قراره تو این دوره چی یاد بگیرم؟

  • تحلیل تکنیکال با پایتون
  • طراحی سیستم معاملات الگوریتمی با استفاده از SMA
  • طراحی سیستم معاملات الگوریتمی با استفاده از EMA
  • طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD
  • و ...

سرفصل های دوره

۹ فصل
۳۴ جلسه
۱۰ ساعت
۱

مقدمه و معرفی دوره

۳ قسمت
۰۰:۲۹:۴۲
1

جلسه اول: مقدمه و معرفی

پخش
۱۱:۵۹
2

جلسه دوم: آنچه در این دوره خواهیم آموخت

پخش
۱۱:۲۶
3

جلسه سوم: نصب و راه اندازی پایتون

پخش
۰۶:۱۷
۲

تحلیل تکنیکال با پایتون

۶ قسمت
۰۰:۵۳:۳۳
۳

طراحی سیستم معاملات الگوریتمی با استفاده از SMA

۴ قسمت
۰۱:۴۷:۱۰
۴

طراحی سیستم معاملات الگوریتمی با استفاده از EMA

۳ قسمت
۰۰:۴۵:۴۱
۵

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

۴ قسمت
۰۱:۰۴:۱۴
۶

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

۴ قسمت
۰۱:۱۶:۰۲
۷

استراتژی ترکیبی RSI و MACD

۳ قسمت
۰۱:۱۹:۵۱
۸

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Stochastic

۳ قسمت
۰۱:۰۷:۵۱
۹

طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور Bollinger Band

۴ قسمت
۰۱:۰۲:۳۴

معاملات الگوریتمی یا معاملات خودکار به استفاده از کامپیوتر برای ورود به پوزیشن های معاملاتی بدون دخالت معامله گر گفته می شود. زمانی که معامله گران با استفاده از کدنویسی ها و هوش مصنوعی, سیستمی را طراحی می کنند که بر طبق آن کامپیوتر تصمیم به خرید و فروش بگیرد, الگوتریدینگ (Algo Trading) در حال رخ دادن است. در این دوره آموزشی به معاملات الگوریتمی با پایتون در بازارهای مالی خواهیم پرداخت.

در آموزش معاملات الگوریتمی با پایتون خواهیم آموخت:

در دوره معاملات الگوریتمی با پایتون ابتدا به بیان مقدمه و مطالب ضروری پرداخته می شود. سپس طریقه رسم یک چارت حرفه ای در پایتون را می آموزیم و اندیکاتور های مختلف را بر روی چارت، پیاده سازی می کنیم. خواهیم آموخت که چگونه با استفاده از پایتون و کدنویسی خطوط حمایت و مقاومت رسم کنیم بدون دخالت دستی. سپس در فصول مختلف سیستم های خودکار معاملاتی الگوریتمی و سیگنال دهی مبتنی بر اندیکاتور های RSI , MACD , Stocastic, Bollinger Band طراحی می شود و خواهیم آموخت که با ترکیب هر کدام از این استراتژی ها با هم چه سودی کسب خواهیم کرد. به بیان واضح تر با استفاده از این دوره یاد خواهیم گرفت:

1-برای چه سهامی چه میانگین متحرک هایی بهترین عملکرد را دارد. به عنوان مثال برای سهام شپنا آیا مووینگ 50 مناسب است یا مووینگ 60. این کار با کدنویسی پایتون برای معامله گران در 3 دقیقه قابل فهم است!

2-چه مقادیری برای اندیکاتور های RSI , MACD , Stocastic, Bollinger Band انتخاب کنیم که بیشترین بازده را داشته باشیم. این موضوع برای تمامی سهام های موجود قابل پیاده سازی است.

3-استراتژی های معاملاتی مبتنی بر Bollinger Band , RSI , MACD , Moving average , stocastic را یاد میگیریم و با نرم افزار پایتون می آموزیم که چگونه خرید و فروش انجام دهیم.

4-چگونه در پایتون چارت رسم کنیم و تمامی اندیکاتور ها را در چارت پیاده سازی کنیم.

5- می آموزیم که چگونه با استفاده از کدنویسی, نقاط حمایتی و مقاومتی را برای هر سهام رسم کنیم بدون دخالت دستی!

6- یاد خواهیم گرفت که بر روی داده های گذشته استراتژی های فوق را پیاده سازی کنیم و میزان بازده استراتژی های معاملاتی خود را با میزان استراتژی خرید و نگه داری مقایسه کنیم و سود را به حداکثر برسانیم.

همچنین با تماشای دوره آموزشی معاملات الگوریتمی با پایتون , حتی اگر دانشی در حد “صفر” از کدنویسی پایتون دارید, خواهید آموخت که چگونه کدنویسی کنید و با بسیاری از پکیج ها و متدهای این نرم افزار آشنا خواهید شد.

سرفصل های دوره معاملات الگوریتمی با پایتون

فصل اول: مقدمه و معرفی دوره

درس اول: مقدمه و معرفی

درس دوم: آنچه در این دوره خواهیم آموخت

درس سوم: نصب و راه اندازی پایتون

فصل دوم: تحلیل تکنیکال با پایتون

درس چهارم :نصب پکیج های مورد نیاز

درس پنجم: استخراج داده های مالی

درس ششم: طراحی چارت

درس هفتم: رسم چارت خطی ساده

درس هشتم: رسم چارت های پویا و حرفه ای با نمایش تمامی اطلاعات

درس نهم: رسم چارت کندل استیک

درس دهم: رسم چارت حجمی

درس یازدهم: رسم اندیکاتور مووینگ اورج (SMA) در چارت

درس دوازدهم: رسم خطوط حمایتی و مقاوتی در چارت

فصل سوم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس سیزدهم: معرفی اندیکاتور

درس چهاردهم: استراتژی خرید و نگه داری (Buy and Hold)

درس پانزدهم: استراتژی کراس (Crossover) با دو SMA

در شانزدهم: یافتن بهترین استراتژی کراس با بهترین مقدار SMA برای هر دارایی

درس هفدهم: طراحی سیستم معاملات الگوریتمی با استفاده از SMA

درس هجدهم: افزودن هزینه معاملاتی به استراتژی

فصل چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس نوزدهم: معرفی اندیکاتور

درس بیستم: استراتژی کراس (Crossover) با دو EMA

درس بیست و یکم: طراحی سیستم معاملات الگوریتمی با استفاده از EMA

درس بیست و دوم: استراتژی کراس EMA از SMA

درس بیست و سوم: طراحی سیستم معاملات الگوریتمی استراتژی کراس EMA از SMA

فصل پنجم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور MACD

درس بیست و چهارم: معرفی اندیکاتور

درس بیست و پنج: رسم MACD  در چارت پایتون

درس بیست و ششم: استراتژی پوزیشن معاملات با MACD

درس بیست و هفتم: طراحی سیستم معاملات الگوریتمی با استفاده از MACD

درس بیست و هشتم: واگرایی در MACD

فصل ششم: طراحی سیستم معاملات الگوریتمی با استفاده از اندیکاتور RSI

درس بیست و نهم: معرفی اندیکاتور RSI

درس سی ام: رسم RSI در چارت پایتون

درس سی و یکم: استراتژی معاملاتی با RSI

درس سی و دوم: گرفتن پوزیشن معاملاتی با RSI

درس سی و سوم: طراحی سیستم معاملات الگوریتمی با استفاده از RSI

فصل هفتم: استراتژی استفاده همزمان از RSI و MACD

درس سی وچهارم: معرفی

درس سی و پنجم: استراتژی ترکیبی RSI و MACD

درس سی و ششم: طراحی سیستم معاملات الگوریتمی ااستراتژی ترکیبی RSI و MACD

فصل هشتم: اسیلاتور Stocastic

درس سی و هفتم: معرفی اسیلاتور

درس سی وهشتم: رسم Stocastic در چارت

درس سی و نهم: استراتژی معاملاتی با استفاده از Stocastic

درس چهلم: طراحی سیستم معاملات الگوریتمی با استفاده از Stocastic

فصل نهم: اندیکاتور Bollinger Band

درس چهل و یکم: معرفی اندیکاتور

درس چهل و دوم: رسم Bollinger Band  بر روی چارت

درس چهل و سوم: استراتژی معاملاتی با Bollinger Band

درس چهل و چهارم: طراحی سیستم معاملات الگوریتمی با استفاده از Bollinger Band

سخن پایانی

معرفی دوره ی بعد

آموزش معاملات الگوریتمی با پایتون چه بازار کاری دارد؟

  • با استفاده از این آموزش توانایی معامله گری بهتر از 95 درصد معامله گران بازار پیدا می کنیم.
  • می توان دانش لازم برای استخدام در شرکت های معامله گری ساده و الگوریتمی را کسب کنیم و با مفاهیم آشنا شویم.
  • با این آموزش می توانید خودتان مدیر کسب و کار خودتان باشید. سیگنال های معاملاتی به دیگر ارائه دهید, یک تحلیل گر خبره باشید و زود تر از بقیه از سیگنال های بازار خبردار شوید. چون شما مجهز به ابزار “سیگنال گیری خودکار” هستید.

آموزش معاملات الگوریتمی با پایتون برای چه کسانی مناسب است؟

این دوره برای تمامی مردم عادی , دانشجویان یا فارغ التحصیلانی که در بازارهای سهام یا مالی دیگر فعال هستند , مناسب و واجب است.

برای تمامی تحلیل گران مالی, تحلیلگران تکنیکال و فاندامنتال , معامله گران بازارهای فارکس , کریپتو و … مناسب است.

پیش نیاز های این دوره

در این دوره نیاز به دانش پایه و مقدماتی از پایتون را داریم با این حال بخش اعظمی از مطالب در دوره بیان می شود. اما اگر میخواهید پایتون را بهتر یادبگیرید می‌توانید از دوره های مربوط به آموزش پایتون دانشجویار استفاده کنید.

نیاز به آگاهی از اندیکاتور های RSI , MACD , Stocastic, Bollinger Band به صورت مقدماتی. که برای این مورد می‌توانید از وبسایت freecodecamp استفاده کنید.

نرم افزارهای استفاده شده در این آموزش:

نرم افزار پایتون نسخه 3.9

Jupyter Notebook

مزیت این دوره نسبت به سایر دوره های مشابه

از آنجا که دوره های زیادی برای آموزش این استراتژی ها وجود ندارد و یا اینکه به قیمت گزاف و میلیونی فروخته می شوند, دوره آموزش معاملات الگوریتمی با پایتون دانشجویار یک دوره بسیار غنی, خالی از توضیحات تئوری اضافی و زمان بر و حوصله سربر می باشد که با یک قیمت بسیار معقول در خدمت تمامی مردم , دانشجویان و فارغ التحصیلان قرار گرفته است.

در معاملات الگوریتمی کامپیوتر می تواند از یک استراتژی یا چند استراتژی هم زمان بهره گیرد و با بررسی زمان, حجم, قیمت, اندیکاتور ها, اسیلاتورها, حد سود و حد ضرر و… تصمیم گیری های لازم در خصوص ورود به یک معامله, جهت معامله, نگه داری و بستن موقعیت معامله را اتخاذ کند.

لذا مشاهده می کنیم که با پیشرفت بازارهای مالی و افزایش تعداد دارایی های مالی نظیر سهام, کامودیتی ها, ارزها, اوراق بدهی, اوراق مشتقه, رمزارزها (Crypto currencies) و … توانایی انسان برای رقابت با کامپیوترها روز به روز کمتر و کمتر می شود. این موضوع در آمار های بازار سهام آمریکا هویدا می شود که نزدیک 60 تا 75 درصد از کل معاملات سهام, توسط سیستم های الگوریتمیک در حال پیاده سازی است.

بخشی از معاملات الگوریتمی که الگوریتم های سیگنال دهی نام گذاری شده اند, وظیفه طراحی سیستم هایی را دارند که با بررسی اطلاعات مختلف از بازار, سیگنال های معاملاتی را به کاربر و کامپیوتر اعلان نماید. این الگوریتمی ها با استفاده اندیکاتور هایی نظیر RSI , MACD , Moving average , Stocastic و …. و مقایسه اینها با یکدیگر تلاش برای دریافت سیگنال های معاملاتی دارند.

با علم به توضیحات فوق، در دوره معاملات الگوریتمی با پایتون تلاش می شود تا با کد نویسی سیستم های معاملاتی مبتی بر هر کدام از اندیکاتور های مذکور و ترکیب آن ها با یکدیگر, سیستم معاملاتی را پیدا نمود که بیشترین بازدهی را برای هر دارایی مالی دارد.

دلیل اهمیت معاملات الگوریتمی

امروزه حجم انبوه داده‌های مالی که در لحظه تولید می‌شوند، نیاز به سرعت پردازش و توان محاسباتی بالایی دارند که امکان آنالیز دستی این حجم از داده‌ها از عهده انسان خارج است. معاملات الگوریتمی با استفاده از محاسبات کامپیوتری و هوش مصنوعی این مشکل را برطرف می‌کنند و امکان تحلیل سریع و دقیق این داده‌های گسترده را فراهم می‌آورند.

علاوه بر این، معاملات الگوریتمی قادرند با سرعت بالا و بدون خطای انسانی، معاملات را انجام دهند. این ویژگی باعث شده تا معاملات الگوریتمی بیش از ۸۵ درصد از کل معاملات در بازارهای مالی را به خود اختصاص دهند. موسسات مالی از این قابلیت برای بهبود عملکرد و سرمایه‌گذاری خود استفاده می‌کنند.

در این راستا، پایتون به عنوان یک زبان برنامه‌نویسی قدرتمند با امکانات پیشرفته در حوزه یادگیری ماشینی و تحلیل داده، ابزاری ایده‌آل برای توسعه و پیاده‌سازی سیستم‌های معاملات الگوریتمی محسوب می‌شود. پایتون با ساده‌بودن سینتکس خود و کتابخانه‌های قدرتمند، توسعه و بهینه‌سازی استراتژی‌های معاملات الگوریتمی را بسیار آسان‌تر می‌کند.

مزایای یادگیری معاملات الگوریتمی

یادگیری معاملات الگوریتمی می‌تواند مزایای زیر را داشته باشد:

  1. افزایش سرعت و کارایی معاملات: الگوریتم‌ها می‌توانند معاملات را بسیار سریع‌تر از انسان‌ها انجام دهند و تعداد بیشتری معامله را در یک زمان کوتاه اجرا کنند.
  2. کاهش خطای انسانی: الگوریتم‌ها معاملات را براساس قواعد و شرایط از پیش تعریف شده اجرا می‌کنند و به این ترتیب احتمال خطای انسانی در انجام معاملات کاهش می‌یابد.
  3. امکان استفاده از استراتژی‌های پیچیده‌تر: الگوریتم‌های پیشرفته می‌توانند استراتژی‌های معاملاتی پیچیده‌تری را اجرا کنند که ممکن است برای انسان‌ها دشوار باشد.
  4. امکان مدیریت ریسک بهتر: الگوریتم‌ها می‌توانند قواعد مدیریت ریسک را به طور خودکار و دقیق اجرا کنند و به این ترتیب ریسک معاملات را کاهش دهند.
  5. امکان انجام معاملات در بازارهای مختلف: الگوریتم‌ها می‌توانند به طور همزمان در چندین بازار مختلف فعالیت کنند و از این طریق فرصت‌های بیشتری را برای کسب سود شناسایی کنند.
  6. عدم تأثیرپذیری از احساسات و عوامل روانی: الگوریتم‌ها بر اساس قواعد از پیش تعریف شده عمل می‌کنند و تحت تأثیر عوامل روانی و احساسی قرار نمی‌گیرند. این امر منجر به افزایش ثبات و پایداری در عملکرد معاملاتی می‌شود.
ادامه متن دوره ...