- آشنایی با کتابخانه های با اهمیت در معاملات الگوریتمی (pandas, matplotlib,statsmodels, TaLib, NumPy, SciPy)
- آشنایی با پلتفر های محبوب معاملات الگوریتمی
درس دوم: مدیریت و پیش پردازش داده ها
- فراخوانی داده از پایگاه های داده معتبر (کار با APIها) در بورس ایران و بازارهای جهانی
- پالایش و پیش پردازش داده ها (محاسبات بازده، حذف نویز، تحلیل همبستگی و …)
- ترسیم انواعنمودارهای مفید ( سری زمانی، پراکندگی، نمودار شمعی و…)
- وب اسکراپینگ (Web Scraping)
درس سوم: آشنایی با انواع استراتژی های معاملاتی الگوریتم
- استراتژی های معاملاتی مبتنی بر تحلیل تکنیکال
- استراتژی های معاملاتی مبتنی بر همبستگی خطی
- استراتژی های معاملاتی مبتنی برفیلترنویسی
- استراتژی های معاملاتی مبتنی بر یادگیری ماشین (شبکه عصبی مصنوعی، clustering)
درس چهارم: بررسی کارایی استراتژی ها (Startegy Testing)
- گرفتن بک تست (Back testing) برای بررسی میزان موفقیت الگوریتم
- برنامه نویسی شی گرا برای گرفتن بک تست
- فروارد تستینگ ( Forward Testing) برای بررسی میزان موفقیت الگوریتم ها
- بررسی کارایی الگوریتم به صورت زنده ( Live Testing) در معاملات آنلاین