کتاب از صفر تا حرفه‌ای: ساخت ربات‌های معاملاتی الگوریتمی با R با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از صفر تا حرفه‌ای: ساخت ربات‌های معاملاتی الگوریتمی با R

موضوع کلی: برنامه‌نویسی R و مالی کوانتیتاتیو

موضوع میانی: الگوریتم‌های معاملاتی با R

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر الگوریتم‌های معاملاتی
  • 2. آشنایی با R و محیط RStudio
  • 3. انواع داده در R: vectors, matrices, data frames, lists
  • 4. تابع‌نویسی و برنامه‌نویسی کارکردی در R
  • 5. tidyverse: dplyr, ggplot2, purrr برای تحلیل مالی
  • 6. خواندن و پاک‌سازی داده‌های مالی CSV, Excel, JSON
  • 7. اتصال به API‌های مالی Yahoo Finance, Alpha Vantage
  • 8. کار با زمان‌بندی و دیت‌تایم در R xts, zoo, lubridate
  • 9. ساختار داده‌های سرمایه‌گذاری OHLCV
  • 10. رسم نمودارهای کندل‌استیک و نواری با ggplot2 و plotly
  • 11. اندیکاتورهای تکنیکال: میانگین‌های متحرک, RSI, MACD, Bollinger
  • 12. شناسایی روند و الگوهای قیمتی
  • 13. تحلیل بازار با مدل‌های آماری: انتشار، همبستگی
  • 14. بررسی ایستگاهی و چندگانگی سری‌های زمانی
  • 15. مدل‌های ARIMA و GARCH برای پیش‌بینی
  • 16. مفهوم بازار مؤثر و فرضیه راه‌رفتار تصادفی
  • 17. بازارنمایی و بررسی کارایی استراتژی
  • 18. معاملات مبتنی بر ارزش Value Investing با R
  • 19. استراتژی‌های مومنتوم و روندی
  • 20. استراتژی‌های میانگین‌بازگشتی Mean Reversion
  • 21. معاملات جفت‌سهمی Pairs Trading
  • 22. استراتژی‌های انتشار Spread Trading
  • 23. معاملات بر پایه Volatility
  • 24. مدیریت ریسک: VaR, CVaR, Drawdown
  • 25. اندازه‌گیری عملکرد: Sharpe, Sortino, Calmar
  • 26. فریم‌ورک بک‌تست: blotter و quantstrat
  • 27. ساختار رویدادی و سفارش‌ها: Market, Limit, Stop
  • 28. بهینه‌سازی پارامترهای استراتژی
  • 29. جلوگیری از Overfitting: Walk-Forward, Cross-Validation
  • 30. شبیه‌سازی مونت‌کارلو بر استراتژی‌ها
  • 31. Monte Carlo در مدیریت ریسک
  • 32. بهینه‌سازی کتاب سبد Markowitz, Black-Litterman
  • 33. مدل‌های عاملی: Fama-French, Carhart
  • 34. CAPM و آلفای جنسن
  • 35. معاملات الگوریتمی با اتجاهات Trend Following
  • 36. استراتژی‌های بر پایه‌ی امواج الیوت
  • 37. معاملات بر پایه‌ی چشم‌دست Options با R
  • 38. مدل‌سازی قیمت چشم‌دست Black-Scholes
  • 39. استراتژی‌های خودکار چشم‌دست Greedy
  • 40. معاملات فراورده‌ها با R
  • 41. ارزهگذاری ریسک و بازده سرمایه‌گذاری
  • 42. تحلیل سناریو و برنامه‌ریزی استرس‌تست
  • 43. معاملات الگوریتمی چندآژانسی Multi-Asset
  • 44. معاملات فرکانس بالا: مفاهیم و چالش‌ها
  • 45. Latency, Slippage و Commission Modeling
  • 46. پیاده‌سازی Execution Algorithm: VWAP, TWAP, Iceberg
  • 47. اتصال به بروکرها: IB API, REST APIs
  • 48. سیستم‌های رویدادی و Message Queue در معاملات
  • 49. پایش زنده و داشبوردهای زمان‌واقعاً
  • 50. یادگیری ماشین برای سیگنال‌دهی: Random Forest, XGBoost
  • 51. شبکه‌های عصبی و LSTM برای پیش‌بینی قیمت
  • 52. NLP برای تحلیل احساسات اخبار مالی
  • 53. Reinforcement Learning در معاملات
  • 54. دیتاسینت بزرگ و بیگ‌دیتا در بازار مالی
  • 55. پردازش موازی و سریع‌سازی کد R parallel, Rcpp
  • 56. Docker و استقرار ربات معاملاتی
  • 57. بک‌آپ و recovery strategy
  • 58. اعتبارسنجی قانونی و رقابتی استراتژی
  • 59. مطالعات موردی: استراتژی‌های واقعی و نتایج
  • 60. ساخت ربات معاملاتی کامل از صفر تا اجرا
تگ‌ها: portfolio optimization quantitative finance R معاملاتی استراتژی معاملاتی الگوریتم‌های معاملاتی بازارهای مالی برنامه‌نویسی R بک‌تست بک‌تست استراتژی تحلیل تکنیکال چشم‌دست روبوت معاملاتی ماشین‌یادی مالی مالی کوانتیتاتو مدیریت ریسک

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.