آموزش تجارت الگوریتمی با استفاده از پایتون

در حوزه بازارهای مالی، معاملات الگوریتمی، شیوه اجرای معاملات را متحول کرده است و رویکردی سیستماتیک برای تجزیه و تحلیل داده ها و تصمیم گیری های سرمایه گذاری ارائه می دهد.

ما به تازگی دوره ای را در کانال YouTube freeCodeCamp.org منتشر کردیم که به شما یاد می دهد چگونه تجارت الگوریتمی با پایتون را با استفاده از استراتژی های مختلف پیاده سازی کنید.

لاچزار هارالامپیف این دوره را توسعه داد. او یک مربی پرشور و متخصص در زمینه تجارت الگوریتمی و مالی کمی است.

این دوره به سه بخش مختلف تقسیم می شود که هر کدام یک استراتژی منحصر به فرد را که برای حوزه تجارت الگوریتمی مهم است، آشکار می کند. این سه استراتژی در زیر به تفصیل آمده است.

استراتژی تجارت یادگیری بدون نظارت

بخش اول به استفاده از یادگیری بدون نظارت برای ابداع استراتژی های معاملاتی می پردازد. این دوره با استفاده از داده‌های سهام SP500 از اکتبر 2017 تا آگوست 1402، روند جمع‌آوری داده‌ها، محاسبه ویژگی‌ها و پیچیدگی‌های انباشت ماهانه را برای فیلتر کردن 150 سهام برتر نشان می‌دهد.

این دوره اصول اولیه محاسبه بازده ماهانه برای افق های زمانی مختلف، دانلود Fama-French Factors و محاسبه بتای فاکتور نورد را پوشش می دهد. نکته قابل توجه این بخش، استفاده از الگوریتم K-Means Clustering برای گروه بندی دارایی های مشابه است که در نهایت یک سبد بر اساس بهینه سازی نسبت شارپ حداکثر مرز کارآمد تشکیل می دهد. تجسم بازده نمونه کارها در مقایسه با بازده SP500 بعد عملی به تجربه یادگیری اضافه می کند.

استراتژی سرمایه گذاری احساسات توییتر

بخش دوم پتانسیل احساسات رسانه های اجتماعی در شکل دادن به استراتژی های معاملاتی را بررسی می کند. با استفاده از داده‌های سهام NASDAQ از مارس 2022 تا ژانویه 1402، این دوره روند محاسبه نسبت مشارکت سهام، رتبه‌بندی آنها و ایجاد مجموعه‌ای از 5 سهام برتر را تشریح می‌کند.

این بخش تعادل مجدد ماهانه پورتفولیو و مقایسه بازده پرتفوی تجمعی با بازده QQQ را نشان می‌دهد و بینندگان را با درک جامعی از استراتژی آشنا می‌کند.

استراتژی درون روزی با استفاده از مدل GARCH

بخش پایانی دوره استفاده از مدل GARCH را برای معاملات روزانه نشان می دهد. این بخش با استفاده از داده های روزانه شبیه سازی شده و داده های 5 دقیقه ای شبیه سازی شده از ژوئن 2022 تا سپتامبر 1402، برازش مدل GARCH را برای پیش بینی نوسانات یک روزه نشان می دهد.

علاوه بر این، محاسبه شاخص‌های فنی را در ترکیب با پیش‌بینی مدل GARCH نشان می‌دهد تا دو سیگنال متمایز را تشکیل دهد – یکی در سطح روزانه و دیگری در سطح روزانه. این استراتژی شامل گرفتن یک موقعیت لانگ یا کوتاه بر اساس جهت اولین سیگنال درون روز است و متعاقباً موقعیت در پایان روز معاملاتی بسته می شود.

هر بخش از دوره به بینندگان کمک می کند تا دانش لازم و بینش عملی را برای کاوش در دنیای تجارت الگوریتمی تجهیز کنند. دوره کامل را در کانال YouTube freeCodeCamp.org (تماشای 3 ساعته) تماشا کنید.