عنوان کتاب به انگلیسی: |
Hands-On Financial Trading with Python: A practical guide to using Zipline and other Python libraries for backtesting trading strategies |
| سال انتشار: 2021 | 360 صفحه | حجم فایل: 8 مگابایت | زبان: انگلیسی |
| نویسنده | Jiri Pik, Sourav Ghosh |
| ناشر | Packt Publishing |
| ISBN10: | 1838982884 |
| ISBN13: | 9781838982881 |
توضیحات کتاب
Key FeaturesGet to grips with market data and stock analysis and visualize data to gain quality insights
Find out how to systematically approach quantitative research and strategy generation/backtesting in algorithmic trading
Learn how to navigate the different features in Python’s data analysis librariesBook Description
Algorithmic trading helps you stay ahead of the markets by devising strategies in quantitative analysis to gain profits and cut losses.
The book starts by introducing you to algorithmic trading and explaining why Python is the best platform for developing trading strategies. You’ll then cover quantitative analysis using Python, and learn how to build algorithmic trading strategies with Zipline using various market data sources. Using Zipline as the backtesting library allows access to complimentary US historical daily market data until 2018. As you advance, you will gain an in-depth understanding of Python libraries such as NumPy and pandas for analyzing financial datasets, and explore Matplotlib, statsmodels, and scikit-learn libraries for advanced analytics. You’ll also focus on time series forecasting, covering pmdarima and Facebook Prophet.
By the end of this trading book, you will be able to build predictive trading signals, adopt basic and advanced algorithmic trading strategies, and perform portfolio optimization.
What you will learn
Discover how quantitative analysis works by covering financial statistics and ARIMA
Use core Python libraries to perform quantitative research and strategy development using real datasets
Understand how to access financial and economic data in Python
Implement effective data visualization with Matplotlib
Apply scientific computing and data visualization with popular Python libraries
Build and deploy backtesting algorithmic trading strategies
Who this book is for
This book is for data analysts and financial traders who want to explore how to design algorithmic trading strategies using Python’s core libraries. If you are looking for a practical guide to backtesting algorithmic trading strategies and building your own strategies, then this book is for you. Beginner-level working knowledge of Python programming and statistics will be helpful.
Table of Contents
Introduction to algorithmic trading
Exploratory Data Analysis in Python
High-speed Scientific Computing using NumPy
Data Manipulation and Analysis with Pandas
Data Visualization using Matplotlib
Statistical Estimation, Inference, and Prediction
Financial Market Data Access in Python
Introduction to Zipline and PyFolio
Fundamental algorithmic trading strategies
توضیحات کتاب به فارسی (ترجمه ماشینی)
نحوه ساخت و استراتژی های تجارت الگوریتمی Backtest را با Zipline کشف کنید
ویژگی های کلیدی
با داده های بازار و تجزیه و تحلیل سهام به دست بیاورید و داده ها را تجسم کنید تا بینش های با کیفیت کسب کنید
دریابید که چگونه به طور سیستماتیک به تحقیقات کمی و تولید استراتژی/پشتی در تجارت الگوریتمی نزدیک شوید
بیاموزید که چگونه در کتابخانه های تجزیه و تحلیل داده های پایتون از ویژگی های مختلف استفاده کنید
توضیحات کتاب
تجارت الگوریتمی به شما کمک می کند تا با تدوین استراتژی ها در تجزیه و تحلیل کمی برای به دست آوردن سود و کاهش ضرر ، از بازارها جلو بمانید.
این کتاب با معرفی شما به تجارت الگوریتمی و توضیح اینکه چرا پایتون بهترین بستر برای توسعه استراتژی های معاملاتی است ، آغاز می شود.سپس با استفاده از پایتون ، تجزیه و تحلیل کمی را پوشش می دهید و یاد می گیرید که چگونه استراتژی های تجارت الگوریتمی را با Zipline با استفاده از منابع مختلف داده بازار بسازید.استفاده از Zipline به عنوان کتابخانه پشتی امکان دسترسی به داده های بازار تاریخی تاریخی ایالات متحده را تا سال 2018 امکان پذیر می کند. با پیشرفت ، شما درک عمیقی از کتابخانه های پایتون مانند Numpy و Pandas برای تجزیه و تحلیل مجموعه داده های مالی کسب خواهید کرد ، و Matplotlib ، Statsmodels و کاوش را کشف می کنید.کتابخانه های Scikit-Learn برای تجزیه و تحلیل پیشرفته.شما همچنین بر روی پیش بینی سریال های زمانی تمرکز خواهید کرد و PMDarima و پیامبر فیس بوک را پوشش می دهید.
با پایان این کتاب بازرگانی ، شما قادر خواهید بود سیگنال های معاملاتی پیش بینی را بسازید ، استراتژی های تجاری الگوریتمی اساسی و پیشرفته را اتخاذ کرده و بهینه سازی نمونه کارها را انجام دهید.
آنچه یاد خواهید گرفت
کشف کنید که چگونه تجزیه و تحلیل کمی با پوشش آمار مالی و ARIMA کار می کند
از کتابخانه های اصلی پایتون برای انجام تحقیقات کمی و توسعه استراتژی با استفاده از مجموعه داده های واقعی استفاده کنید
درک کنید که چگونه به داده های مالی و اقتصادی در پایتون دسترسی پیدا کنید
تجسم داده های مؤثر را با Matplotlib پیاده سازی کنید
محاسبات علمی و تجسم داده ها را با کتابخانه های محبوب پایتون اعمال کنید
ایجاد و استقرار استراتژی های تجارت پشتی
این کتاب برای چه کسی است
این کتاب برای تحلیلگران داده و معامله گران مالی است که می خواهند نحوه طراحی استراتژی های تجارت الگوریتمی را با استفاده از کتابخانه های اصلی پایتون کشف کنند.اگر به دنبال یک راهنمای عملی برای استراتژی های تجارت الگوریتمی پشتی و ساختن استراتژی های خود هستید ، این کتاب برای شما مناسب است.دانش کار در سطح مبتدی از برنامه نویسی و آمار پایتون مفید خواهد بود.
فهرست مطالب
آشنایی با تجارت الگوریتمی
تجزیه و تحلیل داده های اکتشافی در پایتون
محاسبات علمی پر سرعت با استفاده از numpy
دستکاری و تجزیه و تحلیل داده ها با پاندا
تجسم داده ها با استفاده از matplotlib
برآورد آماری ، استنباط و پیش بینی
دسترسی به داده های بازار مالی در پایتون
آشنایی با Zipline و Pyfolio
استراتژی های اساسی تجارت الگوریتمی
| این محصول به صورت دانلودی می باشد و بلافاصله پس از پرداخت موفق قادر به دانلود خواهید بود |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.