دانلود کتاب Hands-On Financial Trading with Python: A practical guide to using Zipline and other Python libraries for backtesting trading strategies (به فارسی: تجارت مالی دستی با پایتون: راهنمای عملی برای استفاده از Zipline و دیگر کتابخانه های پایتون برای بک تست استراتژی های معاملاتی) نوشته شده توسط «Jiri Pik – Sourav Ghosh»
اطلاعات کتاب تجارت مالی دستی با پایتون: راهنمای عملی برای استفاده از Zipline و دیگر کتابخانه های پایتون برای بک تست استراتژی های معاملاتی
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Jiri Pik – Sourav Ghosh
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 360
حجم فایل: 8.08 مگابایت
کد کتاب: 1838982884 , 9781838982881
توضیحات کتاب تجارت مالی دستی با پایتون: راهنمای عملی برای استفاده از Zipline و دیگر کتابخانه های پایتون برای بک تست استراتژی های معاملاتی
دریابید که چگونه می‌توانید استراتژی‌های معاملاتی الگوریتمی را با Zipline بسازید و بک‌آزمایی کنید
ویژگی‌های کلیدی
- با داده‌های بازار و تجزیه و تحلیل سهام کنار بیایید و داده‌ها را برای به دست آوردن بینش‌های کیفی تجسم کنید
- دریابید که چگونه به طور سیستماتیک به تحقیقات کمی و تولید استراتژی/آزمایش پس‌آزمون در تجارت الگوریتمی نزدیک شوید
- چگونگی پیمایش ویژگی‌های مختلف در کتابخانه‌های تجزیه و تحلیل داده‌های پایتون را بیاموزید
کتاب توضیحات
معامله الگوریتمی به شما کمک می کند با ابداع استراتژی هایی در تجزیه و تحلیل کمی برای به دست آوردن سود و کاهش ضرر، از بازارها جلوتر بمانید.
این کتاب با معرفی تجارت الگوریتمی و توضیح اینکه چرا پایتون بهترین پلت فرم است شروع می شود. برای توسعه استراتژی های معاملاتی سپس تجزیه و تحلیل کمی را با استفاده از پایتون پوشش خواهید داد و یاد خواهید گرفت که چگونه استراتژی های معاملاتی الگوریتمی را با Zipline با استفاده از منابع مختلف داده بازار بسازید. استفاده از Zipline به‌عنوان کتابخانه بک‌آزمایی امکان دسترسی به داده‌های رایگان بازار روزانه تاریخی ایالات متحده را تا سال 2018 فراهم می‌کند. با پیشروی، درک عمیقی از کتابخانه‌های Python مانند NumPy و پانداها برای تجزیه و تحلیل مجموعه داده‌های مالی به دست خواهید آورد و Matplotlib، statsmodels و کاوش می‌کنید. کتابخانه های scikit-learn برای تجزیه و تحلیل پیشرفته. شما همچنین بر پیش‌بینی سری‌های زمانی تمرکز خواهید کرد، pmdarima و پیامبر فیس‌بوک را پوشش می‌دهد.
در پایان این کتاب معاملاتی، می‌توانید سیگنال‌های معاملاتی پیش‌بینی‌کننده بسازید، استراتژی‌های معاملاتی الگوریتمی اولیه و پیشرفته را اتخاذ کنید، و بهینه سازی پورتفولیو را انجام دهید.
آنچه یاد خواهید گرفت
- با پوشش آمارهای مالی و ARIMA با نحوه عملکرد تحلیل کمی آشنا شوید
- از کتابخانه های اصلی پایتون برای انجام تحقیقات کمی و توسعه استراتژی با استفاده از مجموعه داده های واقعی استفاده کنید.
- آشنایی با نحوه دسترسی به داده های مالی و اقتصادی در پایتون
- اجرای تصویرسازی موثر داده ها با Matplotlib
- استفاده از محاسبات علمی و تجسم داده ها با کتابخانه های محبوب پایتون
- ساخت و استقرار استراتژی های معاملاتی الگوریتمی بک تست
این کتاب برای چه کسانی است
این کتاب برای تحلیلگران داده و معامله گران مالی است که می خواهند چگونگی طراحی استراتژی های معاملاتی الگوریتمی را با استفاده از کتابخانه های اصلی پایتون کشف کنند. . اگر به دنبال یک راهنمای عملی برای بک تست استراتژی های معاملاتی الگوریتمی و ساختن استراتژی های خود هستید، پس این کتاب برای شما مناسب است. دانش کار در سطح مبتدی از برنامه نویسی و آمار پایتون مفید خواهد بود.
فهرست محتوا
- مقدمه ای بر تجارت الگوریتمی
- تجزیه و تحلیل داده های اکتشافی در پایتون
- محاسبات علمی پرسرعت با استفاده از NumPy
- دستکاری و تجزیه و تحلیل داده ها با پانداها
- تجسم داده ها با استفاده از Matplotlib
- تخمین آماری، استنتاج و پیش بینی
- دسترسی به داده های بازار مالی در پایتون
- مقدمه ای بر Zipline و PyFolio
- استراتژی های معاملاتی الگوریتمی بنیادی
Discover how to build and backtest algorithmic trading strategies with Zipline
Key Features
- Get to grips with market data and stock analysis and visualize data to gain quality insights
- Find out how to systematically approach quantitative research and strategy generation/backtesting in algorithmic trading
- Learn how to navigate the different features in Python’s data analysis libraries
Book Description
Algorithmic trading helps you stay ahead of the markets by devising strategies in quantitative analysis to gain profits and cut losses.
The book starts by introducing you to algorithmic trading and explaining why Python is the best platform for developing trading strategies. You’ll then cover quantitative analysis using Python, and learn how to build algorithmic trading strategies with Zipline using various market data sources. Using Zipline as the backtesting library allows access to complimentary US historical daily market data until 2018. As you advance, you will gain an in-depth understanding of Python libraries such as NumPy and pandas for analyzing financial datasets, and explore Matplotlib, statsmodels, and scikit-learn libraries for advanced analytics. You’ll also focus on time series forecasting, covering pmdarima and Facebook Prophet.
By the end of this trading book, you will be able to build predictive trading signals, adopt basic and advanced algorithmic trading strategies, and perform portfolio optimization.
What you will learn
- Discover how quantitative analysis works by covering financial statistics and ARIMA
- Use core Python libraries to perform quantitative research and strategy development using real datasets
- Understand how to access financial and economic data in Python
- Implement effective data visualization with Matplotlib
- Apply scientific computing and data visualization with popular Python libraries
- Build and deploy backtesting algorithmic trading strategies
Who this book is for
This book is for data analysts and financial traders who want to explore how to design algorithmic trading strategies using Python’s core libraries. If you are looking for a practical guide to backtesting algorithmic trading strategies and building your own strategies, then this book is for you. Beginner-level working knowledge of Python programming and statistics will be helpful.
Table of Contents
- Introduction to algorithmic trading
- Exploratory Data Analysis in Python
- High-speed Scientific Computing using NumPy
- Data Manipulation and Analysis with Pandas
- Data Visualization using Matplotlib
- Statistical Estimation, Inference, and Prediction
- Financial Market Data Access in Python
- Introduction to Zipline and PyFolio
- Fundamental algorithmic trading strategies
