به آموزش رایگان یادگیری ماشین در معامله الگوریتمی با پایتون خوش آمدید! چرا رایگان؟ زیرا شما می‌توانید درس‌های این مجموعه را هم به صورت رایگان در شبکه‌های اجتماعی مدرس، با شناسه AsefyCom و هم با قیمت اندکی از وبسایت هم‌رویش دریافت کنید. مرجع اصلی این دوره کتاب Machine learning for algorithmic trading اثر Stefen Jansen (ویرایش دوم) است.
شما با خرید این بسته (که می‌توانستید رایگان هم ببینید) در واقع حامی ادامه تولید رایگان آن برای فراگیران کم‌بضاعت می‌شوید.
*توجه: این آموزش به تدریج کامل می‌شود. با یک مرتبه خرید، لینک درس‌های آینده به حساب شما افزوده خواهد شد.
آموزش ml4t از زبان مدرس:
پیش از این، آموزش یادگیری ماشین (+) رو به همین سبک (انتشار رایگان در شبکه اجتماعی و کم‌بها در هم‌رویش) آغاز کردم و حمایت‌ها بسیار خوب بود. چنان که مشتاق شدم دوره دیگه‌ای به همین سبک کار کنم و در صفحه تدریس در هم‌رویش (+) این امکان برای همه متقاضیان تدریس در هم‌رویش اضافه شد.
من دو انگیزه از این سبکِ آموزش دارم:
۱- اول این که آموزش رایگان باشه و نباشه! کسانی که نمی‌تونن خرید کنن رایگان ببینن و کسانی که می‌تونن با خرید آموزش به زیست هم‌رویش برای ادامه تولید رایگان کمک کنن.
۲- دوم اینکه بتونم راحت و خودمونی آموزش بدم! به جای ماهی دادن، شیوه ماهی‌گیری رو نشون بدم! یعنی به جای اینکه شما یه مدرس روبه‌روتون داشته باشین که درس میده تا یاد بگیرید، شما یه میزبان روبه‌روتون داشته باشین که پیش از شما کتاب رو خونده و با تجربه خودش داره کتاب رو روخوانی می‌کنه و توضیح میده. شما چشمتون کم کم به کتاب زبان اصلی و خودآموزی عادت می‌کنه. ابزارهای دنیای AI و IT در حال دگرگونی هستن و شما باید خودآموز بشید!
معامله الگوریتمی چیست؟
معامله الگوریتمی ترجمه عبارت Algorithmic Trading است که در گاهی الگوتریدینگ (Algo-trading) هم گفته می‌شود. در این روش، برای تحلیل بازار و ارسال سفارش‌ها از الگوریتم‌های کامپیوتری استفاده می‌شود که در یک نرم‌افزار (ربات معاملاتی) کدنویسی شده‌اند.
به این ترتیب نرم‌افزار به جای معامله‌گر با دریافت داده‌ها پیوسته بازار را پایش و در صورت یافتن سیگنال‌های مناسب معامله مطابق استراتژی کدنویسی‌شده، به معامله‌گر نوتیفیکیشن می‌فرستد یا اگر امکان معامله خودکار در آن کدنویسی شده باشد، خودش سفارش‌ها را باز می‌کند، مدیریت می‌کند و در موقع مناسب (طبق استراتژي و تنظیمات) می‌بندد. تفاوتی نمی‌کند که الگورتیم با چه زبانی کدنویسی شده باشد؛ اما معاملات الگوریتمی با پایتون و MQL5 و PineScript امروز از رایج‌ترین موارد هستند.
همان طور که می‌بینید معاملات الگوریتمی کار معامله‌گر را آسان و سریع می‌کنند. اما دقت کنید که نرم‌افزارها (ربات‌های معاملاتی) در این سبک از معامله فقط همان کاری را انجام می‌دهند که کدنویسی شده است. خودشان ابتکاری ندارند و نمی‌توانند از تجربه‌های قبلی چیزی یاد بگیرند و خودشان را بهتر کنند.
یادگیری ماشین چیست؟
یادگیری ماشین یا ماشین لرنینگ Machine Learning یکی از زمینه‌های پژوهشی در هوش مصنوعی است. هدف یادگیری ماشین به‌کارگیری و توسعه الگوریتم‌های آماری برای یادگیری داده‌های موجود و تعمیم آن به داده‌های جدید است؛ به گونه‌ای که ماشین‌ها بتوانند با دریافت داده‌ها و بدون برنامه‌نویسی صریح (without being explicitly programmed) تصمیم‌های تازه‌ای برای داده‌های جدید بگیرند.
چگونه از یادگیری ماشین در معاملات الگوریتمی استفاده کنیم؟
بر اساس دو تعریف بالا ما می‌توانیم در هنگام معاملات الگوریتمی، با استفاده از یادگیری ماشین به الگوریتم‌ها خلاقیت و یادگیری اضافه کنیم. برای نمونه به جای این که الگوریتمی کدنویسی کنیم که هر گاه شرایط یک استراتژی تکنیکال (Technical) یا پرایس اکشن (Price Action) یا هر استراتژی قطعی دیگر برقرار بود، خرید یا فروش خودکار انجام دهد، بیاییم ابتدا یک مدل یادگیری ماشین را با داده‌های بازار طوری آموزش دهیم که بتواند با دریافت داده‌های جدید قیمت فردای بازار را پیش‌بینی کند. بعد این مدل را در الگوریتم خود قرار دهیم و الگوریتمی بنویسیم که لحظه به لحظه داده‌های بازار را به این مدل بفرستد و بر اساس پیش‌بینی مدل اقدام به خرید یا فروش کند.
اما چگونه باید چنین مدلی برای پیش‌بینی قیمت یا روند بازار بسازیم؟ این سوالی است که ما در این دوره به آن می‌پردازیم. سوالی که پایتون و کتابخانه‌های آن جستجوی پاسخ آن را آسان و راه‌دست می‌کنند.
رفع ادعای سودآوری
این آموزش هیچ ادعایی ندارد و تضمینی نمی‌کند که می‌تواند روش‌هایی برای پیش‌بینی قطعی بازار و سودآوری ارائه کند. ما در این آموزش فقط یک روش برای کاربرد الگوریتم های یادگیری ماشین در معامله الگوریتمی معرفی می‌کنیم. روشی که ممکن است یک نفر برای شرایط و بازار معاملاتی خود آزمایش کند و جواب بگیرد و یک نفر خیر!
یادگیری ماشین در معامله یا هوش مصنوعی در معامله؟
هوش مصنوعی یک زمینه تحقیقاتی بسیار وسیع است و یادگیری ماشین یکی از زیرمجموعه‌های آن است. بنابراین ما نام این دوره را هوش مصنوعی در معاملات یا معامله با هوش مصنوعی نگذاشتیم تا علمی‌تر رفتار کرده باشیم. اگر چه چون یادگیری ماشین به هر حال هوشمندسازی محسوب می‌شود، می‌توان این دوره را آموزش معاملات هوشمند با پایتون نیز نامید.
ما در این بسته به بیان روش‌شناسی (methodology) استفاده از الگوریتم‌های یادگیری ماشین در معامله الگوریتمی می‌پردازیم. سپس این روش‌شناسی را با زبان برنامه نویسی پایتون و کتابخانه‌های آن مانند Scikit-learn و zipline و pyfolio و مانند آن‌ها اجرا و آزمایش می‌کنیم.
کتاب Machine Learning for Algorithmic Trading
مرجع اصلی این آموزش، کتاب یادگیری ماشین برای معامله الگوریتمی اثر استفن جنسِن (+) است. این کتاب در وبسایت آمازون میانگین نظرات خوبی دارد. همچنین با توجه به ارزیابی و تجربه مدرس، سرفصل مطالب آن در این زمینه کامل است.
سرفصل کتاب در یک نگاه در فیلم درس صفر در بالا مرور شده است. همچنین شما نیازی به تهیه کتاب ندارید، زیرا بخش اصلی متن و سورس‌کدهای کتاب به رایگان در مخزن گیت هاب آن موجود است.
آموزه‌های اصلی دوره
- یادگیری روش‌شناسی ML4T
- کار با داده‌های بازار، بنیادی و جایگزین
- آموزش zipline برای بک تست استراتژی
- آموزش pyfolio برای بهینه سازی پورتفولیو
- آموزش scikit-learn برای تعلیم مدل با پایتون
- درک مفهوم فاکتور آلفا (Alpha factor)
- کتابخانه ta-lib برای تولید فاکتور آلفا
- درک فرآیند آموزش مدل‌های ML
- تمرین مدلسازی ML با مدل‌های رگرسیون
- پیش بینی قیمت بازار با یادگیری ماشین
- بک تست با مدل ML تعلیم دیده
- آموزش مدل ML همزمان با بک تست
این آموزش بی‌نظیر است زیرا:
- مسیر شغلی تازه‌ای برای علاقه‌مندان IT و AI محسوب می‌شود.
- مفاهیم گفته شده با پایتون کدنویسی و آزمایش می‌شوند.
- مدرس دوره فناور برتر پارک علم و فناوری و پژوهشگر AI است.
- مدرس دوره هم‌بنیان‌گذار سودگاه (+) در زمینه الگوتریدینگ نیز هست.
- فضای دوره خودمانی است و خودآموزی را در شما تقویت می‌کند.
پیشنیاز
آموزش برنامه نویسی پایتون مقدماتی تا پیشرفته (+)
آشنایی با مبانی معامله و بازارهای سرمایه
کلیدواژگان
یادگیری ماشین در معامله الگوریتمی | آموزش معامله با یادگیری ماشین | معامله با یادگیری ماشین در پایتون | آموزش هوش مصنوعی در معاملات | معامله با هوش مصنوعی | معامله الگوریتمی با پایتون | دوره یادگیری ماشین برای معاملات الگوریتمی | دوره یادگیری ماشین در معامله با پایتون | آموزش زیپلاین | zipline | آموزش پایفولیو | pyfolio | داده بازار | market | داده بنیادی | fundamental | داده جایگزین | alternative | بک تست در معامله | پیش بینی بازار با یادگیری ماشین | پیش بینی قیمت سهام با هوش مصنوعی | آموزش scikit-learn برای ترید | یادگیری ماشین در الگوتریدینگ | هوش مصنوعی در ترید | ترید با پایتون | پایتون برای معامله گری با یادگیری ماشین | معاملات هوشمند با پایتون
alireza.jahanbakhsh1366 (خریدار محصول) –
سلام به شدت منتظر بقیه آموزش هستیم استاد
مصطفی آصفی –
سلام به شما. ممنونم از بازخوردتون. مستمر تو برنامه من هست. تو فاصله بین انتشار درس ها در حال تولید و ضبط هستم.
پی‌نوشت: این آموزش یادگیری ماشین (+) رو هم همزمان و مستمر پیش می برم چون تو این دوره به کارتون میاد. به این دلیله که سرعت تولید کمی پایینه.
محسن –
با سلام و احترام
من با زبان برنامه نویسی ام کیو ال اکسپرت نویسی می کنم . سئوال من این هست آیا ماشین لرنینگ و پایتون قابلیتی فرارت از زبان ام کیو ال دارد. تصور من این هست هر دو نهایتا با دیتای کندل ها بازار را تحلیل می کنند
مصطفی آصفی –
سلام وقت بخیر. به نظرم نیازه که شما پایتون رو هم کنار دستتون داشته باشین به دو دلیل:
۱- پایتون منحصر به یک بازار و یک نرم افزار نیست. و اگه زمانی بخواین تجربه بازار مالی خودتون رو فراتر از متاتریدر جایی اجرا کنید به کار میاد.
۲- پایتون برای اجرای تحلیل داده و هوش مصنوعی راه دست تر از mql5 هست. ساخت یک شبکه عصبی با پایتون و کتابخونه تنسورفلو با چند خط کد انجام میشه ولی با mql5 خیلی بیش از این ها نیازه.
شما می تونید کدهای اکسپرت هاتون برای متاتریدر رو به همون زبان mql5 تولید کنید و هر جا نیاز به تحلیل داده یا یادگیری ماشین شد از پایتون به عنوان مکمل استفاده کنید.
پی‌نوشت: این آموزش اتصال متاتریدر به پایتون با سوکت (+) و این آموزش پایتون در متاتریدر (+) رو پیشنهاد می کنم بررسی کنید.