آنچه یاد خواهید گرفت:
درک اینکه چگونه هوش مصنوعی معاملات الگوریتمی را تغییر میدهد.
ایجاد ویژگیهای پیشبینانه معاملات از داده سهام
آموزش مدلهای LSTM برای پیشبینی سیگنالهای خرید، فروش یا نگهداری
مدیریت داده مالی نامتعادل با استفاده از oversampling و focal loss
ارزیابی عملکرد معاملات با استفاده از دقت، صحت، یادآوری و ماتریس درهمریختگی
مصورسازی سیگنالهای پیشبینی شده معاملات در نمودارهای واقعی سهام
بکتست استراتژیهای معاملاتی با شبیهسازی پورتفولیو
محاسبه نسبت شارت، افت سرمایه و بازده برای تحلیل ریسک
پیشنیازهای دوره
آشنایی اولیه با برنامهنویسی پایتون
آشنایی با Pandas ،NumPy و Matplotlib
تجربه قبلی در معاملات یا هوش مصنوعی لازم نیست. همه موارد به صورت گامبهگام توضیح داده میشود.
توضیحات دوره
کشف قدرت هوش مصنوعی در دنیای معاملات
در این دوره عملی، یاد میگیرید چگونه استراتژیهای معاملات الگوریتمی هوش مصنوعی محور را با استفاده از پایتون، یادگیری ماشین و ابزارهای یادگیری عمیق بسازید، آموزش داده و بکتست کنید. چه از حوزه مالی و چه فناوری، این دوره به شما کمک میکند تا با استفاده از مدلهای LSTM، تحلیل احساس و متریکهای ارزیابی پیشرفته، داده بازار را به سیگنالهای قابل اقدام تبدیل کنید.
شما با مبانی معاملات الگوریتمی شروع میکنید، نقش هوش مصنوعی را بررسی میکنید و عمیقاً به ابزارهایی مانند جنگل تصادفی، گرادیان بوستینگ، CNNs ،LSTM، یادگیری تقویتی, الگوریتمهای ژنتیک و مدلهای گروهی میپردازید. از آنجا، به پیادهسازی واقعی یعنی بارگذاری داده تاریخی سهام، ایجاد ویژگیهای پیشبینانه، برچسبگذاری نتایج، مدیریت عدم توازن کلاس با focal loss و ارزیابی استراتژی معاملاتی خود از طریق بکتست کردن و متریکهای ریسک مانند نسبت شارپ و افت سرمایه میپردازید.
این دوره شامل:
داده واقعی سهام اپل برای تمرین عملی
مهندسی ویژگی با استفاده از اندیکاتورهای تکنیکال
توابع ضرر سفارشی مانند Focal Loss
ساخت یک مدل LSTM از ابتدا
نمایش سیگنالهای معاملاتی و عملکرد
بکتست با شبیهسازیهای رشد سرمایه
در پایان، یک استراتژی معاملاتی کاملاً عملیاتی که توسط هوش مصنوعی قدرت مییابد را آموخته و دانش لازم برای اعمال این تکنیکها بر هر سهام، ETF یا دارایی رمزنگاری شده را کسب خواهید کرد.
آنچه یاد میگیرید:
درک اینکه چگونه هوش مصنوعی معاملات الگوریتمی را تغییر میدهد.
ایجاد ویژگیهای پیشبینانه معاملات از داده سهام ایجاد
آموزش مدلهای LSTM برای پیشبینی سیگنالهای خرید، فروش یا نگهداری
مدیریت داده مالی نامتعادل با استفاده از oversampling و focal loss
ارزیابی عملکرد معاملات با استفاده از دقت، صحت، یادآوری و ماتریس درهمریختگی
مصورسازی سیگنالهای پیشبینی شده معاملات در نمودارهای واقعی سهام
بکتست استراتژیهای معاملاتی با شبیهسازی پورتفولیو
محاسبه نسبت شارت، افت سرمایه و بازده برای تحلیل ریسک
این دوره برای چه کسانی مناسب است؟
معاملهگران مشتاق معاملات الگوریتمی که به دنبال ساخت استراتژیهای مجهز به هوش مصنوعی هستند.
دانشمندان داده و مهندسان یادگیری ماشین علاقهمند به امور مالی و معاملات
تحلیلگران کمی و متخصصان فینتک که به دنبال اتوماسیون هستند.
دانشجویان و پژوهشگران در حوزه مالی، آمار یا علوم کامپیوتر
کسی که درباره LSTM ،NLP و یادگیری عمیق برای معاملات بلادرنگ کنجکاو است.