علت و تبعات منفی توقف معاملات الگوریتمی / معرفی ارباب حلقههای بورس تهران!
نماد برتر-کارشناس مالی با اشاره به عامل دستور توقف معاملات الگوریتمی در بورس و معرفی ارباب حلقهها و فیل سفید ، اعلام کرد: در برداشت از معاملات الگوریتمی اشتباه صورت گرفته و زمان بهترین داور خواهد بود.
به گزارش نماد برتر ، میلا د خوشزبان کارشناس ارشد مالی درباره چند و چوون معاملات الگوریتمی در بازار سرمایه ایران که چندی پیش توسط بورس تهران ، ممنوع شد ، اعلام کرد : مدتی است فعالان بازار به دنبال مقصر ریزش اخیر میگردند و گویی دعواها در این زمینه تمامی ندارد و هر روز یک عامل جدید به عنوان تقصیرکار معرفی میشود.
یکبار تقصیرها بر گردن شخصی حقیقی میافتد و بار دیگر بر گردن شخصی حقوقی. ناظر بازار نیز در این میان سعی در استفاده همهجانبه از چاقوی سوئیسی دارد و یک روز دسترسی معاملات الگوریتمی را قطع میکند و روز دیگر نوسانگیری روزانه را . به این امید که شاید فرجی در روند نزولی فعلی حاصل شود.
همه به دنبال مقصرند و انگار هیچکس به این نکته دقت نمیکند که بازار سهام فقط طی ۶ ماه ابتدایی سال به طور متوسط بیش از ۲۰۰ درصد بازدهی داشته و عدد شاخص کل طی همین مدت حدودا سه برابر شده است. فراز بازارهای مالی همیشگی نیستند و با چاشنی فرود همراهند. بورس هم خارج از این قاعده نیست. هرچند روند بلندمدت همواره صعودی است.
دستور توقف معاملات الگوریتمی از کجا نشات گرفت؟
ماجرا از جایی آغاز شد که یک کانال تلگرامی ، درخواست توقف معاملات الگوریتمی را داد. نکته جالبتر آنکه حتی در این درخواست واژه «الگوریتمی» غلط املایی داشت! نشر این پیام و پیامهای مشابه در کانالها و گروههای مختلف منجر به جوسازی علیه این دسته از معاملات شد تا جایی که فردای همان روز دستور توقف هرگونه معامله الگوریتمی (به جز بازارگردانی) صادر شد.
به نظر میرسد برخی افراد که تلاش میکنند تا در نقش استاد یا ا"ینفلوئنسر" بازار ظاهر شوند، نه تنها شناخت چندانی از معاملات الگوریتمی ندارند، بلکه فعالان حقیقی بازار را هم دچار سوءتفاهم کردهاند. اما آیا ناظر بازار باید سیاستهای خود را با کانالهای تلگرامی تطبیق کند ؟
تاریخچه جالب معاملات الگوریتمی بورس آمریکا
در این رابطه چند نکته حائز اهمیت است: اولا در بورس تهران (بر خلاف بورسهای پیشرفته دنیا) سهم معاملات الگوریتمی بسیار کم است. اگرچه آماری رسمی از حجم معاملات الگوریتمی در دست نیست اما اصلا در اندازهای نیستند که جهتی به کلیت بازار بدهند.
تخمین زده میشود در آمریکا و اوایل دهه ۲۰۰۰ ، الگوریتمها ۱۵ درصد از حجم کل معاملات را تشکیل میدادند و این رقم امروزه به ۸۰ درصد رسیده که عدد بسیار معاملات شرطی و الگوریتمی قابل توجهی است.
دوما معاملات پربسامد یا همان HFT (High Frequency Trading) که گونهای از معاملات الگوریتمی در لحظه یا در واقع معاملات آنی (Flash Trading) هستند، جایگاهی در بورس تهران ندارند. سال ۲۰۱۳ مایکل لوییس در کتاب فلش بویز (Flash Boys) درباره این نوع از معاملات نوشت و سر و صدای بسیاری به پا کرد.
وی درباره روزی در سال ۲۰۱۰ نوشته بود که شاخص S&P 500 بورس نیویورک به یکباره و بدون هیچ علت مشخصی، ریزشی حدودا ۵ درصدی را تجربه کرد و کمتر از یک ساعت بعد ، دوباره به جای اولیه بازگشت! این کاهش ناگهانی به سقوط آنی (Crash Flash) معروف شد و هنوز هم یکی از عجیبترین و مرموزترین ریزشهای تاریخ وال استریت محسوب میشود.
انتشار کتاب لوییس منجر به واکنش بورسهای آمریکا و بهبود زیرساخت معاملاتی برخی از آنها مثل شیکاگو و نیویورک در حد چند میلی ثانیه شد! مسئولان پس از انتشار این کتاب متوجه ارزش نانو ثانیهها و میلی ثانیهها شده بودند. اگرچه عدهای نیز به جرم دستکاری بازار مورد بازجویی قرار گرفتند و برخی نیز بازداشت شدند که معروفترین آنها یک معاملهگر روزانه به نام سارائو (Sarao) بود.
فردی ۳۶ ساله که هیچ ارتباطی هم با مراکز و شرکتهای قدرتمند مالی نداشت! همه این اتفاقات در حالی رخ داد که هیچگاه دستوری برای توقف معاملات الگوریتمی یا نوسانگیری روزانه صادر نشد و این نکتهای بسیار آموزنده است.
اشتباه در برداشت از مفهوم معاملات الگوریتمی در ایران
با وجود مشکلات زیرساختی بورس تهران و هسته معاملات، نیازی به تکنولوژی پیشرفتهای مثل معاملات پربسامد نیست. چرا که این نوع از معاملات برای برتری چند میلی ثانیهای نسبت به دیگر دستورات خرید و فروش طراحی شدهاند. اصلا همانطور که پیشتر گفته شد، مگر چند درصد معاملات بورس تهران توسط الگوریتمها انجام میشوند که بخواهیم نگران معاملات پربسامد باشیم؟!
سوما بسیاری از افراد، معاملات الگوریتمی را به اندازه معاملات شرطی تنزل دادهاند و یا اشتباه گرفتهاند. دستورات شرطی (Conditional Order) به سرمایهگذاران کمک میکنند اگر سهم مورد نظر به قیمت معینی رسید، سفارش خرید یا فروش اعمال شود. این محدوده معمولا پس از تحلیل به دست میآید در حالی که بخش پیچیدهای از فرایند معاملات الگوریتمی، اساسا همین تحلیل کردن است. وگرنه یک دستور شرطی خرید یا فروش ساده را که نمیتوان الزاما یک الگوریتم نامید.
اما بسیاری به اشتباه فکر میکنند معامله الگوریتمی در همین حدود خلاصه میشود و یا در تلاشند استفادهای در همین میزان از الگوریتمها کنند. اگرچه سالها پیش به دستور شرطی توقف ضرر یا همان حد ضرر (Stop Loss) اجازه عرض اندام داده نشد. چرا که مسئولان آن زمان معتقد بودند فعال شدن حد ضررها میتواند منجر به عرضه بیشتر و کاهش بیشتر قیمتها و در نتیجه فعال شدن مجدد دیگر حد ضررها باشد و مشابه یک دومینو در یک چرخه کاهشی عمل کند. مانند اتفاقی که در بحران سال ۲۰۰۸ آمریکا افتاد. با این حال گستره معاملات الگوریتمی بسیار متفاوتتر و گستردهتر از معاملات شرطی است.
ارباب حلقهها و فیل سفید بورس تهران : دامنه نوسان
از طرفی داستان درام دامنه نوسان نیز تمامی ندارد. در حالی که بخش عمدهای از مشکلات مستقیما از این مهم نشأت میگیرد همه به دنبال شناسایی مشکل در جای دیگری هستند. ممکن است برخی الگوریتمها با ارسال سفارشهای سرخطی بتوانند جایگاه مناسبی در صف فروش یا صف خرید پیدا کنند اما این مشکل را نمیتوان به گردن الگوریتمها انداخت و از نقش دامنه نوسان و فرهنگ صف نشینی چشمپوشی کرد.
بدون شک دامنه نوسان، ارباب حلقههای بورس تهران است که اکثر معضلات امروز و دیروز بازار بدان مربوط میشود. حلقهای که بالاخره روزی باید نابود شود. قوانین و مقررات و آییننامهها باید به طور جدی و بر اساس شرایط امروز بروزرسانی شوند.
نگهداری دندان لقی به نام دامنه نوسان (به انضمام ابداع عجیبی به نام حجم مبنا!) تا به الان کاری بیهوده و سرشار از درد و هزینه بوده که قطعا در آینده نیز همینطور خواهد بود. اگر قرار است بازار سهام اصلاحی کند یا حتی ریزشی داشته باشد چه بهتر که این اتفاق آزادانه، بدون دخالت و دستکاریهای مصنوعی رخ دهد.
ایجاد صف فروش فقط منجر به ترس بیشتر میشود. ترسی که باعث و بانی تلخی بیشتر و زیان بیشتر و در نتیجه وحشت بیشتر خواهد شد. بهتر است یکبار برای همیشه این دور باطل (که گویی طلسم هم شده) برچیده شود و یا اصلاحی اساسی در آن صورت پذیرد تا به آقای بازار اجازه داده شود کار خود را انجام دهد.
دامنه نوسان تبدیل به "فیل سفیدی" شده که انگار هیچ مدیری جرأت رها کردن آن را ندارد. چون معتقد است پیشینیان هرینههای زیادی برای آن متقبل شدهاند. به اعتقاد نگارنده در صورت عدم وجود دامنه نوسان، نه تنها اصلاح بازار سریع تر شکل میگرفت بلکه حتی منجر به این ریزش شدید و گرفتاری فعلی در چرخه باطل ترس و فروش و تلخی بیپایان نیز نمیشد یا حداقل اگر میشد هم ماجرا زودتر با یک پایان تلخ خاتمه مییافت و بعد شروع مجددی شیرین در راه بود. حال پس از گذشت معاملات شرطی و الگوریتمی دو ماه از آغاز روند نزولی ، دیگر همه اطمینان خاطر داریم طعا یک پایان تلخ بهتر از تلخی بیپایان فعلی بود.
نگاهی به آینده از زمان حال به معاملات الگوریتمی با چاقوی سوئیسی ناظر بورس
انگار همیشه به پاک کردن صورت مسئله عادت کردهایم و متاسفانه بورس تهران هم از این قاعده مستثنی نیست. حکم توقف معاملات الگوریتمی، پاک کردن دوباره صورت مسئله و اتفاقی بسیار عجیب و برخلاف توسعه بازار و ابزارهای نوین است. دستورات اخیر نه تنها منجر به کاهش حجم معاملات گشتهاند بلکه حتی به ضرر استارتآپهای نوآور، فینتکهای بورسی و شرکتهای دانشبنیان تمام شدهاند.
احتمالا چندین سال بعد و با حیاتی شدن جایگاه هوش مصنوعی در بورس تهران، آنهایی که برای توقف معاملات الگوریتمی کِل میکشیدند امروز را توجیه و یا حتی چه بسا انکار خواهند کرد. شاید ده سال دیگر و هنگام بازخوانی این یادداشت ، عجیب باشد که روزی روزگاری در بورس تهران صحبت از توقف معاملات الگوریتمی میشد. شاید آن روز تعجبآور باشد که چنین تصمیمی حتی اجرایی نیز شد. آن هم درست در زمانهای که دوران فناوری مالی و جولان فینتکهای بورسی و رباتهای مشاور (Robo Advisors) در بورسهای پیشرفته دنیا است.
احتمالا آن روز با خواهیم گفت: اینها چه تصمیمات خلقالساعهای بودند که گرفته شدند و چرا بسیاری خوشحال بودند؟! قطعا آن روز نیز ناظر بازار معتقد خواهد بود که استفاده مکرر از چاقوی سوئیسی ثمرهای در مسیر رشد و توسعه بازار نداشت.
معرفی سامانه جدید آنلاین با 6 مزیت/ آمار حال و آینده معاملات برخط
به گزارش پایگاه خبری بورس پرس ، مهرداد رجبی در مراسم رونمایی از سامانه معاملات برخط کارگزاری بورس بهگزین با نام سینا تریدر در خصوص آمار معاملات الکترونیکی در بازار سرمایه طی 6 سال گذشته گفت: این معاملات از دی سال 89 راه اندازی شد و حجم معاملات با روندی صعودی تا سال جاری به 290 هزار میلیارد تومان در بورس و فرابورس رسید. همچنین با پیش بینی صورت گرفته حجم معاملات با رشد 10 درصدی به 42.3 هزار میلیارد تومان در سال 1400 خواهد رسید.
وی با توضیحاتی درباره حوزه فناوری اطلاعات،افزود: طی 6 سال گذشته شرکت های محدودی مشغول به فعالیت بودندکه خدمات یکسانی در اختیار 108 شرکت کارگزاری عرضه می کردند که به لحاظ عملیاتی،امکاناتی عمومی بود و در اختیار همه شرکت های کارگزاری قرار می گرفت.
این فعال بازار سرمایه با اشاره به شرایط موجود و بحث رقابت بین شرکت های کارگزاری گفت: حوزه فناوری اطلاعات می تواند به عنوان یکی از حوزه های ایجاد کننده مزیت رقابتی مطرح شود و کارگزاری بهگزین با توجه به اهدافی که بصورت کلی تعیین شده بود، در این حوزه گام برداشته و با همکاری شرکت پردازش اطلاعات مالی مبنا توانست خدمات انحصاری را در حوزه معاملات برخط ارائه دهد.
رجبی ادامه داد: در حوزه فناوری اطلاعات پلتفرمی طراحی شده که ساختاری در اختیار مشتریان قرار خواهد داد تا طیف خدمات گسترده ای از حوزه فناوری اطلاعات همانند فین تک هاو استارتآپ هایی که در این حوزه سرمایه گذاری می کنند،معاملات الگوریتمی و بحث HFC ، قابل پوشش باشد.با استفاده از ساختار این پلتفرم، شرکت های کارگزاری،شرکت های زیرمجموعه و مشتریان حقیقی و حقوقی می توانند از این خدمات بهره ببرند تا به بهترین نحو معاملات را در بازار سرمایه انجام دهند.
مهمترین مزایای سامانه جدید معاملات برخط
وی درخصوص مهمترین مزایای این سامانه معاملاتی گفت: تنوع در ابزارهای معاملاتی(شامل نسخه ویندوز، وب، اندروید، آیفون و آیپد)، امکان ارسال معاملات شرطی، ارائه جامع اطلاعات تکنیکی و بنیادی با کمک وب سایت ره آورد 365،زیرساخت پلت فرم(API)،باشگاه مشتریان و افتاح حساب آنلاین از جمله مزایای سامانه معاملات برخط سینا تریدر است.
مدیرعامل شرکت داده پردازی مبنا در مورد برنامه آتی نیز اظهار داشت: فراهم شدن زیرساخت های معاملات الگوریتمی و ارائه آن در این بخش پلت فرم، ارائه SDK به عنوان کیتی برای زبان های برنامه نویسی مختلف و فرایند احراز هویت در دفاتر پیشخوان دولت و شعب بانک سینا که تا 3 ماهه نخست سال آینده انجام خواهد شد.
رجبی درباره محیط نرم افزار نیز توضیح داد: در این فضا امکان تعریف واچ لیست های مختلف در سیستم توسط کاربران وجود داردهمچنین یک سری واچ لیست های خودکار درسامانه مذکور وجود دارد که از اتفاقات مهم بازار مانند حجم سفارش خرید و فروش شرکت ها در روز جاری ،بیشترین تاثیر مثبت و منفی شرکت ها بر شاخص،امکان مشاهده در لحظه پرتفوی کاربران با محاسبه قیمت لحظه ای بازارو انتشار اطلاعات پیام های روز و اخبارها خبر می دهد.همچنین کنار نام هر شرکت گزینه ای وجود دارد که با کلیک کاربر وارد مجموعه سایت ره آورد 365 که مجموعه اطلاعات تکنیکی و بنیادی و پردازش شده است،می شود .
وی با بیان نکته ای در حوزه پردازش گفت: این سیستم جدید علاوه بر اینکه مجموعه کاملی از اطلاعات خام را جهت تصمیم گیری به کاربران ارائه می کند، با توجه به مجوز پردازش مالی شرکت مبنا اطلاعات داده پردازی آماده شده را همزمان با انجام معاملات در اختیار کاربر قرار می دهد.سطح این اطلاعات پردازش شده متنوع بوده تا دید وسیع تری در اختیار سرمایه گذار قرار گیرد.
دوره معاملات الگوریتمی در پایتون
برای کسب اطلاعات بیشتر از دوره پایتون به صورت آنلاین به ایدی تلگرامی www.t.me/abedizohreh پیام دهید.
در انبار موجود نمی باشد
توضیحات
دوره جامع پایتون و کاربردهای آن در اقتصاد و مالی
دوره معاملات الگوریتمی در پایتون (آنلاین + دریافت ویدئو مادام العمر)
دوره پایتون و کاربرد آن در اقتصاد و مالی – مقدماتی
دوره یادگیری ماشینی در پایتون کاربرد آن در اقتصاد و مالی
اگر شک دارید معاملات شرطی و الگوریتمی که در دوره پایتون و کاربردهای آن در اقتصاد و مالی شرکت کنید متن زیر را بخوانید:
امروزه بازارهای #مالی در حال پوستاندازی و ورود به دنیای جدید هستند. بیش از ۸۵ درصد از معاملات بازارهای مالی به صورت #معاملات_الگوریتمی انجام میشوند (معاملات الگوریتمی معاملاتی هستند که به وسیله کامپیوتر و بدون دخالت انسان و با دقت بالا انجام میشوند). عوامل و محرکه این قضیه، تولید حجم بسیار زیادی از دادههای مالی در لحظه است که تحلیل این حجم از دادهها در زمانی کوتاه، نیاز به سرعت پردازش و توان محاسباتی بالایی دارد که از عهده یک فرد یا گروهی از افراد خارج است. از این رو استفاده از محاسبات کامپیوتری و #هوش_مصنوعی در بازارهای مالی روز به روز در حال گسترش است.
موسسات مالی این روزها، با به کارگیری هوش مصنوعی به دنبال بهبود عملکردشان در تجارت و سرمایه گذاری هستند. با توجه به توانمندیهای #پایتون در حوزه #یادگیری_ماشینی (یادگیری ماشینی: روشهایی که به کامپیوتر کمک میکند تا بتواند تصمیمهای مناسب را اتخاذ کند) و نیازمندیهای امروز بازارهای مالی، پایتون بهترین زبان و اکوسیستم برای تحلیل دادههای مالی است. پایتون یک زبان قدرتمند برنامهنویسی است که سادگی برنامهنویسی در آن دلیل اقبال گسترده عمومی به این زبان بوده است. همچنین پایتون یک زبان بسیار قدرتمند در #تحلیل_داده و هوش مصنوعی، یادگیری ماشین و یادگیری عمیق است و پکیجهای قدرتمندی در این زمینه در پایتون نوشته شده است که کار در این زمینهها با پایتون را بسیار راحت و لذت بخش میکند.
دوره حاضر جامعترین دوره پایتون و کاربرد آن در #اقتصاد و بازارهای مالی است که تاکید آن بر یادگیری ماشینی و معاملات الگوریتمی است. این دوره در ۷۲ ساعت و در سه سطح مقدماتی، یادگیری ماشینی و معاملات الگوریتمی تهیه شده است.
برای شرکت در این دوره کاربردی و دریافت ویدیٔوهای آن می توانید به دایرکت پیج اینستاگرامی استاد دوره (علی رئوفی) مراجعه نمایید یا در تلگرام به ایدی زیر پیام دهید:
t.me/abedizohreh
این آموزش با این فرض تهیه شده است که مخاطب هیچ دانش و تجربه قبلی در زمینه برنامهنویسی نداشته و در طول آموزش با این زبان آشنا میشود. این آموزش با تشریح مبانی نظری در حوزه مالی، یادگیری ماشینی و معاملات الگوریتمی، مثالهای عملی متنوعی نیز در رابطه با بازارهای مالی ارایٔه خواهد کرد.
برای ثبت نام، در #دایرکت پیام ارسال بفرمایید
مدرس دوره، علی ریٔوفی، دکتری اقتصاد مالی و #اقتصادسنجی از دانشگاه علامه طباطبایی است که مقالات متعددی را در زمینه پیشبینی بازارهای مالی در ژورنالهای معتبر بینالمللی به چاپ رسانده است. ایشان به زبان برنامه نویسی #متلب (MATLAB) و R و Mql5 نیز مسلط است و دورههای متعددی را در این زمینه با همکاری دانشگاهها و نهادهای مالی برگزار نموده است.
عنوان دوره: دوره آنلاین معاملات الگوریتمی با پایتون (همراه با آموزش صفر تا صد پایتون) + دوره پایتون مقدماتی و یادگیری ماشینی
طول دوره: 72 ساعت
مدرس: علی رئوفی- دکتری اقتصاد مالی از دانشگاه علامه طباطبایی (صفحه در گوگل اسکولار)/ (صفحه در ریسرچ گیت)
جامع ترین دوره معاملات الگوریتمی در ایران
دوره پایتون مقدماتی و پیشرفته معاملات الگوریتمی در پایتون علی رئوفی
امکان برگزاری دوره برای نهادهای مالی
سرفصل های دوره پایتون صفر تا صد (مقدماتی/ یادگیری ماشینی/ معاملات الگوریتمی):
دوره پایتون و کاربرد آن در اقتصاد و مالی- مقدماتی
- درس صفر: کلیات (آشنایی با زبانها برنامهنویسی و محبوبیت آنها، آشنایی اجمالی بر الگوریتم و فلوچارت، اهمیت پایتون در بازارهای مالی)
- درس یکم: آشنایی با پایتون (تاریخچه پایتون، ویژگیهای پایتون، کاربردهای پایتون، نسخههای پایتون، نصب پایتون، آشنایی با محیط پایتون و محیطهای توسعه و…)
- درس دوم: انواع دادهها (اعداد، رشته، لیست، Tuple، دیکشنری، Set و تبدیل دادهها) ارائه کاربردهای آن در اقتصاد و مالی
- درس سوم: انواع عملگرها در پایتون (محاسباتی، منطقی، مقایسهای و…، تقدم عملگرها) و بررسی کاربرد آن در اقتصاد و مالی
- درس چهارم: ساختارهای تصمیم: دستورات شرطی (ساختار if، else…if و ساختار شرطی تو در تو) و ارائه مثال در حوزه مالی
- درس پنجم: ساختارهای تصمیم: حلقهها (ساختار for و while، ساختار حلقه تو در تو، دستورات کنترلی در حلقه) و ارائه مثال در حوزه مالی
- درس ششم: ایجاد تابع (مزیت استفاده از تابع، انواع توابع، توابع بازگشتی صدا زدن تابع، تست توابع) و ارائه مثالهایی از کاربرد آن در حوزه مالی
- درس هفتم: فایل (باز کردن فایل، خواندن فایل، نوشتن در فایل، بستن فایل، حذف فایل)
- درس هشتم: کاربرد مقدماتی پایتون (توابع ریاضی، اعداد تصادفی، ورود دادههای مالی به پایتون، محاسبه بازده داراییها، محاسبه ریسک، تحلیل همبتسگی)
- درس نهم: آشنایی با کتابخانه numpy برای انجام محاسبات عددی در حوزه مالی
- درس دهم: آشنایی با معاملات شرطی و الگوریتمی کتابخانه Pandas برای مدیریت و ترسیم دادههای مالی
- درس یازدهم: آشنایی با کتابخانه matplotlib و seaborn برای ترسیم دادههای مالی
- درس دوازدهم: کاربردهای متنوع در حوزه مالی
- ورود دادههای مالی از منابع معتبر google finance، yahoo finance، world Bank و…
- انتقال فایل داده از اکسل، R و سایر نرمافزارهای مرتبط با مالی
- انواع ترسیمهای کاربردی در دادههای مالی (نمودارهای سری زمانی، نمودارهای همبستگی، هیستوگرام و ….)
- انواع محاسبات مقدماتی در مالی (محاسبه بازده و بازده تجمعی، سنجههای ریسک، رگرسیون و…)
- حل تمرین و رفع اشکال
دوره پایتون و کاربرد آن در اقتصاد و مالی- یادگیری ماشینی
- درس یکم: مقدمهای بر یادگیری ماشین
- تعریف یادگیری ماشین و کاربردهای آن
- انواع الگوریتم های یادگیری (با نظارت و بدون نظارت(
- مقدمه ای بر یادگیری با نظارت
- مقدمه ای بر یادگیری بدون نظارت
- انواع داده (اسمی، ترتیبی، عددی)
- شاخصهای آماری داده (میانگین، میانه، مد، واریانس، انحراف معیار، چارک و…)
- نمایش گرافیکی توصیفهای آماری (نمودار میلهای، هیستوگرام، پراکندگی، باکس پلات و…)
- وابستگی (Correlation)
- ویژگی های اسمی – باینری
- عدم شباهت برای داده های عددی
- معیار کسینوس برای شباهت
- معیارهای کیفیت داده
- اعمال پیش پردازش (پاک سازی داده، ترکیب و تجمیع، کاهش داده و….)
- نحوه رسیدگی به دادههای گم شده
- داده نویز
- هموار سازی دادهها
- استراتژیهای کاهش دادهها
- رگرسیون خطی (تک متغیره، چند متغیره)
- نکاتی در رابطه با رگرسیون خطی چند متغیره
- رگرسیون خطی (تعداد دادههای آموزشی و تعمیمپذیری(
- انواع خطا
- بیش پردازش (Overfitting) و روشهای اجتناب از آن
- مرز معاملات شرطی و الگوریتمی تصمیم خطی و غیرخطی
- تابع هزینه
- الگوریتم گرادیان کاهشی در رگرسیون لجستیک
- کلاسبندی با چند کلاس (یکی در برابر بقیه(
- تنظیم رگرسیون خطی و رگرسیون لجستیک
- بایاس و واریانس (Bias & Variance)
- معرفی شبکههای عصبی مصنوعی
- نورونهای مصنوعی
- شبکه عصبی پرسپترون چند لایه (MLP)
- مثال
- پیشبینی دادههای مالی با شبکه عصبی مصنوعی
- کلاسبندی دادههای مالی با شبکه عصبی مصنوعی
- مقدمه ای بر بردار
- ماشین بردار پشتیبان
- محاسبه اندازه حاشیه
- بردارهای پشتیبان
- مساله بهینهسازی حداکثر کردن اندازه حاشیه
- مزایا و معایب SVM
- چند مثال برای درخت تصمیم
- الگوریتم های ساختن درخت تصمیم
- بررسی چند مثال
- بیش برازش ناشی از نویز
- هرس کردن (Pruning)
- مزایا و معایب درخت تصمیم
- معرفی KNN با چند مثال
- الگوریتم KNN
- تکنیکهای Instance-Based
- مرز تصمیم – دیاگرام Voronoi
- تاثیر اندازه K در مرز تصمیم
- معیارهای شباهت
- استفاده از معیار شباهت کسینوس
- تاثیر معیار شباهت در مرز تصمیم
- استراتژی انتخاب K
- استفاده از KNN برای پیشگویی عددی
- استفاده از K-D Tree
- مقدمه ای بر انتخاب ویژگی
- روش فیلتر
- معیار Mutual information
- روش دستهبندی Wrapper
- استراتژی های جستجو
- آزمون آماری t
- انتخاب ویژگی با الگوریتمهای فراابتکاری
- مقدمهای بر تقلیل ابعاد
- تقلیل ابعاد و کاربردهای آن
- تجسم دادهها
- مقایسه استخراج ویژگی (Feature Extraction) و انتخاب ویژگی (Feature Selection)
- بررسی چندین مثال برای استخراج ویژگی با روش PCA
- انتخاب K مناسب
- کرنل PCA
- مقایسه آموزش با نظارت با آموزش بدون نظارت
- کاربردهای خوشهبندی
- خوشهبندی افرازی
- توضیح روش K-means به همراه چند مثال ساده
- مشکل بهینه محلی
- انتخاب کلاسترها (روش آرنجی(
- نقاط قوت و ضعف روش K-means
- خوشه بندی سلسله مراتبی (تجمعی و تقسیمی(
- نمودار دندروگرام (Dendrogram)
- انتخاب تعداد کلاسترها
- داده پرت – نویز
- انواع دادههای پرت
- سراسری
- جمعی
- زمینهای
دوره پایتون و کاربرد آن در اقتصاد و مالی- معاملات الگوریتمی
رهبر کره شمالی آمریکا را تحقیر کرد
جان کربی گفته است، رهبری کره شمالی از حضور بر سر میز مذاکره با آمریکا و با وجود پیشنهاد واشنگتن برای مذاکره بدون پیش شرط، امتناع کرده است.
به گزارش منیبان، جان کربی گفته است، رهبری کره شمالی از حضور بر سر میز مذاکره با آمریکا و با وجود پیشنهاد واشنگتن برای مذاکره بدون پیش شرط، امتناع کرده است.
به نوشته روزنامه دیلی میل، این پیشنهاد از سوی آمریکا پس از آن مطرح شده که کره شمالی به تنشها با ادامه آزمایشهای موشکی خود دامن میزند.
جان کربی، سخنگوی شورای امنیت ملی آمریکا گفت: ما تمایل داریم با آنها بدون هیچ پیش شرطی وارد مذاکره شویم. کیم جونگ اون، رهبری کره شمالی اما تصمیم گرفته به پیشنهاد ما پشت کند.
کره شمالی اوایل روز یکشنبه دو موشک بالستیک شلیک کرد که چند ساعت پس از رزمایش مشترک آمریکا در نزدیکی شبه جزیره کره بود.
کربی افزود، رهبری کره شمالی به درخواستهای واشنگتن وقعی نمینهد و بجایش انتخاب کرده تا برنامه موشک بالستیک خود را گسترش دهد، او به وضوح نشان داده که جاه طلبیهای تسلیحات اتمی خود را کنار نمیگذارد.
سخنگوی شورای امنیت ملی آمریکا افزود: ما داریم بر روی این مساله کار میکنیم تا مطمئن شویم که ظرفیتهایی برای دفاع از منافع امنیت ملی خود را در صورت جدی شدن تهدیدها داریم. اما دلیلی برای این کار وجود ندارد. آمریکا به یک مسیر دیپلماتیک در قبال کره شمالی متعهد است./ ایسنا
اموزش اکسپرت نویسی و معاملات الگوریتمی mql4/5
برگزاری اموزش اکسپرت نویسی و معاملات الگوریتمی mql4/5 بصورت آکادمیک و ترمیک توسط مرکز آموزش عالی سهامیر در کشور ، اموزش اکسپرت نویسی و معاملات الگوریتمی mql4/5 هم اکنون به صورت برگزاری کلاس های حضوری یا آنلاین در دسترس عموم عبلقه مندان به این حوزه است ، همچنین اموزش اکسپرت نویسی و معاملات الگوریتمی mql4/5 برای متقاضیانی که خارج از استان تهران هستند بصورت فشرده ظرف مدت 7 روز برگزار میشود . در دسترس عموم علاقه مندان به این حوزه قرار گرفته است .
- sahamir_ac
- آگوست 20, 2020
- 128 دیدگاه ها
- 8:06 ق.ظ
2 دهه تجربه
دپارتمان آموزش و توسعه علوم سرمایه گذاری
رشته های منعطف
پوشش بیش از 130 رشته تخصصی مالی
رتبه 1 آموزش حرفه ای
کسب رتبه برتر آموزش از موسسه PPQ
آموزش آکادمیک
برگزاری دوره های آموزش آکادمیک و ترمیک
فهرست مطالب
5,MQL4
آموزش آکادمیک
آموزش کوتاه مدت
آموزش خصوصی
آموزش عمومی
دوره آموزش اکسپرت نویسی ( معاملات الگوریتمی )
آموزش انحصار EX
سطح دانشپذیران EX
تایید جهانی NOD
- دوره آموزشی اکسپرت نویسی و معاملات الگوریتمی :
اکسپرت نویسی یا بعبارتی معاملات الگوریتمی در لغت به معنای اتوماسیون فرایند در یک رشته و تخصص خاص میباشد ، در حوزه اقتصاد و بازار معامله گری ، اکسپرت نویسی تحت زبان اختصاصی 5,mql4 به معنای ایجاد یک پلتفرم یا الگوریتم معاملاتی بصورت استاندارد تحت بستر بازار مالی fx است . برای معاملات شرطی و الگوریتمی مثال اکسپرت نویسی در حوزه بورس جهانی به معنای ایجاد پلتفرم یا الگوریتم یا سامانه ای است که بتواند بخش یا جزء یا کل وظیفه یک معامله گر را در این حوزه انجام دهد .
دوره اموزش تخصصی اکسپرت نویسی ( معاملات الگوریتمی ) تحت زبان برنامه نویسی 5,mql4 حاصل 30 سال تجربه و فعالیت مدیران و متخصصان سازمان سهامیر در بازار بورس و سرمایه جهان میباشد، کلیه مباحث و سرفصل های اموزشی این دوره مطابق با استانداردهای جهانی و QT اروپا برنامه ریزی و تدوین شده بطوریکه دوره آموزش اکسپرت نویسی ( معاملات الگوریتمی 5,mql4 ) را میتوان بعنوان یکی از بهترین دوره های حرفه ای آموزشی برای افرادی که قصد فعالیت حرفه ای در بازار سرمایه را دارند دانست.
در مجموعه سهامیر کلاس های اموزش اکسپرت نویسی ( ربات معامله گر ) بصورت انحصاری و تحت نظارت مستقیم مرکز برگزار میشود ، از طرفی کلاس های اکسپرت نویسی ( ربات تریدر ) در مرکز سهامیر بعنوان تنها مرجع تخصصی برگزاری دوره های اکسپرت نویسی 5,mql4 بصورت کاملا آکادمیک و علمی آموزش داده میشود .
دانشپذیران و علاقه مندان به اموزش اکسپرت نویسی و معاملات الگوریتمی بمنظور شرکت در دوره اموزشی اکسپرت نویسی میتوانند از طریق همین سامانه بصورت انلاین نسبت به ثبت نام و یا رزرو کلاس اموزشی اقدام نمایند.
دیدگاه شما