
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
معاملهگری الگوریتمی که زمانی فقط در اختیار بازیگران سازمانی و بزرگ بود، امروز برای شرکتهای کوچک و معاملهگران انفرادی هم قابل دسترس است؛ آن هم از طریق پلتفرمهای آنلاین. ابزار مورد انتخاب بسیاری از معاملهگران در روزگار ما، پایتون و اکوسیستم قدرتمندِ بستههای آن است. در این کتاب کاربردی، یوز هیلپیشچ به دانشجویان، پژوهشگران و فعالان حرفهای نشان میدهد چگونه از پایتون در حوزه جذاب معاملهگری الگوریتمی استفاده کنند.
در این مسیر، چندین روش مختلف را یاد میگیرید که بتوانید پایتون را در جنبههای گوناگون معاملهگری الگوریتمی به کار ببرید؛ از جمله بکتستکردنِ استراتژیهای معاملاتی و تعامل با پلتفرمهای معاملاتی آنلاین. بسیاری از بزرگترین مؤسسههای فعال در سمت خرید و فروش، استفاده سنگینی از پایتون دارند. این کتاب با بررسی راههایی برای ساخت نظاممند و استقرار استراتژیهای معاملاتی الگوریتمیِ خودکار، به شما کمک میکند زمین بازی را برایتان هموارتر کند.
• راهاندازی یک محیط مناسب پایتون برای معاملهگری الگوریتمی
• یادگیری شیوه دریافت دادههای مالی از منابع داده عمومی و اختصاصی
• بررسی بردارسازی (vectorization) برای تحلیلهای مالی با NumPy و pandas
• تسلط بر بکتستبردارانهِ (vectorized) استراتژیهای مختلف معاملهگری الگوریتمی
• تولید پیشبینیهای بازار با استفاده از یادگیری ماشین و یادگیری عمیق
• پرداختن به پردازش بلادرنگ دادههای جریانی با ابزارهای برنامهنویسی سوکت
• پیادهسازی استراتژیهای خودکار معاملهگری الگوریتمی با پلتفرمهای معاملاتی OANDA و FXCM
Algorithmic trading, once the exclusive domain of institutional players, is now open to small organizations and individual traders using online platforms. The tool of choice for many traders today is Python and its ecosystem of powerful packages. In this practical book, author Yves Hilpisch shows students, academics, and practitioners how to use Python in the fascinating field of algorithmic trading.You'll learn several ways to apply Python to different aspects of algorithmic trading, such as backtesting trading strategies and interacting with online trading platforms. Some of the biggest buy- and sell-side institutions make heavy use of Python. By exploring options for systematically building and deploying automated algorithmic trading strategies, this book will help you level the playing field.• Set up a proper Python environment for algorithmic trading• Learn how to retrieve financial data from public and proprietary data sources• Explore vectorization for financial analytics with NumPy and pandas• Master vectorized backtesting of different algorithmic trading strategies• Generate market predictions by using machine learning and deep learning• Tackle real-time processing of streaming data with socket programming tools• Implement automated algorithmic trading strategies with the OANDA and FXCM trading platforms