×
ribbon

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

مدرس:

سجاد جمالیان

امروزه افراد بسیاری علاقه مند به سرمایه گذاری در بازارهای بورس, فارکس و ارزهای دیجیتال هستند. اما روش... بیشتر
گواهی‌نامه
4 (55)
31 دیدگاه
4,642دانشجو
28ساعت
سرفصل‌ها
متوسط سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

آشنایی با مفاهیم معاملات الگوریتمی

کدنویسی استراتژی‌های معاملاتی

طراحی ربات معامله‌گر خودکار در پایتون

اتصال صرافی‌های مختلف و متاتریدر به پایتون

این دوره شامل:

28 ساعت ویدئو

1 جلسه متنی

1 فایل ضمیمه قابل دانلود

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

11 فصل140 جلسه28 ساعت ویدیو
معاملات خودکار (الگوریتمی)
  آنچه در این دوره خواهید آموخت
09:16
  معرفی معاملات خودکار (الگوریتمی)
14:14
  مزایای معاملات الگوریتمی
07:45
  معایب معاملات الگوریتمی
09:08
  Investment Cycle (چرخه سرمایه‌گذاری)
07:11
  طبقه‌بندی الگوریتم‌های معاملاتی بر اساس "اهداف"
15:43
  طبقه‌بندی الگوریتمی‌های معاملاتی بر اساس "عملکرد"
06:27
  انواع الگوریتم‌های معاملاتی _ بخش اول
13:12
  انواع الگوریتم‌های معاملاتی _ بخش دوم
15:46
  الگوریتم‌های سیگنال یاب
05:57
  TRADING VENUE CLASSIFICATION
06:52
  فایل‌های مورد نیاز دوره
00:03
تجزیه‌وتحلیل TCA
  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
  ارتقای استراتژی معاملات زوجی با استفاده از یادگیری ماشین
14:04
  معاملات زوجی با استفاده از Hurst Exponent
07:57
  یکپارچه‌سازی آنالیز مؤلفه‌های اصلی و ماشین بردار پشتیبان وزنی برای پیش‌بینی سیگنال‌های معاملات سهام
07:16
  Grid Trading System Robot (GTSbot)
04:52
هرآنچه از پایتون نیاز داریم
  نصب پایتون و Jupyter Notebook
07:15
  عملیات محاسباتی در پایتون
14:02
  List and Loops
17:24
  انواع مختلف داده‌ها و برش لیست‌ها _ بخش اول
08:47
  انواع مختلف داده‌ها و برش لیست‌ها _ بخش دوم
20:46
  حالات شرطی و حلقه While
16:02
  توابع (Functions)
11:33
  کتابخانه Numpy
12:38
  متدهای کتابخانه Numpy
16:09
  آرایه‌های چندبعدی
08:12
  کتابخانه Pandas برای داده‌های جدولی _ بخش اول
18:21
  کتابخانه Pandas برای داده‌های جدولی _ بخش دوم
19:34
  کتابخانه Pandas برای داده‌های جدولی _ بخش سوم
17:46
  مصورسازی داده‌ها با Matplotlib _ بخش اول
12:35
  مصورسازی داده‌ها با Seaborn
14:01
  مطالب پیشرفته Pandas
18:52
استفاده از API صرافی‌ها
  ثبت‌نام در صرافی FXCM
09:11
  دریافت API از صرافی FXCM
03:07
  اتصال پایتون به صرافی FXCM
06:39
  رفع مشکل در اتصال به API صرافی FXCM
02:33
  دریافت داده‌های تاریخی Forex
08:52
  دریافت داده‌های زنده‌ی بازار از صرافی
08:46
  سفارش‌گذاری و خریدوفروش از صرافی FXCM در پایتون
10:09
  ثبت‌نام در صرافی OANDA و دریافت API
07:49
  اتصال پایتون به صرافی OANDA
05:49
  دریافت داده‌های تاریخی از صرافی OANDA
08:32
  دریافت داده‌های لایو بازار از صرافی OANDA
11:16
تجزیه‌وتحلیل داده‌های مالی
  کار با سری‌های زمانی و مرتب کردن آنها
09:46
  متد Resample
09:39
  دریافت داده‌های از دیتا سورس Yfinance
08:19
  تجزیه‌وتحلیل و مصورسازی داده‌ها
09:25
  متد ()Shift و بازده‌های درصدی
08:41
  طراحی SMA در پایتون
14:24
  برخی متدهای پیشرفته زمانی
14:31
برنامه‌نویسی شیءگرا (Object Oriented Programming (OOP))
  ساخت Class مالی به نام Forex
14:09
  ورود تابع Plot به Class Forex
13:15
  تعریف متد Set_Ticker به Class
07:58
  اضافه‌کردن متدهای بازدهی و ریسک به Class
14:52
  توضیحات Class به‌صورت Docstring
05:09
طراحی استراتژی معاملات خودکار (الگوریتمی)
  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
  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
  مرور کتابخانه پایتون صرافی OANDA
10:43
  استریم حرفه‌ای داده‌های لایو از صرافی OANDA و ذخیره‌سازی
17:08
  طراحی کلاس معامله‌گر خودکار Contrader _ بخش اول
21:05
  طراحی کلاس معامله‌گر خودکار Contrader _ بخش دوم
15:25
  طراحی کلاس معامله‌گر خودکار Contrader _ بخش سوم
06:16
  افزودن استراتژی به کلاس معامله‌گر خودکار
09:59
  افزودن تابع اجرای لایو سفارشات در صرافی و تابع گزارش‌دهی حرفه‌ای معاملات لایو
22:45
  آنالیز بازار و کلام آخر
14:10

پیش‌نیاز‌ها

آشنایی با پایتون مقدماتی و مفاهیم مالی

توضیحات دوره

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

همچنین در مکتب خونه انواع دوره آموزش ارزهای دیجیتال و آموزش برنامه نویسی به عنوان مکمل و پیش نیاز این دوره موجود است.

دیدگاه کاربران

4

بر اساس امتیاز 55 دانشجو

1
2
3
4
5

علی نمازی کلش

17 روز پیش

5

عالی بود سپاس از شما

مهدی وکیلی

5 ماه پیش

5

به صورت کلی دوره ی خوبیه ولی اصلا بدرد مبتدی ها نمیخوره بنطره من برای شروع یک کوچولو برید با پایتون کار بکنید استاد خودش توضیح میده اما خیلی سریع میگه و شاید چیزی متوجه نشید و نکته دیگه اینکه برید یک کوچولو هم در مورد اصطلاخات فارکس و بازار های مالی تحقیق کنید که در طول دوره به مشکل نخورید خوبه ولی به شرط داشتن چیز هایی که گفتم و تکرار و تمرین زیاد و اجرای اونها و از لحاظ کاربردی بودن 3 فصل اول بیشتر تیوری هستش و خیلی به کارتون نمیاد ولی از فصل 3 به بعد خیلی قشنگ میشه و بیشتر مطالبی که میگه رو میتونید استفادش رو در طول دوره ببینید

منوچهر خدابنده لو

10 ماه پیش

5

عالی

امیررضا شیری زاده

11 ماه پیش

5

مرسی

دانشجوی دوره

1 سال پیش

5

واقعا دوره خوبیه. قبل از این دوره باید با تحلیل تکنیکال و زبان پایتون آشنایی داشته باشید. اینکه یک فصل در رابطه با متاتریدر هم اضافه کردن دوره را تکمیل کرده. واقعا دستشون درد نکنه آقای جمالیان.به من در طراحی ربات ها خیلی کمک کرد و سرعت ورود به بازار ربات های معامله گر را برای من خیلی بیشتر کرد. فقط در نظر داشته باشید که حتما پس از هر بخش، به صورت عملی تمرین انجام دهید برای خودتان. یک نقد هم دارم: اوایل دوره خیلی مباحث تئوری زیاد و خارج از حوصله گفتن. خیلی هاش رو میشه حذف کرد. به نظرم اگر خواستید دوره را شروع کنید قسمت های تئوری اولش را نبینید و یکدفعه برید سر اصل ماجرا (یعنی از فصل «هر آنچه از پایتون نیاز داریم» اگر پایتون هم مسلط هستید که برید از فصل بعدیش). قبل از خرید دوره خیلی جاها تحقیق کردم که کدام دوره آنلاین رو بگذرونم، بیشتر هم مساله زمان برام اهمیت داشت، که نکنه وقت بذارم دوره را بگذرونم اما فایده نداشته باشه. سر آخر بین یه دوره توی فرادرس و این دوره مکتب خونه با توجه به نظر کاربران و سرفصل ها، این دوره آقای جمالیان را انتخاب کردم. طولانی شد، خواستم تا شخص دیگری که شرایط من رو داشت، راحت تر بتونه تصمیم گیری کنه.

محمد رحمانی منش

1 سال پیش

5

تا الان ۳۲ درصد دوره رو گذروندم...تا اینجای کار آموزش رو قوی می بینم.(نکته برداری و تهیه یه جزوه برای خودت خیلی به یادگیری کمک میکنه).البته با یکبار دیدن همه مطالب رو نمیتونی یاد بگیری...

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
6دوره
6,577دانشجو
122نظر و امتیاز

مهندس سجاد جمالیان رتبه یک کشور و دانشجوی دکتری تخصصی مالی در دانشگاه تهران و دارای مدرک کارشناسی ارشد مهندسی مالی از دانشگاه تربیت مدرس تهران هستند. ایشان تحلیلگر یکی از کارگزاری‌های رده الف بورس اوراق بهادار بوده‌اند وهم اکنون به عنوان تحلیلگر ارشد مالی و متخصص هوش مصنوعی یکی از بزرگترین هلدینگ‌های ایران مشغول به کار هستند. حیطه تخصص ایشان درتحلیل داده، معاملات الگوریتمی، ریسک، ماشین لرنینگ و دیپ لرنینگ در بازارهای مالی و بیزنس‌ها است.

دوره‌های مشابه

دیگر دوره‌های سجاد جمالیان

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.