه استراتژی‌‌ Quantitative Value: آشنایی با داده‌های بنیادی سهام، پیاده‌سازی یک نمونه استراتژی Quantitative Value و بک‌تست استراتژی 
  • توسعه استراتژی‌‌‌های Copy Trading: آشنایی با داده‌های Copy Trading و پیاده‌سازی یک نمونه از استراتژی‌های آن و بک‌تست استراتژی

مدرس‌ها

محمدامین فضلی

محمدامین فضلی

مدیر گروه نرم‌افزار دانشگاه صنعتی شریف، محقق بین‌رشته‌ای علوم اقتصادی، هم‌بنیانگذار و مدیر فنی پلتفرم مدیریت ثروت ویدیجیت (مدیر علمی دوره)

علیرضا کدیور

علیرضا کدیور

کارشناسی ارشد آمار و تحقیق در عملیات از دانشگاه اسکس انگلستان، تحلیلگر داده و مدرس دانشگاه صنعتی شریف

سعید مجیدی

سعید مجیدی

دکترای علوم کامپیوتر از دانشگاه تافتز آمریکا، متخصص یادگیری ماشین و پردازش زبان‌های طبیعی

حمیده حسین‌زاده

حمیده حسین‌زاده

دکترای علوم ریاضی از دانشگاه الزهرا، متخصص علوم داده و پردازش داده‌های حجیم

مسعود مجیدی

مسعود مجیدی

کارشناسی ارشد اقتصاد از دانشگاه علامه طباطبایی، تحلیلگر داده‌های مالی و اقتصادی

مجید پورکاشانی

مجید پورکاشانی

کارشناسی ارشد هوش مصنوعی از دانشگاه علم‌وصنعت، مهندس داده و توسعه‌دهنده نرم‌افزار

اطلاعات برگزاری

  • تعداد کل جلسات: ۳۲ جلسه 
  • دو روز در هفته شنبه و دوشنبه: ساعت ۱۷:۳۰ تا ۲۰:۴۵
  • شروع دوره: ۱۸ شهریور ۱۴۰۲
  • شیوه برگزاری: آنلاین (دو جلسه جهت آشنایی، رفع اشکال و ایجاد ارتباط به صورت حضوری و آنلاین در دانشگاه برگزار می‌شود که زمان آن از قبل اعلام خواهد شد)
  • مدت زمان هر جلسه: ۹۰ دقیقه 
  • مدت زمان کل دوره: ۴۸ ساعت (۹ هفته) 
  • شیوه ارزیابی: بررسی پاسخ تمرین‌ها و ارائه بازخورد 
  • شیوه پشتیبانی: دسترسی محتوای آموزشی تکمیلی برای هر جلسه و امکان پرسش‌ و پاسخ و رفع اشکال روی پلتفرم آموزشی و چت در گروه مجازی مربوط به دوره و ارسال فایل ضبط‌شده کلاس به صورت اختصاصی برای شرکت‌کنندگان پس از اتمام هر جلسه
  • شیوه ارائه گواهی پایانی و کارنامه: ارائه گواهی پایان دوره از طرف دانشگاه شریف برای کسانی که دوره را با موفقیت به پایان می‌رسانند و گواهی پایان دوره از طرف دانشگاه (کارنامه به صورت اختصاصی و جدا از گواهی پایانی برای افراد ایمیل می‌شود). 

تقویم آموزشی

سرفصلعنوانروزتاریخنام مدرستعداد جلسه
آشنایی با پایتون و تفکر اگوریتمی
کاربردهای تحلیل داده در بازارهای مالی و معرفی عناوین و اهداف دوره (انگیزش)، آشنایی با تفکر الگوریتمی و مقدمه چینی برای یادگیری پایتونشنبه18 شهریورمحمدامین فضلی1
نصب پایتون و معرفی ویرایشگرها، عملگر و انواع مقدار، تعریف متغیرشنبه18 شهریورعلیرضا کدیور1
دستورات ورودی و خروجی، انواع خطا، کدنویسی خوانا (توضیح‌گذاری و جدانویسی)دوشنبه20 شهریورعلیرضا کدیور1
ساختار انتخاب و حلقه های تکرار در پایتون (if-else و while و for)دوشنبه20 شهریورعلیرضا کدیور1
تعریف توابع جدید در پایتون (پارامتر، آرگومان و حوزه تعریف متغیرها)، توابع بازگشتی، متدهادوشنبه27 شهریورعلیرضا کدیور2
مقدارهای پیمایش پذیر و ساختارهای داده: رشته، چندتایی، لیست، مجموعه، دیکشنریدوشنبه3 مهرعلیرضا کدیور2
آشنایی با الگوریتم و ساختار داده: تحلیل پیچیدگی محاسباتی الگوریتم ها، پشته و صف، تحلیل الگوریتم های مرتب سازی و جستجوشنبه8 مهرسعید مجیدی2
کتابخانه‌های پردازش و تحلیل داده
آشنایی با برنامه نویسی پیمانه ای (ماژولار) و توسعه کتابخانه در پایتوندوشنبه10 مهرعلیرضا کدیور1
تولید اعداد شبه تصادفی در پایتون، کار با کتابخانه random، شبیه سازی مونت کارلودوشنبه10 مهرعلیرضا کدیور1
محاسبات عددی با کتابخانه numpyشنبه15 مهرحمیده حسین زاده1
آشنایی با ساختارهای جدولی برای ذخیره و نگهداری داده ها، آشنایی کتابخانه pandasشنبه15 مهرحمیده حسین زاده1
پردازش داده های بورس با کتابخانه pandasدوشنبه17 مهرسعید مجیدی2
کار با داده‌های بورس و بازارهای مالی در ایران و روش جمع آوری آن‌ها
مرور کار با کتابخانه pandas و مصورسازی داده های بورس با matplotlibشنبه22 مهرمسعود مجیدی1
آشنایی با مفاهیم مالی پایه در پایتونشنبه22 مهرمسعود مجیدی1
آشنایی با بازار بورس ایران و منابع داده آندوشنبه24 مهرمحمدامین فضلی1
آشنایی با ساختارهای ذخیره سازی داده و خواندن و نوشتن پرونده های متنی در پایتوندوشنبه24 مهرمجید پورکاشانی1
آشنایی با روش های استخراج داده از صفحات وبشنبه29 مهرمجید پورکاشانی1
بررسی چند نمونه کاربردی برای استخراج داده های بورسی از صفحات وبشنبه29 مهرمجید پورکاشانی1
توسعه استراتژی معاملاتی و ارزیابی آماری
پیاده‌سازی استراتژی‌‌های Quantitative Momentum، اندیکاتورهای میانگین متحرک، ایده های پشت هر استراتژی معاملاتی و چگونگی پیاده سازی در پایتوندوشنبه1 آبانمحمدامین فضلی2
ارائه چهارچوبی برای طراحی معاملات الگوریتمی و استفاده از هوش مصنوعی در بازارهای مالی: ارزیابی آماری عملکرد یک استراتژی معاملاتی با روش بک تست، آشنایی با متغیر تصادفی، توزیع احتمال، نمونه گیری، بازه اطمینان، آزمون فرض، همبستگی متغیرهای تصادفی، بک تست استراتژی های Quantitative Momentumشنبه6 آبانمحمدامین فضلی2
پیاده سازی استراتژی معاملاتی مبتنی بر مدل های رگرسیون: آشنایی با رگرسیون ساده و چندگانه، پیاده سازی استراتژی معاملاتی با کمک مدل رگرسیون و بک تست استراتژیدوشنبه8 آبانمحمدامین فضلی2
پیاده‌سازی استراتژی‌‌ Quantitative Value: آشنایی با داده های بنیادی سهام، پیاده سازی یک نمونه استراتژی Quantitative Value و بک تست استراتژیشنبه13 آبانمحمدامین فضلی2
پیاده‌سازی استراتژی‌‌‌های Copy Trading: آشنایی با داده های Copy Trading و پیاده سازی یک نمونه از استراتژی های آن و بک تست استراتژیدوشنبه15 آبانمحمدامین فضلی2
حل تمرین و رفع اشکالاعلام خواهد شداعلام خواهد شدمحمدامین فضلی3

 

برگزارکننده

مرکز آموزش‌های تخصصی دانشگاه صنعتی شریف

دسترسی به محتوای اختصاصی

برای دسترسی به محتوای اختصاصی رویداد لطفا کدی را که در اختیار شما قرار گرفته را وارد کنید و بقیه مراحل را طی کنید.

دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors