Алгоритмическая торговля от А до Я с Python, машинным обучением и AWS [udemy] [Alexander Hagmann]
Algorithmic Trading A-Z with Python, Machine Learning & AWS
Build your own truly Data-driven Day Trading Bot | Learn how to create, test, implement & automate unique Strategies.
Чему вы научитесь
Требования
Никаких предварительных знаний Python не требуется. Этот курс представляет собой ускоренный курс Python.
Никаких предварительных знаний в области финансов/трейдинга не требуется. В этом курсе объясняются основы.
Настольный компьютер (Windows, Mac или Linux), на котором можно хранить и запускать Anaconda. Курс поможет вам установить необходимое бесплатное программное обеспечение.
Подключение к Интернету с возможностью потоковой передачи HD-видео.
Некоторые математические навыки на уровне средней школы были бы полезны (не обязательно, но помогают)
Для кого этот курс:
(День) Трейдеры и инвесторы, желающие повысить профессионализм и автоматизировать свой бизнес.
(День) Трейдеры и инвесторы устали полагаться на простые стратегии, случай и надежду.
Профессионалы в области финансов и инвестиций, которые хотят заняться финансами, управляемыми данными и искусственным интеллектом.
Ученые, работающие с данными, и специалисты по машинному обучению.
Преподаватель: Александр Хагманн
Специалист по данным | Финансовый профессионал | Предприниматель
Язык курса: Английский
Цена: 1000р.
Algorithmic Trading A-Z with Python, Machine Learning & AWS
Build your own truly Data-driven Day Trading Bot | Learn how to create, test, implement & automate unique Strategies.
Чему вы научитесь
- Создавайте автоматизированных торговых ботов с помощью Python и Amazon Web Services (AWS)
- Создавайте мощные и уникальные торговые стратегии на основе технических индикаторов и машинного/глубокого обучения.
- Тщательное тестирование стратегий: бэк-тестирование, форвардное тестирование и живое тестирование с бумажными деньгами.
- Полностью автоматизируйте и планируйте свои сделки на виртуальном сервере в облаке AWS.
- Действительно торговля и инвестирование, основанные на данных.
- Кодирование на Python и объектно-ориентированное программирование (ООП) так, как это понимают все.
- Программирование с помощью Numpy, Pandas, Matplotlib, scikit-learn, Keras и Tensorflow.
- Понимание дневной торговли в Аризоне: спред, пипсы, маржа, кредитное плечо, цена спроса и предложения, типы ордеров, графики и многое другое.
- Дневная торговля с брокерами OANDA, Interactive Brokers (IBKR) и FXCM.
- Потоковая передача высокочастотных данных в реальном времени.
- Понимайте, анализируйте, контролируйте и ограничивайте торговые затраты.
- Используйте мощные API-интерфейсы брокера и подключайтесь к Python.
Требования
Никаких предварительных знаний Python не требуется. Этот курс представляет собой ускоренный курс Python.
Никаких предварительных знаний в области финансов/трейдинга не требуется. В этом курсе объясняются основы.
Настольный компьютер (Windows, Mac или Linux), на котором можно хранить и запускать Anaconda. Курс поможет вам установить необходимое бесплатное программное обеспечение.
Подключение к Интернету с возможностью потоковой передачи HD-видео.
Некоторые математические навыки на уровне средней школы были бы полезны (не обязательно, но помогают)
37 разделов • 509 лекций • Общая продолжительность 43 ч 25 мин
Начиная
+++ ЧАСТЬ 1: Внутридневная торговля, онлайн-брокеры и API +++
Дневная торговля с OANDA AZ: глубокий анализ
Торговля акциями и FOREX с Interactive Brokers (IBKR)
Дневная торговля FOREX с FXCM
Установка ноутбуков Python и Jupyter
Экскурс: Как избежать и устранить ошибки кодирования (не пропускайте!)
Торговля через API с помощью Python и онлайн-брокеров – введение
Заключение и перспективы
+++ ЧАСТЬ 2: Pandas для анализа финансовых данных и введение в ООП +++
Введение в данные временных рядов в Pandas
Анализ финансовых данных с помощью Python и Pandas — (глубокое) введение
Расширенные темы
Объектно-ориентированное программирование (ООП): создание класса финансового анализа
+++ ЧАСТЬ 3: Определение и тестирование торговых стратегий +++
Определение и тестирование стратегий SMA
Определение и бэктестирование простых стратегий импульса/противоположности
Определение и тестирование стратегий возврата к среднему значению (Боллинджер)
Торговые стратегии на основе машинного обучения — регрессия
Торговые стратегии на основе машинного обучения — Классификация
Продвинутые методы бэктестинга
+++ ЧАСТЬ 4: Внедрение и автоматизация стратегий в режиме реального времени +++
Внедрение и автоматизация с помощью OANDA (ОБНОВЛЕНО!)
Внедрение и автоматизация с IBKR
Внедрение и автоматизация с FXCM
Облачное развертывание (AWS) | Планирование торговых сессий | Полная автоматизация
+++ ЧАСТЬ 5: Советы и рекомендации экспертов, практические примеры и многое другое +++
Торговые часы, спреды и степень детализации — контролируйте и ограничивайте торговые затраты!
Работа с двумя или многими стратегиями (комбинация)
Стратегия на основе машинного обучения AZ (DNN)
Обработка ошибок: как сделать вашего торгового бота более стабильным и надежным
Добавление стоп-лосса и тейк-профита в торгового бота
+++ ПРИЛОЖЕНИЕ: Ускоренный курс Python +++
Приложение 1. Основы Python (и финансов)
Приложение 2. Пользовательские функции (требуются для ООП)
Приложение 3: Numpy, Pandas, Matplotlib и Seaborn Crash Course
Что дальше? (перспективы и дополнительные ресурсы)
Бонусная лекция
Начиная
+++ ЧАСТЬ 1: Внутридневная торговля, онлайн-брокеры и API +++
Дневная торговля с OANDA AZ: глубокий анализ
Торговля акциями и FOREX с Interactive Brokers (IBKR)
Дневная торговля FOREX с FXCM
Установка ноутбуков Python и Jupyter
Экскурс: Как избежать и устранить ошибки кодирования (не пропускайте!)
Торговля через API с помощью Python и онлайн-брокеров – введение
Заключение и перспективы
+++ ЧАСТЬ 2: Pandas для анализа финансовых данных и введение в ООП +++
Введение в данные временных рядов в Pandas
Анализ финансовых данных с помощью Python и Pandas — (глубокое) введение
Расширенные темы
Объектно-ориентированное программирование (ООП): создание класса финансового анализа
+++ ЧАСТЬ 3: Определение и тестирование торговых стратегий +++
Определение и тестирование стратегий SMA
Определение и бэктестирование простых стратегий импульса/противоположности
Определение и тестирование стратегий возврата к среднему значению (Боллинджер)
Торговые стратегии на основе машинного обучения — регрессия
Торговые стратегии на основе машинного обучения — Классификация
Продвинутые методы бэктестинга
+++ ЧАСТЬ 4: Внедрение и автоматизация стратегий в режиме реального времени +++
Внедрение и автоматизация с помощью OANDA (ОБНОВЛЕНО!)
Внедрение и автоматизация с IBKR
Внедрение и автоматизация с FXCM
Облачное развертывание (AWS) | Планирование торговых сессий | Полная автоматизация
+++ ЧАСТЬ 5: Советы и рекомендации экспертов, практические примеры и многое другое +++
Торговые часы, спреды и степень детализации — контролируйте и ограничивайте торговые затраты!
Работа с двумя или многими стратегиями (комбинация)
Стратегия на основе машинного обучения AZ (DNN)
Обработка ошибок: как сделать вашего торгового бота более стабильным и надежным
Добавление стоп-лосса и тейк-профита в торгового бота
+++ ПРИЛОЖЕНИЕ: Ускоренный курс Python +++
Приложение 1. Основы Python (и финансов)
Приложение 2. Пользовательские функции (требуются для ООП)
Приложение 3: Numpy, Pandas, Matplotlib и Seaborn Crash Course
Что дальше? (перспективы и дополнительные ресурсы)
Бонусная лекция
37 разделов • 509 лекций • Общая продолжительность 43 ч 25 мин
Начиная
+++ ЧАСТЬ 1: Внутридневная торговля, онлайн-брокеры и API +++
Дневная торговля с OANDA AZ: глубокий анализ
Торговля акциями и FOREX с Interactive Brokers (IBKR)
Дневная торговля FOREX с FXCM
Установка ноутбуков Python и Jupyter
Экскурс: Как избежать и устранить ошибки кодирования (не пропускайте!)
Торговля через API с помощью Python и онлайн-брокеров – введение
Заключение и перспективы
+++ ЧАСТЬ 2: Pandas для анализа финансовых данных и введение в ООП +++
Введение в данные временных рядов в Pandas
Анализ финансовых данных с помощью Python и Pandas — (глубокое) введение
Расширенные темы
Объектно-ориентированное программирование (ООП): создание класса финансового анализа
+++ ЧАСТЬ 3: Определение и тестирование торговых стратегий +++
Определение и тестирование стратегий SMA
Определение и бэктестирование простых стратегий импульса/противоположности
Определение и тестирование стратегий возврата к среднему значению (Боллинджер)
Торговые стратегии на основе машинного обучения — регрессия
Торговые стратегии на основе машинного обучения — Классификация
Продвинутые методы бэктестинга
+++ ЧАСТЬ 4: Внедрение и автоматизация стратегий в режиме реального времени +++
Внедрение и автоматизация с помощью OANDA (ОБНОВЛЕНО!)
Внедрение и автоматизация с IBKR
Внедрение и автоматизация с FXCM
Облачное развертывание (AWS) | Планирование торговых сессий | Полная автоматизация
+++ ЧАСТЬ 5: Советы и рекомендации экспертов, практические примеры и многое другое +++
Торговые часы, спреды и степень детализации — контролируйте и ограничивайте торговые затраты!
Работа с двумя или многими стратегиями (комбинация)
Стратегия на основе машинного обучения AZ (DNN)
Обработка ошибок: как сделать вашего торгового бота более стабильным и надежным
Добавление стоп-лосса и тейк-профита в торгового бота
+++ ПРИЛОЖЕНИЕ: Ускоренный курс Python +++
Приложение 1. Основы Python (и финансов)
Приложение 2. Пользовательские функции (требуются для ООП)
Приложение 3: Numpy, Pandas, Matplotlib и Seaborn Crash Course
Что дальше? (перспективы и дополнительные ресурсы)
Бонусная лекция
Начиная
+++ ЧАСТЬ 1: Внутридневная торговля, онлайн-брокеры и API +++
Дневная торговля с OANDA AZ: глубокий анализ
Торговля акциями и FOREX с Interactive Brokers (IBKR)
Дневная торговля FOREX с FXCM
Установка ноутбуков Python и Jupyter
Экскурс: Как избежать и устранить ошибки кодирования (не пропускайте!)
Торговля через API с помощью Python и онлайн-брокеров – введение
Заключение и перспективы
+++ ЧАСТЬ 2: Pandas для анализа финансовых данных и введение в ООП +++
Введение в данные временных рядов в Pandas
Анализ финансовых данных с помощью Python и Pandas — (глубокое) введение
Расширенные темы
Объектно-ориентированное программирование (ООП): создание класса финансового анализа
+++ ЧАСТЬ 3: Определение и тестирование торговых стратегий +++
Определение и тестирование стратегий SMA
Определение и бэктестирование простых стратегий импульса/противоположности
Определение и тестирование стратегий возврата к среднему значению (Боллинджер)
Торговые стратегии на основе машинного обучения — регрессия
Торговые стратегии на основе машинного обучения — Классификация
Продвинутые методы бэктестинга
+++ ЧАСТЬ 4: Внедрение и автоматизация стратегий в режиме реального времени +++
Внедрение и автоматизация с помощью OANDA (ОБНОВЛЕНО!)
Внедрение и автоматизация с IBKR
Внедрение и автоматизация с FXCM
Облачное развертывание (AWS) | Планирование торговых сессий | Полная автоматизация
+++ ЧАСТЬ 5: Советы и рекомендации экспертов, практические примеры и многое другое +++
Торговые часы, спреды и степень детализации — контролируйте и ограничивайте торговые затраты!
Работа с двумя или многими стратегиями (комбинация)
Стратегия на основе машинного обучения AZ (DNN)
Обработка ошибок: как сделать вашего торгового бота более стабильным и надежным
Добавление стоп-лосса и тейк-профита в торгового бота
+++ ПРИЛОЖЕНИЕ: Ускоренный курс Python +++
Приложение 1. Основы Python (и финансов)
Приложение 2. Пользовательские функции (требуются для ООП)
Приложение 3: Numpy, Pandas, Matplotlib и Seaborn Crash Course
Что дальше? (перспективы и дополнительные ресурсы)
Бонусная лекция
(День) Трейдеры и инвесторы, желающие повысить профессионализм и автоматизировать свой бизнес.
(День) Трейдеры и инвесторы устали полагаться на простые стратегии, случай и надежду.
Профессионалы в области финансов и инвестиций, которые хотят заняться финансами, управляемыми данными и искусственным интеллектом.
Ученые, работающие с данными, и специалисты по машинному обучению.
Преподаватель: Александр Хагманн
Специалист по данным | Финансовый профессионал | Предприниматель
Язык курса: Английский
Цена: 1000р.
https://www.udemy.com/course/algorithmic-trading-with-python-and-machine-learning/