یادگیری عمیق برای تجارت الگوریتمی با استفاده از پایتون

هوش مصنوعی، backtesting، بهینه سازی برای تجارت الگوریتمی با MetaTrader 5. ربات شامل

عنوان اصلی : Deep Learning for algorithmic trading using Python

سرفصل های دوره :

مقدمه:
به من بخوانید
نصب محیط ها
اصول اولیه پایتون:
نوع شیء: عملیات منطقی / بولین
نوع شیء: تخصیص متغیر
نوع شی: tuple و list
نوع شیء: دیکشنری
نوع شیء: مجموعه
ساختارهای پایتون: اگر / ELIF / دیگر
ساختارهای پایتون: برای
ساختارهای پایتون: در حالی که
توابع: مبانی عملکرد
توابع: متغیر محلی
توابع: متغیر جهانی
توابع: عملکرد لامبدا
python for data science:
معرفی
numpy: آرایه
numpy: تصادفی
numpy: نمایه سازی / برش / تحول
Pandas: Serie و DataFrame
Pandas: تمیز کردن و انتخاب داده ها
Pandas: انتخاب شرطی
MatplotLib: نمودار
Matplotlib: پراکنده
MatplotLib: جعبه ابزار
واردات و مدیریت داده ها:
وارد کردن و مدیریت اطلاعات از MetaTrader 5
وارد کردن و مدیریت اطلاعات از امور مالی یاهو
ویژگی های مهندسی:
معرفی
قیمت سهام
ایجاد یک میانگین متحرک ساده (SMA)
ایجاد یک انحراف استاندارد متحرک (MSD)
از کتابخانه تجزیه و تحلیل فنی برای محاسبه شاخص RSI استفاده کنید
خودکار سازی فرایند مهندسی ویژگی ها
شبکه های عصبی عمیق به تجارت الگوریتمی اعمال می شود:
بازپرداخت سریع تئوری DNN
اطلاعات واردات و ویژگی های مهندسی
STELL SET STEP (به منظور مدل DNN)
چرا و نحوه استاندارد سازی ویژگی ها
ایجاد یک DNN با استفاده از Tensorflow 2.0
از پیش بینی های DNN برای ایجاد یک استراتژی تجاری استفاده کنید
فرآیند را خودکار کنید
مشکل ابتدایی تصادفی
نحوه رفع مشکل راه اندازی تصادفی
روش Bagging با استفاده از Anns های مختلف
backtesting vectorized:
معرفی
محاسبه نسبت Sortino
محاسبه نسبت بتا (متریک CAPM)
محاسبه نسبت آلفا (CAPM Metric)
تخلیه: ایجاد تابع
تخلیه: برنامه
عملکرد BackTesting (1)
عملکرد BackTesting (2)
BackTest یک استراتژی تجاری بر اساس DNN
شبکه های عصبی مکرر برای تجارت الگوریتمی:
معرفی
نظریه پشت RNNS
recap از فصل DNN
نحوه تغییر داده های دو بعدی به داده های 3 بعدی
نحوه ایجاد یک RNN با استفاده از Tensorflow 2.0
Dropout Layer
پیش بینی RNN برای ایجاد یک استراتژی تجاری
فرآیند را خودکار کنید
بهترین مدل ها را در تمام مقداردهی اولیه تصادفی پیدا کنید
MetaTrader 5 تجارت زنده با استفاده از پایتون:
معرفی
یک کتابخانه را در Jupyter نصب کنید
پلت فرم را راه اندازی کنید
دریافت کارگزار داده
ارسال سفارشات در بازار با استفاده از پایتون
دریافت موقعیت های فعلی
اجرای ساختار اجرا
تمام موقعیت ها را ببندید
Live Trading Application: سیگنال های تصادفی
استراتژی تجارت زنده بر اساس Ann
استراتژی تجارت زنده بر اساس RNN