00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 13 جلسه نمونه از دوره
  • دسترسی به 13 جلسه نمونه از دوره
  • اضافه شدن دوره به پروفایل
دسترسی کامل به محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوای دوره
399,000 تومان
امکان پرداخت ارزی ‎
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش دوره جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

دوره‌های مکتب‌پلاس
25 ساعت
98٪ (199 رای)

امروزه افراد بسیاری علاقه‌مند به سرمایه‌گذاری در بازارهای بورس, فارکس و ارزهای دیجیتال هستند. اما روش‌های نوین و بهینه آغاز فعالیت در این بازار را نمی‌دانند.  ربات معامله‌گر خودکار یا الگوریتمی یکی از روش‌های معاملاتی جدید است که در بازارهای سرمایه‌ای جهان رونق زیادی یافته است. روشی جدید که طبق آمار 75 درصد معاملات امروز بازارهای مالی, بر طبق آن است. یکی از این مزایا نیز ربات معاملات خودکار، استفاده از روش‌های هوشمند و نوین است. مدتی است که هوش مصنوعی در بورسهای به صورت گسترده مورد استفاده قرار می‌گیرد. شرکت‌های بزرگی در جهان، که به عنوان غول‌های معاملات الگوریتمی شناخته می شوند. شرکت‌های زیر:

,Bridgewater associates (155 B$), AQR Capital Management (78 B$),AQR Capital Management (78 B$)

Renaissance Technologies (80 B$), Two Sigma investment (53 B$))

شرکت‌هایی هستند که با سرمایه‌های ذکر شده به‌صورت عظیم در حوزه معاملات الگوریتمی فعالیت می‌کنند. این شرکت‌های بزرگ معتقد هستند که با استفاده از روش ربات‌های معامله‌گری الگوریتمی می‌توان ساده‌تر از پیش اقدام به فعالیت‌های سرمایه‌گذاری در بازارهای مالی نمود. پس ابتدا باید بدانیم معاملاتی که به‌صورت الگوریتمی باهوش مصنوعی هستند، در اصل چگونه کار می‌کنند.

هر نوع معامله‌ای که از طریق الگوریتم‌های خاص و استراتژی‌های مختلف صورت پذیرد، معاملات الگوریتمی نامیده می‌شود. به عنوان مثال ، زمانی که قیمت یک سهام و ارز فارکس یا کریپتو به اعداد خاصی می رسد، دستور خرید و فروش سهام به صورت خودکار صادر می‌شود. اما آیا می‌توان گفت ربات معاملات الگوریتمی تنها به همین عملکرد محدود است؟ پاسخ منفی است. تمامی الگوریتم هایی که میزان سود و ضرر یک معامله را بیان می نماید، در ابتدای طیف استفاده از الگوریتم ها، در اصل ساده و پایه ای می باشد. به این صورت که در بخشی دیگر از انجام معاملات، نوعی استراتژی معاملاتی  استفاده می کند که بدون نیاز به دخالت انسان می تواند تمامی موارد خرید و فروش سهام را بررسی، ارزیابی، و تحلیل نماید. سپس با انتخاب سبد سهام، و تخصیص دارایی مورد نیاز، اقدام به خرید سهام نماید.

در معاملات الگوریتمی احساسات وجود ندارد. به این معنا که اصلی‌ترین نقطه‌ضعف انسان‌ها در معامله‌گری که همان احساسی شدن در زمان خریدوفروش است را پوشش می‌دهد؛ لذا ربات معامله‌گر با دستورات دریافتی عمل می‌کند و دچار خطای انسانی نمی‌گردد. ربات‌های معامله‌گر خودکار دارای خاصیت بررسی چند صد دارایی مالی به‌صورت هم‌زمان هستند که محدودیت چشمگیر انسان در این حوزه را پوشش می‌دهند. همچنین از مزایای این ربات‌های معامله‌گر آزمایش هزاران استراتژی مختلف معامله‌گری و انتخاب بهترین استراتژی با بیشترین سود و کمترین ریسک است. کاری که برای انسان سال‌ها  زمان می‌برد.

یکی از ابعاد موجود در الگوریتم‌های معاملات خودکار برنامه‌ای برای دریافت داده‌ها است. در سیستم‌های مالی از این نرم‌افزار، برای خواندن قیمت‌ها استفاده می‌شود که در این دوره از دیتابیس‌های مالی معتبر استفاده می‌گردد. ازاین‌رو باید در ربات معاملات خودکار این برنامه را به پایگاه‌داده بازار متصل نماییم. از سوی دیگر ممکن است لازم به استفاده از برنامه‌ای پیچیده‌تر، جهت رصد هم‌زمان قیمت‌های بازار نیز احساس گردد. اجرای دستور معامله در ربات معاملات خودکار از جمله بخش‌های پیچیده دیگری به شمار می‌رود که لازم است در مورد آن اطلاعات بالایی داشته باشید که در این دوره به شما آموزش داده می‌شود. این بخش به‌شدت نیاز به برقراری روش‌های ارتباطی با کارگزاری و بازار دارد. از دیگر فعالیت‌هایی که در این بخش صورت می‌پذیرد، رهگیری معامله و مدیریت ارتباطات است. بدون شک برای کارکردن با چنین حجم بالایی از داده‌ها، نیاز به ابزاری در معاملات خودکار احساس می‌شود که قادر باشد داده‌ها را کنترل نماید. علاوه‌برآن قادر باشد در زمان لازم سرعت آنها را خوانده و اطلاعات جدید را به‌سرعت ذخیره نماید که در این دوره از متد‌های مختلفی برای این امر بهره گرفته می‌شود. همچنین از مدیریت ریسک نباید غافل شد. استفاده از ابزارهای مدیریت ریسک در ربات معاملات خودکار، می‌تواند به محاسبه اندازه و حجم سهام، ابزارهایی برای بررسی عملکرد و رفتار سیستم، میزان سرمایه و … اشاره نماید. وجود این برنامه‌ها در سیستم‌های الگو تریدینگ لازم و ضروری است که این مورد نیز به‌صورت کامل شرح داده  می‌شود

معاملات الگوریتمی برای انجام درست و کامل استراتژی مشخص‌شده‌شان ۴ وظیفه به عهده دارند:

1- بر اساس استراتژی تعریف شده در برنامه‌ریزی‌شان، بازار را کامل رصد کرده و سهام و محصولات مختلف را بررسی کنند، تا فرصت‌های معاملاتی را به‌موقع و درست تشخیص دهند.

2- در مرحله‌ی بعد پوزیشن‌گیری کنند.

3- پوزیشن‌های بازشده را مدیریت کنند.

4- در فرایند معامله (باتوجه‌به دستورالعمل‌های تعریف‌شده‌شان) مدیریت ریسک و سرمایه‌‌گذاری را بر عهده بگیرند.

در این دوره ابتدا به بررسی جامع از معاملات الگوریتمی و روش‌های موجود پرداخته می‌شود. در مرحله بعد استراتژی‌های مختلف معاملاتی طراحی شده و این استراتژی‌ها را با استفاده از پایتون به زبان ماشین نگارش می‌کنیم. در مرحله بعد استراتژی‌ها تست و بهینه می‌شوند. در مرحله بعد معاملات خودکار را بر روی داده‌های تاریخی انجام می‌دهیم تا بدانیم که استراتژی مورد بررسی, اگر درگذشته مورداستفاده قرار می‌گرفت چه عملکردی از خود نشان می‌داد و در مرحله آخر ربات معامله‌گر خودکار را به‌صورت زنده آزمایش می‌کنیم و عملکرد آن را مورد ارزیابی قرار می‌دهیم. در آخرین مرحله به‌صورت زنده در بازار فارکس با پول واقعی معاملات ربات را انجام می‌دهیم و عملکرد ربات را مشاهده می‌کنیم.

در این دوره دانشجویان تمامی مراحل را از ابتدا تا پایان به‌صورت دقیق آموزش خواهند دید و برای کسانی هم که دانش اندکی از پایتون یا مفاهیم مالی دارند مناسب است. مهارت‌هایی که دانشجویان در این دوره به آن دست پیدا می‌کنند:

  • کدنویسی در پایتون و در محیط jupyter notebook
  • طراحی استراتژی با پایتون
  • ساخت ربات معامله‌گر 
  • توانایی طراحی کلاس‌های مختلف و آشنایی با برنامه‌ریزی شیءگرا
  • آشنایی با استراتژی‌های معامله‌گری با استفاده از ماشین لرنینگ

سرفصل‌های دوره آموزش دوره جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

تجزیه‌وتحلیل TCA
00:53 ساعت
00:53
Combined Shape Created with Sketch. 6 جلسه
نمایش جلسات فصل  

در این فصل راجع به تجزیه‌وتحلیل هزینه‌های معاملاتی مختلف می‌پردازیم و یک هزینه معامله را به‌صورت اجزا ریزتر تجزیه کرده و توضیحات لازم ارائه می‌شود.

معرفی هزینه‌های معاملاتی
"12:58
طبقه‌بندی هزینه‌های معاملاتی
"05:35
تجزیه‌وتحلیل TCA
"03:44
مقایسه الگوریتم‌های مختلف معاملاتی
"07:43
مدل‌های MARKET IMPACT
"16:49
استراتژی‌های معاملاتی
"06:51
روش‌های نوین Algorithmic Trading
00:34 ساعت
00:34
Combined Shape Created with Sketch. 4 جلسه
نمایش جلسات فصل  
تجزیه‌وتحلیل داده‌های مالی
01:14 ساعت
01:14
Combined Shape Created with Sketch. 7 جلسه
نمایش جلسات فصل  
برنامه‌نویسی شیءگرا (Object Oriented Programming (OOP))
00:55 ساعت
00:55
Combined Shape Created with Sketch. 5 جلسه
نمایش جلسات فصل  
طراحی استراتژی معاملات خودکار (الگوریتمی)
09:37 ساعت
09:37
Combined Shape Created with Sketch. 38 جلسه
نمایش جلسات فصل  

در این فصل استراتژی‌های مختلف معاملاتی را به‌صورت کلاس‌های مختلفی طراحی کرده و تمامی متدهای حرفه‌ای برای خروجی گرفتن از استراتژی و بهینه‌کردن استراتژی به این کلاس‌ها افزوده می‌شود.

استراتژی معاملاتی مبتنی بر SMA
"17:10
نتیجه استراتژی Crossover با استفاده از دو SMA
"09:15
ساخت تابع اجرایی استراتژی Crossover
"16:19
یافتن بهینه‌ترین استراتژی Crossover با استفاده از Product
"07:00
OOP برای استراتژی Crossover با SMA
"23:50
افزودن ()Test_Strategy به SMAclass
"11:27
افزودن تابع ()Plot_Results به SMAclass
"10:55
یافتن بهینه‌ترین استراتژی Crossover با استفاده از تابع ()Optimize_Parameters
"23:06
استراتژی معاملاتی مبتنی بر Bollinger Band
"17:14
پوزیشن گیری با Bollinger Band
"14:29
پیاده‌سازی استراتژی Bollinger Band
"15:44
OOP برای استراتژی Bollinger Band
"15:09
افزودن هزینه معاملاتی (transaction cost) به کلاس ()Bollinger
"12:40
یافتن بهینه‌ترین استراتژی Bollinger Band
"18:39
عملکرد کلاس ساخته شده ()Bollinger
"18:17
رگرسیون خطی (Linear Regression)
"16:19
رگرسیون غیرخطی (Non-Linear)
"12:43
استراتژی معاملاتی استفاده از مدل یادگیری ماشین Linear Regression
"18:07
استراتژی معاملاتی استفاده از مدل یادگیری ماشین رگرسیون None-Linear Regression
"11:10
عملکرد استراتژی معاملاتی رگرسیونی
"11:22
مبحث Train داده‌ها و Test آن‌ها در آینده
"10:19
رگرسیون لجستیک (Logistic Regression)
"17:24
طراحی استراتژی معاملاتی استفاده از مدل Logistic Regression
"15:37
پیاده‌سازی استراتژی Logistic Regression
"08:02
OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression _ بخش اول
"13:25
OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression _ بخش دوم
"28:45
OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression بخش سوم
"06:12
تست عملکرد کلاس مبتنی بر مدل Logistic Regression
"12:30
مطالب پیشرفته در هنگام طراحی استراتژی
"18:33
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش اول
"18:33
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش دوم
"24:16
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش سوم
"24:16
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش چهارم
"10:01
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش پنجم
"13:20
طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش ششم
"08:02
طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش اول
"09:09
طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش دوم
"16:12
طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش سوم
"21:44
طراحی سیستم معامله‌گر خودکار در صرافی FXCM
03:05 ساعت
03:05
Combined Shape Created with Sketch. 13 جلسه
نمایش جلسات فصل  

در این فصل سیستم معامله‌گر خودکار را در صرافی FXCM طراحی کرده و آن را به صرافی وصل کرده و معاملات زنده انجام می‌گیرد و میزان سود و گزارش‌دهی مرتب استراتژی‌ها را کدنویسی می‌کنیم.

مرور کتابخانه پایتون صرافی FXCM
"11:09
استریم حرفه‌ای داده‌ها و ذخیره‌سازی از صرافی
"06:48
متد Resample برای داده‌های لایو صرافی
"08:33
طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش اول
"16:10
طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش دوم
"07:52
طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش سوم
"17:24
طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش چهارم
"08:22
واردکردن استراتژی معاملاتی به کلاس معامله‌گر خودکار
"15:37
افزودن دستور Order_Trade برای اجرای لایو پوزیشن‌ها در صرافی
"24:35
افزودن تابع گزارش‌دهی معاملات (Report_Trade) به کلاس معامله‌گر خودکار
"23:03
طراحی Class برای استراتژی کراس اور(Crossover) معامله‌گر خودکار SMAtrader
"16:43
طراحی Class برای استراتژی باند بولینگر معامله‌گر خودکار Bollingertrader
"12:45
طراحی Class برای استراتژی ماشین لرنینگ رگرسیون لجستیک (Logistic Regression)
"16:55
طراحی سیستم معامله‌گر خودکار در صرافی Oanda
01:57 ساعت
01:57
Combined Shape Created with Sketch. 8 جلسه
نمایش جلسات فصل  
استاد دوره
سجاد جمالیان سجاد جمالیان

سجاد جمالیان، دانش‌آموخته کارشناسی ارشد مهندسی مالی از دانشگاه تربیت‌مدرس، رتبه 70 ارشد مهندسی مالی و رتبه 11 دکتری مالی است و چندین مقاله ISI را توانسته اند منتشر نمایند. ایشان متخصص در حوزه‌های معاملات الگوریتمی در پایتون، ماشین لرنینگ، تحلیل داده‌های مالی و غیره هستند.
آقای جمالیان با 8 سال سابقه در بازار بورس اوراق بهادار تهران، معامله‌گر ارزهای دیجیتال و مدرس در سایت‌های آموزشی مختلفی نظیر مکتب‌خونه هستند.

درباره برگزارکننده
مکتب‌خونه مکتب‌خونه

پیش‌نیاز‌های دوره آموزش دوره جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

آشنایی با پایتون مقدماتی و مفاهیم مالی

آموزش پایتون مقدماتی
اطلاعات بیشتر

نظرات  (2 نظر)

علیرضا
09:34 - 1401/09/07
دانشجوی دوره
سلام، دوره خوبی هست، حلقه واصل بین بازارهای مالی و داده کاوی هست و میتونه دید و سرنخ های خوبی به تریدرها بده.
مهرداد
21:46 - 1401/09/03
دانشجوی دوره
درود برشما دوستان عزیز این دوره به نظر بنده که چندین سال تجربه ترید دارم به هیچ وجه مناسب تریدها نیست دوره به شدت ضعیف است