This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Autoplay
Autocomplete
Previous Lesson
Complete and Continue
Python for Finance
Introduction and installation V2
Introduction V2 (39:42)
āļāļģāđāļĄāđāļĨāļ·āļāļāđāļāđāļ āļēāļĐāļē Python (3:10)
āļāļīāļāļāļąāđāļ Anaconda (4:59)
Course Resource
Section 1 Data Management
Lecture: āļāļđāļ āļēāļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨ (5:20)
Coding: import Library āđāļĨāļ° āļāđāļēāļ CSV (7:42)
Coding: āļāļđāļ āļēāļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨāļāđāļ§āļĒ .info() āđāļĨāļ° .descrive() (7:34)
Lecture: āļāļēāļĢāļāļģāļāļēāļāļāļąāļ DataFrame (4:22)
Coding: āđāļāđ .iloc() āđāļĨāļ·āļāļāļāđāļ§āļāđāļ§āļĨāļēāļāđāļāļĄāļđāļĨ (5:03)
Coding: āđāļāđ .loc() āđāļĨāļ·āļāļāļāđāļ§āļāđāļ§āļĨāļēāļāđāļāļĄāļđāļĨ (2:01)
Coding: āļāļēāļĢāđāļāđāļēāļāļķāļ Column (2:41)
Coding: āļāļēāļĢāđāļāđāļēāļāļķāļ Column āđāļāļāļĄāļĩāđāļāļ·āđāļāļāđāļ (7:00)
Lecture: āļāļēāļĢ Resample Lead Lag āđāļĨāļ° Moving Average (3:29)
Coding: āļāļĢāļąāļāđāļāļĨāļĩāđāļĒāļ Time Frame āļāđāļāļĄāļđāļĨāļāđāļ§āļĒ .Resample() (8:06)
Coding: Lead Lag āļāđāļāļĄāļđāļĨāļāđāļ§āļĒ .shift() (1:51)
Coding: āļŠāļĢāđāļēāļ Moving Average (3:42)
Coding: āļŠāļĢāđāļēāļ Subplot (5:06)
Coding: āļŠāļĢāđāļēāļāļāļĢāļēāļāđāļāđāļāđāļāļĩāļĒāļ āđāļĨāļ° āđāļāļ§āļĢāļąāļāđāļāļ§āļāđāļēāļāļāđāļ§āļĒ mplfinance (6:13)
Section 2 Data Source
Lecture: āđāļĢāļēāļāļ°āļŦāļēāļāđāļāļĄāļđāļĨāļāļēāļĢāļĨāļāļāļļāļāđāļāđāļāļĩāđāđāļŦāļāļāđāļēāļ (3:16)
Coding: āļĨāļ package yfinance (2:50)
Coding: āļĢāļđāđāļāļąāļ yahoo finance āđāļĨāļ° āļāļāļĨāļāļāļāļķāļāļāđāļāļĄāļđāļĨ (7:49)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļāļāļāļēāļĢāđāļāļīāļ (3:25)
Coding: āļāđāļāļĄāļđāļĨāđāļāļ°āļāļģāļāļēāļĢāļĨāļāļāļļāļ (2:56)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļŦāļļāđāļāļāļĩāļĨāļ°āļŦāļĨāļēāļĒāļāļąāļ§ (3:42)
Coding: āļāļķāļāđāļāļāļēāļ°āļāđāļāļĄāļđāļĨāļĢāļēāļāļē Open High Low Close Volume (7:17)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļĢāļēāļāļēāļŦāļĨāļēāļĒāļāļąāļ§ (2:55)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļŦāļļāđāļāđāļāļāļĨāļļāđāļĄ Dow Jones Industrial Average (5:57)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļŦāļļāđāļāđāļāļāļĨāļļāđāļĄ SET100 (3:00)
Coding: āļāļīāļāļāļąāđāļ package Quandl (Nasdaq Data Link) (1:47)
Lecture: āļĢāļđāđāļāļąāļāļāļąāļ Nasdaq Data Link (3:52)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨ Quandl āļāđāļēāļ API (6:52)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļāļēāļ Siamchart (3:29)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļāļēāļ Siamcahrt āļĄāļēāđāļāđāļ DataFrame (7:48)
Coding: āđāļāļĩāļĒāļāļāļąāļāļāđāļāļąāđāļāđāļĨāļ·āļāļāļŦāļļāđāļāļĢāļēāļĒāļāļąāļ§āļāļēāļ DataFrame (6:48)
Lecture: āļĢāļđāđāļāļąāļāļāļąāļ Library 2 āđāļāļ (2:38)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļāđāļēāļ Function āđāļ util.py (2:52)
Coding: Export CSV (4:17)
Lecture: āļāļēāļĢāļāļąāļāļāļēāļĢāļāļąāļ Missing Value āđāļĨāļ°āļāļēāļĢ Normalization āļāđāļāļĄāļđāļĨ (1:56)
Coding: Missing Value (4:06)
Coding: Normalization āļāđāļāļĄāļđāļĨ (2:39)
Section 3 Statistics
Lecture: āļĢāļđāđāļāļąāļāļāļąāļ Return 2 āļāļĢāļ°āđāļ āļ (4:31)
Coding: āļ§āđāļēāļāđāļ§āļĒ Simple Return (5:58)
Coding: āļ§āđāļēāļāđāļ§āļĒ Log Return (3:28)
Coding: āļ§āđāļēāļāđāļ§āļĒ Log Return (āļāđāļ) (6:50)
Lecture: āļāļēāļĢāđāļāļāđāļāļāļāļĢāļāļāļī(Normal Distribution) (6:42)
Coding: āļ§āđāļēāļāđāļ§āļĒāļāļēāļĢ Random āđāļĨāļ° Histogram (8:05)
Coding: āļāļēāļĢāđāļāļāđāļāļāļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļāđāļāļĩāļĒāļāļāļąāļāļāļĪāļĐāļāļĩ āđāļŦāļĄāļ·āļāļāļŦāļĢāļ·āļāļāđāļēāļāļāļąāļāļāļĒāđāļēāļāđāļĢ (5:00)
Lecture: āļ§āđāļēāļāđāļ§āļĒ Mean Median āđāļĨāļ°āļāļģāļāļ§āļēāļĄāđāļāđāļēāđāļāļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļ(Variance) āđāļĨāļ° āļŠāđāļ§āļāđāļāļĩāđāļĒāļāđāļāļāļĄāļēāļāļĢāļāļēāļ(Standard Deviation) (6:06)
Coding: āļāđāļēāđāļāļĨāļĩāđāļĒ(Mean) āđāļāļĢāļĩāļĒāļāđāļāļĩāļĒāļ āļāđāļēāļĄāļąāļāļĒāļāļēāļ(Median) āđāļĨāļ°āļāļēāļĢāļāļĩāļāļ§āļēāļĄ (6:24)
Coding: āļāļđāļāļģāđāļŦāļāđāļāļāļāļāļāđāļāļĄāļđāļĨāļāđāļ§āļĒ Quartile āđāļĨāļ° Percentile (7:59)
Coding: āļĢāļđāđāļāļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļēāļĢāļĨāļāļāļļāļāļāđāļ§āļĒāļāļēāļĢāđāļāđāļēāđāļāļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļ (Variance) (9:10)
Coding: āļŠāđāļ§āļāđāļāļĩāđāļĒāļāđāļāļāļĄāļēāļāļĢāļēāļāļēāļ (Standard Deviation)āļŦāļĢāļ·āļ Volatility (1:33)
Coding: āļāļđāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ (3:28)
Coding: mini project āļŦāļē outlier āļāļāļ return āļāđāļ§āļĒ z-score 1 (3:17)
Coding: mini project āļŦāļē outlier āļāļāļ return āļāđāļ§āļĒ z-score 2 (7:57)
Lecture: āļŦāļļāđāļāļŠāļāļāļāļąāļ§āļĄāļąāļāļāļķāđāļāļĨāļāļāļēāļĄāļāļąāļāđāļāđāđāļŦāļ? āļĢāļđāđāļāļąāļāļāļąāļ Covariance āđāļĨāļ° Correlation (10:45)
Coding: āļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļāļĢāđāļ§āļĄ (Co-variance) (10:37)
Coding: Correlation (4:04)
Coding: āļāļđ Correlation āļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ (5:26)
Coding: āļāļđ correlation āļĢāļ°āļŦāļ§āđāļēāļāļāļĨāļļāđāļĄāļŦāļļāđāļ (7:18)
Coding: āļāļđāļāļ§āļēāļĄāļŠāļąāļĄāļāļąāļāļāđāļāļāļāļŦāļļāđāļāđāļĨāļ°āļāļąāļ§āļĄāļąāļāđāļāļāļāđāļ§āļĒ Autocorrelation (3:31)
Coding: āļāļđāļāļēāļĢāđāļāļāđāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļāļāļĩāđāđāļāđāļ Fat tail āļāļąāļāļāđāļāļĄāļđāļĨāļāļĩāđāđāļāļāđāļāļāļāļēāļĄ āļāļĪāļĐāļāļĩ (7:07)
Section 4 Value at Risk
Lecture: āļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļēāļĢāļĨāļāļāļļāļāļāđāļ§āļĒ Value at Risk (6:34)
Coding: Value at Risk(VaR) āđāļāļāđāļĄāđāđāļāđāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđ (8:05)
Coding: Value at Risk(VaR) āđāļāļāđāļāđāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđ (7:00)
Lecture: Conditional Value at Risk āļŦāļēāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļŦāļĨāļąāļāļāļēāļāļāļļāļāļŦāļāļķāļ VaR āļāļąāļ (1:43)
Coding: Conditional Value at Risk (Expected Shortfall) (4:17)
Lecture: āļĄāļēāđāļāđ Cornish-Fisher expansion āļĄāļēāđāļāļīāđāļĄāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļāđāļŦāđ VaR āđāļāļāļĄāļĩāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđāļāļąāļāļāļĢāļąāļ (7:40)
Coding: Cornish-Fisher Value at Risk (9:02)
Section 5 Time Series
Coding: āđāļĒāļāļāļāļāđāļāļĢāļ°āļāļāļāļāļāļ Time Series āļāđāļ§āļĒ Decompose (9:07)
Coding: āļāđāļēāļ§āđāļĢāļāļāļāļāļāļēāļĢāļāļģāļāļēāļĒāļāđāļ§āļĒāļāļēāļĢāđāļĄāđāļāļĨāļĢāļēāļāļēāļāļāļāļāļģāļāđāļ§āļĒ exponentially weighted moving average (EWMA) (8:58)
Coding: Holt Linear Trend āđāļĨāļ° Holt-Winter (6:20)
Coding: āļāļāļŠāļāļāļāļ§āļēāļĄāđāļāđāļ stationary āļāļāļāļāđāļāļĄāļđāļĨāļāđāļ§āļĒ Augmented DickeyâFuller test(ADF test) (6:14)
Coding: āļāļģāđāļŦāđ Non-stationary āđāļāđāļ Stationary (3:38)
Coding: āļĢāļđāđāļāļąāļāļāļąāļāļāļ§āļēāļĄāļŠāļŦāļŠāļąāļĄāļāļąāļāļāđāļāļąāļāļāļąāļ§āđāļāļāļāļēāļāļŠāđāļ§āļ partial autocorrelation function ( PACF) (7:19)
Coding: āļāļģāļāļēāļĒāļĢāļēāļāļēāļāļāļāļāļģāļāđāļ§āļĒ Autoregressive integrated moving average (ARIMA) 1 (6:17)
Coding: āļāļģāļāļēāļĒāļĢāļēāļāļēāļāļāļāļāļģāļāđāļ§āļĒ Autoregressive integrated moving average (ARIMA) 2 (10:12)
Coding: āđāļĄāđāļāđāļāļāđāļĨāļīāļāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđ P,D,Q āđāļāļāđāļāļĒāļāļēāļĢāđāļāđ Auto ARIMA (9:01)
Section 6 Backtesting and Performance matrix
Lectue: āļāļąāđāļāļāļāļāļāļēāļĢāļāļģ Backtesting (6:34)
Coding: āđāļāļĢāļĩāļĒāļĄāļāđāļāļĄāļđāļĨ (2:08)
Coding: āļŠāļĢāđāļēāļāļāļĨāļĒāļļāļāļāđāļāļ·āđāļāļāļēāļĒāļāļĒāđāļēāļāļāđāļēāļĒāļāđāļ§āļĒ vertorization (7:32)
Coding: Backtesting āļāļĨāļĒāļļāļāļāđāļāļāļāđāļĢāļē (3:12)
Lecture: āļ§āđāļēāļāđāļ§āļĒāļāļēāļĢāļ§āļąāļāļāļĨ Performance Metric (5:19)
Coding: āļ§āļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļ§āļĒ Drawdown 1 (7:21)
Coding: āļ§āļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļ§āļĒ Drawdown 2 (8:57)
Coding: āļ§āđāļēāļāđāļ§āļĒāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ Volatility (3:22)
Coding: āļ§āđāļēāļāđāļ§āļĒāļāļąāļāļĢāļēāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāđāļĨāļ°āļāļģāđāļĢ Sharpe Ratio (8:13)
Coding: āļāļģāđāļĢ Profit (2:54)
Coding: Compound Annual Growth Rate (CAGR) (5:25)
Coding: āļāļ§āļēāļĄāđāļĄāđāļāļĒāļģ Hit Rate (7:27)
Coding: Performance Matrix (11:37)
Coding: āļŠāļĢāđāļēāļāļāļąāļāļāđāļāļąāđāļ get_report() āđāļāļ·āđāļāļ§āļąāļāļāļĨ (12:37)
Coding: āļĨāļ package Pyfolio (1:18)
Coding: āđāļāļĢāļĩāđāļĒāļāđāļāļĩāļĒāļāļāļēāļĢāļ§āļąāļāļāļĨāļāļāļāđāļĢāļēāđāļāļāļāļąāļ Pyfolio (7:52)
Section 7 Optimization and Mean Reversal
Coding: āļŦāļēāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđāļāļĩāđāđāļŦāļĄāļēāļ°āļŠāļĄāļāļĩāđāļŠāļļāļāļāđāļ§āļĒ Optimization 1 (8:38)
Coding: āļŦāļēāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđāļāļĩāđāđāļŦāļĄāļēāļ°āļŠāļĄāļāļĩāđāļŠāļļāļāļāđāļ§āļĒ Optimization 2 (12:21)
Coding: Mean reversal 01 (7:38)
Coding: Mean Reversal 2 (10:10)
Coding: Mean Reversal Optimization (2:38)
Section 8 Porfolio Allocation
Lecture: āļ§āđāļēāļāđāļ§āļĒāļāļēāļĢāļāļ·āļāļŦāļļāđāļāđāļāđāļ Portfolio: āļāļēāļĢāļāļīāļāļāļģāđāļĢāļāļāļ Portfolio (2:57)
Coding: Portfolio Return (5:42)
Lecture: āļāļēāļĢāļāļģāļāļ§āļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļ Portfolio: Portfolio Variance (15:15)
Coding: Potfolio Variance (7:28)
Coding: āļāļāļĨāļāļāļ§āļąāļ Portfolio Variance āļāļēāļāļŦāļļāđāļāļāļĩāđāļĄāļĩ Correlation āļāđāļēāļāđāļāļąāļ (5:54)
Lecture: Modern Portfolio Theory (14:50)
Coding: 2 Asset Efficient Frontier (16:15)
Coding: Modern Portfolio Theory: āļ§āđāļēāļāđāļ§āļĒ Static āđāļĨāļ° Radom Weight (7:29)
Coding: āļāļģāļĨāļāļāļāļēāļĢāļāļ·āļāļŦāļļāđāļāļŦāļĨāļēāļĒāļĢāļđāļāđāļāļ(āļāđāļģāļŦāļāļąāļ)āļāđāļ§āļĒ Modern Portfolio Theory (11:53)
Coding: āļŦāļēāļāļļāļāļāļāļāļāļēāļĢāļĨāļāļāļļāļāļāļĩāđāļĄāļĩāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļ Efficient Frontier (5:20)
Coding: āļŦāļēāļāđāļģāļŦāļāļąāļāļāļāļ Portfolio āļāļĩāđāđāļĢāļēāļāļĒāļēāļāļĨāļāļāļļāļāļāđāļ§āļĒ (11:29)
Coding: plot āļāļģāđāļŦāļāđāļāļāļāļ Max Shape Ratio, Return Min Volatility Portfolio āđāļĨāļ°āđāļāđāļēāđāļ Shape āļāļāļāļāļēāļĢāđāļāļāđāļāļāđāļ MPT (7:11)
Coding: āļĨāļāļāđāļĨāļ·āļāļāļŦāļļāđāļāđāļāđāļē MPT āļāđāļ§āļĒ Correlation (10:07)
Section 9 More Backtesting
Coding: āļŠāļĢāđāļēāļ Backtest āđāļāļ Non-Vectorization (14:58)
Coding: āđāļāļīāđāļĄāļāļļāļāļāļąāļāļāļēāļāļāļļāļ Stoploss (11:20)
Coding: āļāļģāļāļēāļĢāļāļīāļāļāļģāđāļĢāđāļŦāđāđāļāđāļāļāļąāļāļāđāļāļąāđāļ (8:15)
Coding: āļāļģāļāļēāļĢāļŦāļē Signal āđāļŦāđāđāļāđāļāļāļąāļāļāđāļāļąāđāļ (3:52)
Coding: āđāļāļīāđāļĄāļĢāļēāļĒāļĨāļ°āđāļāļĩāļĒāļāđāļŦāđ Signal Creator āđāļāļ·āđāļāļāļĢāļ°āđāļĒāļāļāđāļāļēāļāļāļēāļĢāļāļģāļāļ§āļ (7:33)
Coding: āļāļĢāļąāļāļāļēāļĢāļāļģāļāļ§āļāļĢāļēāļāļēāđāļāđāļēāļāļ·āđāļ-āļāļēāļĒ āđāļŦāđāļŠāļĄāļāļĢāļīāļāļĒāļīāđāļāļāļķāđāļ (10:09)
Coding: āđāļāđāļ Log āļāļēāļĢāđāļāļĢāļāđāļāđāļĨāļ°āļāļĢāļąāđāļ (7:11)
Coding: āļāļąāļāđāļāļ log āļŦāļĨāļąāļāļāļēāļĢāļāļīāļāļŠāļąāļāļāļēāļāļ·āđāļāļāļēāļĒ (10:37)
Coding: āļŦāļēāļŠāļāļīāļāļīāļāļēāļ Log āļāļĩāđāđāļĢāļēāđāļāđāļāļĄāļē (7:55)
Coding: Assumption āļāļāļāļāļēāļĢāļāļīāļāļāļģāđāļĢ backtest āļāļĩāđāļāļēāļāļāļ°āļĄāļĩāļāļąāļāļŦāļē āļĄāļēāđāļāđāļāļ§āļēāļĄāļāļīāļāļāļĨāļēāļāđāļāļāļēāļĢāļāļģāļāļ§āļāļāļģāđāļĢāļāļąāļāļāļĢāļąāļ (8:57)
Section 10 Monte Carlo Simulation
Lecture: āļāļģāđāļĄāđāļĢāļēāļāđāļāļāļāļēāļĢ Monter Carlo (3:54)
Lecture: Monte Carlo āļŠāļģāļŦāļĢāļąāļāļāļģāļĨāļāļāļāļēāļĢāđāļāļĨāļ·āđāļāļāđāļŦāļ§āļāļāļāļĢāļēāļāļēāļŦāļĨāļąāļāļāļĢāļąāļāļĒāđ (3:43)
Lecture: āļ§āđāļēāļāđāļ§āļĒ Driff (2:56)
Lecture: āļ§āđāļēāļāđāļ§āļĒ Random Shock(Volatility) (4:35)
Lecture: āļāļĢāļ°āļāļāļāļŠāļĄāļāļēāļĢāļāļąāđāļāļŦāļĄāļ (4:35)
Coding: Monte Carlo 1 (6:12)
Coding: Monte Carlo 2 Drift and Shock (6:40)
Coding: Monte Carlo 3 Simulation (7:32)
Coding: Monte Carlo 4 Value at Risk (4:54)
Section 11 Candlestick Pattern Recognition
Coding: Install TAlib (1:59)
Coding: āđāļāļ·āđāļāļāļāđāļāļāļąāļ āļāļēāļĢāļāđāļēāļ Pattern āļāļāļ Candlestick (7:35)
Coding: āđāļŠāļāļāļāļĨ Pattern Doji āļāļāļāļŦāļļāđāļ Apple āđāļāļāļŪāļēāļĢāđāļāđāļāđāļ (9:18)
Coding: āđāļĨāļ·āļāļāļŦāļļāđāļ (4:07)
Coding: āđāļĨāļ·āļāļ Candlestick Pattern (3:18)
Coding: āđāļĨāļ·āļāļāļāđāļ§āļāđāļ§āļĨāļēāļĨāđāļēāļŠāļļāļāļāļĩāđāđāļāļīāļ Pattern (8:58)
Coding: āđāļŠāļāļāļāļĨāđāļāļāđāļāļīāļĢāđāļāđāļāļāđāļāļāļēāļĄāļīāļāļŠāđ (8:08)
Coding: āļāļģāđāļŦāđāđāļāđāļ Function (4:27)
Coding: Automate āļŦāļē Pattern āļāļąāđāļ 61 āđāļāļāđāļāļīāļĢāđāļāđāļāļāļĢāļąāđāļāđāļāļĩāļĒāļ§ (5:29)
Coding: āļŠāļąāļāļāļēāļŦāđāļāļĩāđāļāđāļēāļāļĄāļēāļĄāļĩāđāļāļāđāļāļīāļĢāđāļāļāļ°āđāļĢāđāļāļīāļāļāļķāđāļāļāđāļēāļ (7:44)
Section 12 Machin Learning
Lecture: Introduction to Machine Learning (6:32)
Lecture: Types of Machine Learning (4:41)
Lecture: Regression (3:32)
Lecture: Linear Regression (7:23)
Lecture: Multiple linear regression (2:34)
Coding: āļŠāļĢāđāļēāļāļāđāļāļĄāļđāļĨāļāļąāļ§āļāļĒāđāļēāļ (3:06)
Coding: āļĨāļēāļāđāļŠāđāļāđāļāļ·āđāļāļāļāļīāļāļēāļĒāļāđāļāļĄāļđāļĨ (8:24)
Coding: Metrics āļ§āļąāļāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļāđāļĄāđāļāļĨ (2:32)
Coding: Metrics Square Error āđāļĨāļ° Mean Square Error (3:24)
Coding: Ordinary least squares (13:17)
Coding: Ordinary least squares āđāļāļīāļĄ Noise (5:30)
Coding: āļŠāļĢāđāļēāļāļāđāļāļĄāļđāļĨ Time Series (5:05)
Coding: āļŠāļĢāđāļēāļ Feature āđāļāļ·āđāļāļāļēāļĢāļāļģāļāļēāļĒ (4:53)
Coding: Train āđāļĄāđāļāļĨ āļ§āļąāļāļāļĨ Metrics R-Square , Mean Square Error (9:00)
Coding: āļāļāļŠāļāļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ (5:50)
Coding: āļāļąāļāļŦāļēāļāļāļāļĢāļēāļāļēāļāļīāļ āđāļĨāļ° Auto Correaltion (9:41)
Coding: āđāļāđāļāļĢāļīāļĐāļąāļāļāļ·āđāļāļāļĢāļīāļĐāļąāļāļāļđāđāđāļāđāļ āļŦāļĢāļ·āļ āļāļēāļāđāļēāļāļ·āđāļāđāļĄāļēāļāđāļ§āļĒāđāļāļāļēāļĢāļāļģāļāļēāļĒāļĢāļēāļāļēāļāļīāļāđāļāđāļāļĨāđāļŦāļĄ? (3:29)
Coding: āļāļģāđāļĄāļĄāļąāļāđāļĄāđāđāļāđāļāļĨ (14:22)
Coding: Linear Regression āļāļāļāđāļāļĄāļđāļĨ Return (4:24)
Coding: āļŠāļĢāđāļēāļ Direction āđāļĨāļ°āļ§āļąāļ Accuracy āļāļāļāđāļĄāđāļāļĨ (5:27)
Coding: Simulaiton āļāļĨāļāļēāļāļāļēāļāđāļĄāđāļāļĨ (10:54)
(āļāļēāļāļāļĢāļāļāļĩāđāļĨāļāđāļāļāļ°āđāļāđāļāļāļāļāđāļāđāļēāļāļ°āļāļĢāļąāļ) Introduction and environment preparation
Intro to the Course (9:56)
āļāļģāđāļĄāđāļĨāļ·āļāļāđāļāđāļ āļēāļĐāļē Python (3:10)
āđāļāļĢāļĩāļĒāļĄ Python āđāļŦāđāļāļĢāđāļāļĄ āļŠāļģāļŦāļĢāļąāļāđāļāđāļāļēāļ (7:51)
āļĨāļ Quandl āļāđāļ§āļĒ Anaconda Navigator (5:28)
āļāđāļēāđāļĄāđāļĄāļĩāļāļ§āļēāļĄāļĢāļđāđāļāđāļēāļāļāļēāļĢāđāļāļĩāļĒāļāđāļāļĢāđāļāļĢāļĄāļāļģāļĒāļąāļāđāļ? (1:12)
āļāļ§āļēāļĄāļĢāļđāđāļāļ·āđāļāļāļēāļāļāļĩāđāļāļģāđāļāđāļāļāđāļāļāđāļĢāļīāđāļĄāđāļĢāļĩāļĒāļ (Prerequisite)
āļāļēāļ§āđāļŦāļĨāļāļāļāļŠāđāļāđāļāđāļāđāļāļēāļāļāļĩāđāđāļŦāļ? (2:32)
Course Resource
Section 1) āļāļēāļĢāđāļāđāļĄāļēāļāļķāđāļāļāđāļāļĄāļđāļĨ āđāļĨāļ°āļāļēāļĢāļŠāļĢāđāļēāļ Function āđāļāļāļēāļĢāļāļķāļāļāđāļāļĄāļđāļĨāđāļĨāļ°āļāļēāļĢ Export āđāļāđāļ CSV (āļāļāļāđāļāđāļē)
Lecture: āđāļĢāļēāļāļ°āļŦāļēāļāđāļāļĄāļđāļĨāļāļēāļāļāļĩāđāđāļŦāļāļāđāļēāļ (2:53)
āļĢāļđāđāļāļąāļāļāļąāļ Quandl (4:27)
Coding: āđāļŦāļĨāļāļāđāļāļĄāļđāļĨāļāļēāļ Quandl (6:01)
āđāļŦāļĨāļāļāđāļāļĄāļđāļĨāļāļēāļ Siamchart (2:53)
Coding: āļāļķāļāļāđāļāļĄāļđāļĨāļāļēāļ Siamchart āļĄāļēāđāļāđāļ Dataframe (19:23)
Coding: Export CSV (2:00)
Coding: āđāļāļĩāļĒāļ Function āđāļĢāļĩāļĒāļāļŦāļļāđāļāļĢāļēāļĒāļāļąāļ§āļāļēāļ Dataframe (11:21)
Lecture: Library 2 āđāļāļ (5:03)
Coding: Import function āļāļēāļ āđāļāļĨāđ .py āļāļāļāđāļĢāļēāđāļāļ (4:23)
Coding: Export āļŦāļļāđāļāļĢāļēāļĒāļāļąāļ§āļāļāļāđāļāđāļ CSV (5:44)
Section 2) āļāļēāļĢāļāļąāļāļāļēāļĢāļāđāļāļĄāļđāļĨāđāļāļ·āđāļāļāļāđāļ (āļāļāļāđāļāđāļē)
Lecture: āļāļđāļ āļēāļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨ (5:20)
Coding: āļāļđāļ āļēāļāļĢāļ§āļĄāļāđāļāļĄāļđāļĨ .info() .Describe() (6:37)
Lecture: āļāļēāļĢāļāļąāļāļāļēāļĢ Dataframe (5:45)
Coding: āđāļĨāļ·āļāļāļāđāļ§āļāđāļ§āļĨāļē (4:24)
Coding: āļāļēāļĢāđāļāđāļēāļāļķāļ Column (2:13)
Coding: āļāļēāļĢāđāļāđāļēāļāļķāļ Column āđāļāļāļĄāļĩāđāļāļ·āđāļāļāđāļ (7:09)
Lecture: āļāļēāļĢ Resample āļāđāļāļĄāļđāļĨ (2:47)
Coding: Resample (8:30)
Lecture: āļāļēāļĢāļāļģ Lead/Lag āļāđāļāļĄāļđāļĨ āđāļĨāļ° Moving Average (2:53)
Coding: Lead/Lag (3:43)
Coding: Moving Average (3:34)
Coding: Subplot (5:07)
Coding: āļāļāļīāļāļēāļĒ Subplot āđāļāļīāđāļĄāđāļāļīāļĄ (4:30)
Install Mpl Finance package (1:27)
Coding: Candlestick Plot (7:55)
Section 3) Clean&Normalization āļāđāļāļĄāļđāļĨ (āļāļāļāđāļāđāļē)
Lecture: āļāļēāļĢāļāļąāļāļāļēāļĢāļāļąāļ Missing Value āđāļĨāļ°āļāļēāļĢ Normalization āļāđāļāļĄāļđāļĨ (3:30)
Coding: Missing Value (7:43)
Coding: Normalization (4:09)
Section 4) āļĢāļđāđāļāļąāļāļāļąāļāļŦāļļāđāļāđāļŦāđāļĄāļēāļāļāļķāđāļāļāđāļ§āļĒāļāļģāļāļ§āļēāļĄāđāļāđāļēāđāļāļāđāļē Return, āļāļēāļĢāđāļāļāđāļāļāļāļāļāļĢāļēāļāļē āđāļĨāļ° āļāđāļēāļāļēāļāļŠāļāļīāļāļīāļāļ·āđāļāđ (āļāļāļāđāļāđāļē)
Lecture: āļ§āđāļēāļāđāļ§āļĒ Return (6:27)
Coding: Simple Return (6:04)
Coding: Log Return (7:18)
Lecture: āļāļēāļĢāđāļāļāđāļāļāļāļāļāļī(Normal Distribution) (10:47)
Coding: āļ§āđāļēāļāđāļ§āļĒāļāļēāļĢ Random āđāļĨāļ° Histogram (10:11)
Lecture: āļŠāļāļīāļāļīāļ§āđāļēāļāđāļ§āļĒāļāđāļēāđāļāļĨāļĩāđāļĒ(Mean) āđāļĨāļ° āļāđāļēāļĄāļąāļāļĒāļāļēāļ(Median) (2:50)
Coding: āļāđāļēāđāļāļĨāļĩāđāļĒ(Mean) āđāļĨāļ° āļāđāļēāļĄāļąāļāļĒāļāļēāļ(Median) (6:10)
Coding: āļāđāļēāđāļāļĨāļĩāđāļĒ(Mean) āđāļāļĢāļĩāļĒāļāđāļāļĩāļĒāļ āļāđāļēāļĄāļąāļāļĒāļāļēāļ(Median) āđāļĨāļ°āļāļēāļĢāļāļĩāļāļ§āļēāļĄ (4:23)
Coding: āļāļĩāļāļ§āļēāļĄāļāđāļēāđāļāļĨāļĩāđāļĒāđāļĨāļ°āļāđāļēāļĄāļąāļāļĒāļāļēāļāļāļąāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ (5:06)
Coding: Quartile āđāļĨāļ° Percentile (7:21)
Lecture: āđāļāđāļēāđāļāļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļ(Variance) āđāļĨāļ° āļŠāđāļ§āļāđāļāļĩāđāļĒāļāđāļāļāļĄāļēāļāļĢāļāļēāļ(Standard Deviation) (6:24)
Coding: āļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļ(Variance) āđāļĨāļ° āļŠāđāļ§āļāđāļāļĩāđāļĒāļāđāļāļāļĄāļēāļāļĢāļāļēāļ(Standard Deviation) (19:09)
Section 5) āļāļēāļĢāļ§āļīāđāļāļĢāļēāļ°āļŦāđāļāļīāļĻāļāļēāļāļāļēāļĢāđāļāļĨāļ·āđāļāļāļāļĩāđāļāļāļāļĢāļēāļāļēāļŦāļļāđāļ āļāđāļ§āļĒāļāđāļē Covariance āđāļĨāļ° Correlation (āļāļāļāđāļāđāļē)
Lecture: āļāļ§āļēāļĄāđāļāļĢāļāļĢāļ§āļāļĢāđāļ§āļĄāđāļāļĩāđāļĒāļ§(Covariance) āđāļĨāļ° āļŠāļŦāļŠāļąāļĄāļāļąāļāļāđ(Correlation) (12:47)
Coding: Covariance (17:25)
Coding: Correlation (6:29)
Coding: āļāļđāļāļ§āļēāļĄāļŠāļąāļĄāļāļąāļāļāđāļāļāļāļŦāļļāđāļāđāļāļāļĨāļēāļāļŦāļĨāļąāļāļāļĢāļąāļāļĒāđāļāđāļ§āļĒ Correlation (20:01)
Section 6) āļāļđāļāļēāļĢāđāļāļāđāļāļāđāļāļ Fat Tail āļāđāļ§āļĒ Violion āđāļĨāļ° QQ Plot (āļāļāļāđāļāđāļē)
Coding: QQ plot āđāļĨāļ° Violin plot (8:47)
Coding: āļāļđāļāļēāļĢāđāļāļāđāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļāļāļĩāđāđāļāđāļ Fat tail āļāļąāļāļāđāļāļĄāļđāļĨāļāļĩāđāđāļāļāđāļāļāļāļēāļĄ āļāļĪāļĐāļāļĩ (4:06)
Section 7) āđāļāđāļēāđāļ Finance āđāļāļāļēāļĢāļĨāļāļāļļāļ (āļāļāļāđāļāđāļē)
Lecture: Time Value of Money (5:05)
Coding: time value of money (13:02)
Lecture: Benchmark (2:01)
Lecture: Beta (2:43)
Lecture: Alpha (1:15)
Coding: āļĄāļēāļāļģāļāļ§āļ Beta āļāļąāļ (15:08)
Coding: Beta āđāļĄāđāđāļāđāđāļāđāļēāļāļīāđāļ (5:27)
Section 8) āļāļēāļĢāļ§āļąāļāļāļĨāļāļēāļāđāļāļāļĨāļēāļāļŦāļļāđāļ (āļāļāļāđāļāđāļē)
Lecture: Drawdown and Volatility (2:41)
Coding: DrawDown (10:37)
Lecture: āļĢāļđāđāļāļąāļāļāļąāļāļāļąāļ§āļ§āļąāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļ Sharpe Ratio (2:31)
Coding: Shape Ratio (11:19)
Lecture: CAGR (2:33)
Coding: CAGR (4:59)
Coding: āđāļĨāđāļ§āđāļĢāļēāļāļģāļāļēāļĒāļāļđāļāļāļĩāđāđāļāļāļĢāđāđāļāđāļ Hit Rate (9:25)
Section 9) Modern Portfolio Theory (āļāļāļāđāļāđāļē)
Lecture: āļāļēāļĢāļāļģāļāļ§āļāļāļĨāļāļēāļāļāļāļāļāļāļĢāđāļāļāļāļĨāļīāđāļ Portfolio Return (1:48)
Coding: Portfolio Return (9:56)
Lecture: āļāļēāļĢāļāļģāļāļ§āļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāļāļāļāļāļĢāđāļāļāļāļĨāļīāđāļ Portfolio Variance (5:40)
Coding: Portfolio Variance (6:54)
Lecture: āļāļĪāļĐāļāļĩāļāļāļĢāđāļāđāļāļĨāļīāđāļāļŠāļĄāļąāļĒāđāļŦāļĄāđ Modern Portfolio Theory āļāļ·āļāļāļ°āđāļĢ (9:22)
Coding: Modern Portfolio Theory(1) āļāļģāļāļ§āļāđāļāļ Static vs Randoms (12:31)
Coding: Modern Portfolio Theory āļŦāļēāļāļ§āļēāļĄāļāđāļēāļāļ°āđāļāđāļ 1000 āļĢāļđāļāđāļāļ (12:32)
Coding: Modern Portfolio Theory āđāļĨāļ·āļāļāļāđāļģāļŦāļāļąāļāļāļāļāļŦāļļāđāļāđāļāļāļāļĢāđāļāļāļāļĨāļīāđāļāļāđāļ§āļĒ Sharpe Ratio, Volatility āļāđāļģāļŠāļļāļ āđāļĨāļ° āļāļģāđāļĢāļŠāļđāļāļŠāļļāļ (26:54)
Coding: Modern Portfolio Theory āļāļĨāļāļĢāļ°āļāļāļāļēāļāļŦāļļāđāļāļāļĩāđāļĄāļĩ Correlation āļāđāļāļāļąāļāļŠāļđāļ (12:04)
Coding: Modern Portfolio Theory: āļāļĨāļāļĢāļ°āļāļāļāļēāļāļŦāļļāđāļāļāļĩāđāļĄāļĩ Correlation āļāđāļāļāļąāļāļāđāļģ (3:53)
Section 10) VaR: Value at Risk (āļāļāļāđāļāđāļē)
Lecture: āļāļĢāļ°āđāļĄāļīāļāļāļ§āļēāļĄāđāļŠāļĩāđāļĒāļāļāđāļ§āļĒ Value at Risk (6:08)
Coding: Value at Risk(Var) āđāļāļāđāļĄāđāđāļāđāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđ (9:25)
Coding: Value at Risk(Var) āđāļāļāđāļāđāļāļēāļĢāļēāļĄāļīāđāļāļāļĢāđ (9:31)
Section 11) Monte Carlo (āļāļāļāđāļāđāļē)
Coding: Random Walk āļāļđāļāļ§āļēāļĄāļāļĪāļāļīāļāļĢāļĢāļĄāļāļāļāļāđāļāļĄāļđāļĨ Random (9:52)
Coding: Random Walk āļāļđāļāļĪāļāļīāļāļĢāļĢāļĄāļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļāđāļāļ·āđāļāđāļāļĢāļĩāļĒāļāđāļāļĩāļĒāļ (3:35)
Lecture: āļ āļēāļāļĢāļ§āļĄ Monte Carlo (0:57)
Lecture: āļāļģāđāļĄāđāļĢāļēāļāđāļāļāđāļāđ Monte Carlo (3:18)
Lecture: Monte Carlo for stock simulation (5:22)
Lecture: Monte Carlo āļ§āđāļēāļāđāļ§āļĒ Drift (4:37)
Lecture: Monte Carlo āļ§āđāļēāļāđāļ§āļĒ Volatility (8:40)
Lecture: Monte Carlo āđāļāļēāļāļļāļāļāļĒāđāļēāļāļĄāļēāļĢāļ§āļĄāļāļąāļ (7:11)
Coding: Monte Carlo Part 1 (4:07)
Coding: Monte Carlo Part 2 (23:55)
Coding: Monte Carlo Var (12:12)
Coding: Monte Carlo bias āđāļāđāļāļŠāļāļāļāļāđāļ§āļāđāļ§āļĨāļēāđāļāļāļēāļĢāđāļĨāļ·āļāļāļāđāļāļĄāļđāļĨ (16:33)
Section 12-13) Backtesting and Optimization (āļāļāļāđāļāđāļē)
Lecture: Simple Backtest Part 1 (3:10)
Lecture: Simple Backtest Part 2 (4:06)
Coding: āđāļāļĢāļĩāļĒāļĄāļāđāļāļĄāļđāļĨ (2:36)
Cooding: āļŠāļĢāđāļēāļāļāļĨāļĒāļļāļāļāđ Moving Average Crossover āļāļĒāđāļēāļāļāđāļēāļĒāļāđāļ§āļĒāļāļēāļĢ Vectorization (7:52)
Coding: āļāļģāļāļ§āļ Profit āđāļĨāļ° Loss (4:33)
Coding: āļ§āļąāļāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļāđāļāļāļēāļĢāļĨāļāļāļļāļ (14:52)
Coding: āļāļēāļĢāđāļāđāđāļāļ·āđāļāļāđāļāđāļāļāļēāļĢāļŠāļĢāđāļēāļāļāļĨāļĒāļļāļāļāđāļĄāļēāļāļāļ§āđāļē 1 āđāļāļ·āđāļāļāđāļ Part 1 (6:16)
Coding: āļāļēāļĢāđāļāđāđāļāļ·āđāļāļāđāļāđāļāļāļēāļĢāļŠāļĢāđāļēāļāļāļĨāļĒāļļāļāļāđāļĄāļēāļāļāļ§āđāļē 1 āđāļāļ·āđāļāļāđāļ Part 2 (7:09)
Lecture: Optimization (3:36)
Coding: Moving Average optimization Part 1 (16:22)
Coding: Moving Average optimization Part 2 (22:17)
Coding: Mean Reversal Part 1 (5:08)
Coding: Mean Reversal Part 2 (16:46)
Coding: Mean Reversal Optimization Part 1 (10:53)
Coding: Mean Reversal Optimization Part 2 (10:36)
Coding: Mean Reversal Optimization Part 3 (4:25)
Section14: Machine Learning (āļāļāļāđāļāđāļē)
Lecture: Introduction to Machine Learning (6:32)
Lecture: Types of Machine Learning (4:41)
Lecture: Regression (3:32)
Lecture: Multiple linear regression (2:34)
Lecture: Linear Regression (7:23)
Coding: Linear Regression āļĢāļĩāļ§āļīāļ§ Part 1 āļāļāļāđāļāđāļ (14:07)
Coding: Linear Regression āļĢāļĩāļ§āļīāļ§ Part 2 āļāđāļāļĄāļđāļĨāļāļĩāđāļĄāļĩ Noise (5:24)
Coding: Linear Regression āļĢāļĩāļ§āļīāļ§ Part 3 āđāļāļĄāļļāļĄāļĄāļāļāļāļāļ Time Series (13:00)
Coding: Linear Regression āļĢāļĩāļ§āļīāļ§ Part 4 āđāļāđ SKlearn (8:30)
Coding: Linear Regression āļāļģāļāļēāļĒāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 1 āļĢāļēāļāļēāļāļīāļ (5:54)
Coding: Linear Regression āļāļģāļāļēāļĒāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 2 āļāļēāļĢāđāļāđāļāļāđāļāļĄāļđāļĨ Train/Test (6:03)
Coding: Linear Regression āļāļģāļāļēāļĒāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 3 āļāļēāļĢāļ§āļąāļāļāļĨ (11:56)
Lecture: Backtesting ML strategies (6:37)
Coding: Linear Regression āļāļģāļāļēāļĒ Return āļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 1 āļāļģāļāļēāļĒ Return (5:44)
Coding: Linear Regression āļāļģāļāļēāļĒ Return āļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 2 āđāļāđāļāļāđāļāļĄāļđāļĨ Train/Test (5:26)
Coding: Linear Regression āļāļģāļāļēāļĒ Return āļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 3 train model āđāļĨāļ°āļāļģāļāļēāļĒāļāļĨ (12:00)
Coding: Linear Regression āļāļģāļāļēāļĒ Return āļāļāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 4 Simulation āđāļĨāļ° āļāļēāļĢāļ§āļąāļāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļ (12:09)
Lecture: What is Logistic regression? (5:38)
Lecture: How does Logistic regression work? (5:14)
Coding: Logistic Regression āļĢāļĩāļ§āļīāļ§ Part 1 (3:22)
Coding: Logistic Regression āļĢāļĩāļ§āļīāļ§ Part 2 (16:56)
Coding: Logistic Regression āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 1 āđāļāļĢāļĩāļĒāļĄāļāđāļāļĄāļđāļĨ (4:45)
Coding: Logistic Regression āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 2 āđāļāđāļāļāđāļāļĄāļđāļĨ Train/Test (5:32)
Coding: Logistic Regression āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 3 train model āđāļĨāļ°āļāļģāļāļēāļĒāļāļĨ (4:42)
Coding: Logistic Regression āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 4 Simulation āđāļĨāļ°āļ§āļąāļāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļ (12:17)
Lecture: āļāļ°āđāļĢāļāļ·āļ K-Nearest Neighbour(KNN) (9:02)
Coding: KNN - āļĢāļĩāļ§āļīāļ§ Part 1 āļŠāļĢāđāļēāļāļāđāļāļĄāļđāļĨāđāļŠāļĄāļ·āļāļ (7:46)
Coding: KNN - āļĢāļĩāļ§āļīāļ§ Part 2 āđāļāđāļāļāđāļāļĄāļđāļĨ Train/Test (2:29)
Coding: KNN - āļĢāļĩāļ§āļīāļ§ Part 3 train model āđāļĨāļ°āļāļģāļāļēāļĒāļāļĨ (11:09)
Coding: KNN - āļĢāļĩāļ§āļīāļ§ Part 4 āļāļēāļĢāļ§āļąāļāļāļĨ (4:25)
Coding: KNN - āļĢāļĩāļ§āļīāļ§ Part 5 āļāđāļāļĄāļđāļĨāļāļĩāđ Unbalanced (7:06)
Coding: KNN āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 1 āđāļāļĢāļĩāļĒāļĄāļāđāļāļĄāļđāļĨ āđāļĨāļ° āđāļāđāļāļāđāļāļĄāļđāļĨ Train/Test (3:37)
Coding: KNN āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 2 Train model āđāļĨāļ°āļāļģāļāļēāļĒāļāļĨ (4:37)
Coding: KNN āļāļģāļāļēāļĒāļāļīāļĻāļāļēāļāļāđāļāļĄāļđāļĨāļāļĢāļīāļ Part 3 Simulation āđāļĨāļ°āļ§āļąāļāļāļĢāļ°āļŠāļīāļāļāļīāļ āļēāļ (11:06)
Technical Indicator with Talib (āļāļāļāđāļāđāļē)
Install TA-Lib (2:58)
Talib Resource
Coding: Momentum - Simple, Exponential, Double Exponential Moving Average(SMA EMA DEMA) (10:28)
Coding: Momentum - Plus Directional Indicator (+DI), Minus Directional Indicator (-DI) (5:32)
Coding: Momentum - Directional Movement Index (DX), Average Directional Movement Index (ADX) (7:09)
Coding: Oscillator - Relative Strength Index(RSI) (4:44)
Coding: Overlap Studies - Bollinger Bands (6:11)
Coding: Volume - On balance volume (OBV) (5:38)
Coding: Volatility Indicators - True Range(TR) Average true range(ATR) (10:38)
Coding: Candlestick Pattern part1 (11:03)
Coding: Candlestick Pattern part2 (7:38)
Coding: Portfolio Return
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock