برنامه نویسی به زبان پایتون با رویکرد معاملات الگوریتمی در بازارهای مالی

درس یکم: مقدمه‌ای بر پایتون

• تاریخچه پایتون
• ویژگی‌های پایتون
• نسخه‌های پایتون
• کاربردهای پایتون
• نصب پایتون
• محیط‌های توسعه پایتون

درس دوم: ساختار یک برنامه در پایتون

• اجزای یک برنامه ساده
• متغیرها
• انواع داده‌ها
• عملگرها
• تقدّم عملگرها
• ساختار داده
• تبدیل نوع
• دستور چاپ

درس سوم: ساختارهای تصمیم

• دستورهای شرطی
• حلقه‌ها
• دستورهای کنترلی در حلقه

درس چهارم: تابع

• • تابع چیست؟
  • انواع تابع
  • توابع سفارشی
  • توابع بازگشتی
  • دامنه و طول عمر متغیرها
  • توابع بی‌نام
  • تابع lambda
  • تست تابع

درس پنجم: فایل

• بازکردن فایل
• حالت‌های مختلف باز کردن یک فایل
• خواندن فایل
• استفاده از حلقه برای خواندن محتویات فایل
• بستن فایل
• نوشتن در فایل
• اضافه کردن به انتهای فایل
• حذف فایل
• انواع فایل

درس ششم: مطالعه آزاد

• توابع ریاضی
• پشته
• صف
• Virtual Environments
• ماژول OS
• Jupyter notebook
• ایجاد یک خروجی گرافیکی
• بهترین منابع یادگیری پایتون

درس یکم: شی‌گرایی

• مفهوم شی‌گرایی
• چهار اصل برنامه نویسی شی‌گراء
• اشیاء در پایتون
• ساختار کلاس در پایتون
• متد
• توابع جایگزین متد کلاس
• صفت‌های داخلی کلاس
• ارث‌بری
• چندریختی
• کلاس‌های انتزاعی
• تخریب اشیاء

درس دوم: کار با بانک اطلاعاتی

• بانک‌های اطلاعاتی
• مزایای استفاده از بانک اطلاعاتی
• انواع بانک اطلاعاتی
• مفاهیم پایه‌ای بانک‌های اطلاعاتی
• Sql چیست؟
• Delete
• بانک اطلاعاتی Access
• بانک اطلاعاتی Mysql

درس سوم: تاریخ و زمان

• کار با تاریخ و زمان
• دریافت زمان فعلی سیستم
• زمان فعلی همراه با تاریخ امروز
• تبدیل ثانیه به ساعت و تاریخ روز
• تبدیل زمان و تاریخ خاص به ثانیه
• چاپ زمان با فرمت خاص
• تبدیل زمان با فرمت به ثانیه
• ایجاد وقفه در اجرای برنامه با تابع sleep
• تعریف delay تصادفی در پایتون
• چگونه عملی را در زمان‌های مشخصی انجام دهیم؟
• راهکار ذخیره زمان در برنامه‌نویسی

درس چهارم: مطالعه آزاد

• فیلتر کردن مقادیر در پایتون با تابع filter
• چگونه فایل‌های خود را به فایل اجرایی در ویندوز تبدیل کنیم؟

درس اول: کتابخانه Numpy

• معرفی و لزوم یادگیری Numpy
• نصب Numpy
• فراخوانی Numpy
• آرایه در Numpy
• مقداردهی اولیه آرایه
• Attribute های numpy Array
• توابع در Numpy
• ایندکس در آرایه
• اعمال ریاضی در Numpy
• ترانهاده ماتریس
• broadcasting
• رگرسیون
• کوواریانس
• همبستگی
• کار با مقادیر از دست رفته در پایتون
• کار با مقادیر از دست رفته در ماژول Numpy
• توابع با درجه‌های مختلف و چند جمله‌ای‌ها

درس دوم: رسم نمودار در پایتون

• رسم نمودار در پایتون بوسیله Matplotlib
• ایجاد تجسم خطی با Matplotlib
• قالب‌بندی طرح خود
• رسم ۲ نمودار در ۲ صفحه جداگانه
• رسم ۲ نمودار در یک صفحه
• تغییر جهت لیبل نمودار x ها
• رسم انواع نمودار

درس سوم: کتابخانه Pandas

• ساختار داده‌ای Pandas

درس چهارم: مطالعه آزاد

• نمایش نمودارهای تعاملی در Jupyter
• دکوراتورها
• مستهلک کردن وام و محاسبه اصل و سود پول در پرداخت اقساط
• جدول ضرب در پانداس
• توابع با درجه‌های مختلف و چند جمله‌ای‌ها

درس اول: معاملات الگوریتمی

• تاریخچه معاملات الگوریتمی
• تعاریف معاملات الگوریتمی و معاملات پربسامد
• مزایا و معایب معاملات الگوریتمی
• قوانین و مقررات معاملات الگوریتمی و معاملات پربسامد
• ریسک‌های معاملات الگوریتمی و معاملات پربسامد برای بازار
• معاملات الگوریتمی در چه شرایطی مناسب نیست؟

درس دوم: دریافت داده‌های مالی

• سهام ایران
• سهام بین‌المللی
• بازارهای ارز
• بازار رمز‌ارزها

درس سوم: نمایش داده‌ها در پایتون

• رسم انواع نمودار
• ترسیم خط روند
• اندیکاتورها

درس چهارم: پیاده‌سازی استراتژی

درس پنجم: back test

درس ششم: Optimization

درس هفتم: مطالعه آزاد

• چگونه نرخ بازده ساده و لگاریتمی را برای داده‌های تعدیل شده محاسبه کنیم؟
• آشنایی با مدل ARMA
• بازی جفت تاس