تحلیل داده برای ارزیابی و بهبود استراتژی‌های معاملاتی، زیربنای به کارگیری هوش مصنوعی در بازارهای مالی است. بدون استنتاج آماری درست، نتایج بک‌تستِ داده‌های گذشته، قابلیت تعمیم به آینده ندارد. سوال اساسی دقیقا همین‌جاست:

کدام استراتژی معاملاتی در «آینده» سودده خواهد بود؟

اگر به توسعه استراتژی‌های معاملاتی با پایتون و تحلیل داده علاقه‌مندید در دوره آموزشی آنلاین دانشگاه صنعتی شریف با عنوان «تحلیل داده با پایتون برای توسعه استراتژی‌های معاملاتی» دانشگاه صنعتی شریف شرکت کنید.

🔴 پایان مهلت ثبت نام: ۱۷ شهریور ۱۴۰۲

اطلاعات بیشتر و درخواست پذیرش:
b2n.ir/smpy

پشتیبانی:
09331079014
@Lili_1374gh

@dlearn_ir

دنباله‌روی از روندها (Trend Following) ایده اصلی گروهی از استراتژی‌های معاملاتی است که تلاش می‌کنند با گردآوری و تحلیل بخش بزرگی از داده‌های بازار، روندهای سودده را شناسایی و از آن‌ها دنباله‌روی کند.

فرض کنید یک استراتژی معاملاتی مبتنی بر این ایده توسعه داده‌ایم و با استفاده از داده‌های ۹ ماه گذشتۀ بازارِ بورسِ آمریکا با مبلغ ورودی ۳۰۰۰ دلار آزمایش یا اصطلاحا بک‌تست کردیم و ۶۳۱ دلار (۲۱%) سود کردیم.

▫️آیا این بازده رضایت‌بخش است؟
▫️اگر معامله‌گری با الگوریتم‌های برآمده از این روش را در دستور کار قرار دهیم، آیا در آینده نیز چنین بازدهی خواهد داشت؟

پاسخ به این پرسش‌ها تنها با استفاده از تحلیل داده و آمار به صورت روشمند امکان‌پذیر است.

در دوره آموزشی آنلاین «تحلیل داده با پایتون برای توسعه استراتژی‌های معاملاتی دانشگاه صنعتی شریف»، پس از یادگیری پایتون و تحلیل داده، با چند استراتژی معاملاتی مثل Quantitative Momentum و Quantitative Value و Copy Trading آشنا می‌شویم و آن‌ها را در پایتون پیاده‌سازی می‌کنیم و به پرسش‌های فوق پاسخ می‌دهیم.

🔴 تاریخ شروع: ۱۸ شهریور ۱۴۰۲

لینک ثبت نام: b2n.ir/smpy

@dlearn_ir

🔴 افزایش مهارت استفاده از اکسل در کسب‌وکار، نیاز منابع انسانی بسیاری از شرکت‌ها و سازمان‌هاست. اگر خودتان یا دوستانتان به یادگیری اکسل و استفاده از آن در فعالیت‌های مختلف علاقه‌مندید، ثبت نام دوره آموزشی «مهارت‌های تخصصی اکسل برای کسب‌وکار» ۱۸ شهریور ۱۴۰۲ به پایان می‌رسد.

شروع دوره: یکشنبه ۱۹ شهریور ۱۴۰۲ ساعت ۱۷:۳۰

لینک ثبت نام:
d-learn.ir/xlsb

پشتیبانی:
09331079014
@Lili_1374gh

@dlearn_ir

✅ توسعه استراتژی‌های معاملاتی با تحلیل داده دانشگاه صنعتی شریف؛ زیربنای پیاده‌سازی معاملات الگوریتمی

#دوره_آموزشی_آنلاین

اگر با ایده‌ای جدید برای معامله‌گری مواجه شوید که ادعا شود در صورت پیاده‌سازی الگوریتمی، سود هنگفتی خواهد داشت، چگونه آن را ارزیابی می‌کنید؟ اگر آن را بک‌تست کردیم و نتایج قابل قبول بود آیا می‌توانیم این نتایج را به آینده تعمیم دهیم؟

در این دوره آموزشی پس از مرور کتابخانه‌های تحلیل و مصورسازی داده در پایتون، کار با داده‌های بورس و یادگیری روش‌های جمع‌آوری آن، سراغ چهارچوبی برای طراحی معاملات الگوریتمی و به کارگیری هوش مصنوعی در بازارهای مالی خواهیم رفت. سپس با چند استراتژی معاملاتی مثل Quantitative Momentum و Quantitative Value و Copy Trading آشنا می‌شویم و آن‌ها را در پایتون پیاده‌سازی می‌کنیم و با ارزیابی‌ آماری عملکرد آن‌ها روی داده‌های گذشته، سعی می‌کنیم عملکرد آن‌ها را در آینده نیز پیش‌بینی کنیم.

پیش‌نیاز: آشنایی با پایتون

اطلاعات بیشتر و درخواست پذیرش:



http://b2n.ir/tspy



پشتیبانی:
09331079014
@Lili_1374gh

@dlearn_ir

🟢 تست A/B چیست؟

کسب و کارها همیشه بر سر دوراهی هستند. می‌خواهند بدانند این راه بهتر است یا آن راه. به عنوان مثال، خود را جای مدیری بگذارید که دو طرح برای وب‌سایت کسب‌و‌کارش در دست دارد  و یا دو نسخه برای طراحی محصول جدید. کدام را باید انتخاب کند؟
برای اینگونه تصمیم‌گیری در این دوراهی‌ها یک روش انتخاب مبتنی بر داده وجود دارد. 

آزمایش A/B یک تکنیک آماری است که برای مقایسه دو نسخه مختلف از یک محصول یا خدمات استفاده می‌شود.

متن کامل معرفی آزمون A/B را در وبسایت مدرسه پردازش و تحلیل داده دقیقه مطالعه کنید:

d-learn.ir/p/ab-testing

@dlearn_ir

🔴 امروز پایان مهلت استفاده از تخفیف ۲۵% برای ثبت نام در دوره آموزشی آنلاین «توسعه استراتژی‌های معاملاتی با تحلیل داده؛ زیربنای پیاده‌سازی معاملات الگوریتمی در دانشگاه صنعتی شریف» است.

✅ اگر با پایتون آشنایی دارید و به شرکت در این دوره علاقه‌مندید این تخفیف را از دست ندهید.

📝 لینک معرفی دوره و درخواست پذیرش:
b2n.ir/tspy

@dlearn_ir

🔴 وبینار رایگان توهم بازده؛
تحلیل داده برای مدیریت ریسک در معاملات بورس

هدف اصلی سرمایه‌گذاری کسب بازدهی است. دارایی‌های مختلف با بازدهی‌های متفاوت مواجه هستند. با این حال، سرمایه‌گذاری روی پربازده‌ترین دارایی‌های گذشته می‌تواند تصمیمی خطرناک و همراه با زیان قابل توجه باشد. برای پیش‌بینی آینده از روی رفتار گذشته چه نکاتی را باید در نظر داشت؟

هر افزایش قیمت دارایی به معنی افزایش بازدهی حقیقی نیست. در بسیاری از موارد سرمایه‌گذاران دچار توهم بازدهی می‌شوند. باید بین بازدهی اسمی و حقیقی فرق قائل شد و آن را در تحلیل‌ رفتار گذشته و پیش‌بینی آینده به کار بست.

در این وبینار رایگان ۹۰ دقیقه‌ای، نخست درباره فرایند گرد‌آوری دادۀ دارایی‌های مختلف صحبت خواهد شد. سپس به نحوه محاسبه بازده اسمی و حقیقی و روش‌های تعدیل با شاخص‌های مالی دیگر اشاره خواهد شد. این مفاهیم پیش‌نیازهای تحلیل  نوسان دارایی‌ها و ارزیابی ریسک آن‌ها
خواهند بود.

یکشنبه ۱۶ مهر ۱۴۰۲ ساعت ۱۸:۳۰

🔗 لینک ثبت نام رایگان:

b2n.ir/rskm

@dlearn_ir

🟠 از بین بردن توهم بازده با تعدیل نسبت به شاخص‌های پایه و تحلیل ریسک

هدف از سرمایه‌گذاری کسب سود است. اما بازدهی تنها می‌تواند با ریسک بیشتر به دست آید و افراد بسته به ریسک‌پذیری‌شان نیازمند اتخاذ استراتژی متناسب با وضعیت خود هستند.

مسعود مجیدی در مقاله زیر با تحلیل بازده دارایی‌های رایج سرمایه‌گذاری در ایران مثل سهام، سکه، دلار، رمزارز، مسکن، خودرو، سپرده بانکی و ... در پنج سال اخیر بازده حقیقی و ریسک آن‌ها را با یکدیگر مقایسه کرده و برخی از باورهای عمومی در مورد آن‌ها را به چالش کشیده است.

متن کامل مقاله را در لینک زیر مطالعه کنید:

d-learn.ir/return-and-risk

محتوای این مقاله همراه با مطالب تکمیلی در یک #وبینار_رایگان در روز یکشنبه ۱۶ مهر ۱۴۰۲ از ساعت ۱۸:۳۰ تا ۱۹:۴۵ ارائه خواهد شد. برای ثبت نام در وبینار به لینک زیر مراجعه کنید:

b2n.ir/esemtspy

در این وبینار علاوه بر این موضوع، درباره #دوره_آموزشی «توسعه استراتژی‌های معاملاتی با تحلیلی داده دانشگاه شریف» نیز توضیحاتی ارائه خواهد شد. برای کسب اطلاعات بیشتر درباره این دوره آموزشی به لینک زیر مراجعه کنید:

b2n.ir/tspy


@dlearn_ir
@Majidi_Masoud

🔴 سه‌شنبه ۱۸ مهر پایان مهلت استفاده از تخفیف ۱۵% برای ثبت نام در دوره آموزشی آنلاین «توسعه استراتژی‌های معاملاتی با تحلیل داده؛ زیربنای پیاده‌سازی معاملات الگوریتمی در دانشگاه صنعتی شریف» است.

✅ اگر با پایتون آشنایی دارید و به شرکت در این دوره علاقه‌مندید این تخفیف را از دست ندهید.

📝 لینک معرفی دوره و درخواست پذیرش:
b2n.ir/tspy

@dlearn_ir