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)
ทำไมเลือกใช้ภาษา Python (3:10)
ติดตั้ง Anaconda (4:59)
Course Resource
Section 1 Data Management
Lecture: ดูภาพรวมข้อมูล (5:20)
Coding: import Library และ อ่าน CSV (7:42)
Coding: ดูภาพรวมข้อมูลด้วย .info() และ .descrive() (7:34)
Lecture: การทำงานกับ DataFrame (4:22)
Coding: ใช้ .iloc() เลือกช่วงเวลาข้อมูล (5:03)
Coding: ใช้ .loc() เลือกช่วงเวลาข้อมูล (2:01)
Coding: การเข้าถึง Column (2:41)
Coding: การเข้าถึง Column แบบมีเงื่อนไข (7:00)
Lecture: การ Resample Lead Lag และ Moving Average (3:29)
Coding: ปรับเปลี่ยน Time Frame ข้อมูลด้วย .Resample() (8:06)
Coding: Lead Lag ข้อมูลด้วย .shift() (1:51)
Coding: สร้าง Moving Average (3:42)
Coding: สร้าง Subplot (5:06)
Coding: สร้างกราฟแท่งเทียน และ แนวรับแนวต้านด้วย mplfinance (6:13)
Section 2 Data Source
Lecture: เราจะหาข้อมูลการลงทุนได้ที่ไหนบ้าง (3:16)
Coding: ลง package yfinance (2:50)
Coding: รู้จัก yahoo finance และ ทดลองดึงข้อมูล (7:49)
Coding: ดึงข้อมูลงบการเงิน (3:25)
Coding: ข้อมูลแนะนำการลงทุน (2:56)
Coding: ดึงข้อมูลหุ้นทีละหลายตัว (3:42)
Coding: ดึงเฉพาะข้อมูลราคา Open High Low Close Volume (7:17)
Coding: ดึงข้อมูลราคาหลายตัว (2:55)
Coding: ดึงข้อมูลหุ้นในกลุ่ม Dow Jones Industrial Average (5:57)
Coding: ดึงข้อมูลหุ้นในกลุ่ม SET100 (3:00)
Coding: ติดตั้ง package Quandl (Nasdaq Data Link) (1:47)
Lecture: รู้จักกับ Nasdaq Data Link (3:52)
Coding: ดึงช้อมูล Quandl ผ่าน API (6:52)
Coding: ดึงข้อมูลจาก Siamchart (3:29)
Coding: ดึงข้อมูลจาก Siamcahrt มาเป็น DataFrame (7:48)
Coding: เขียนฟังก์ชั่นเลือกหุ้นรายตัวจาก DataFrame (6:48)
Lecture: รู้จักกับ Library 2 แบบ (2:38)
Coding: ดึงข้อมูลผ่าน Function ใน util.py (2:52)
Coding: Export CSV (4:17)
Lecture: การจัดการกับ Missing Value และการ Normalization ข้อมูล (1:56)
Coding: Missing Value (4:06)
Coding: Normalization ข้อมูล (2:39)
Section 3 Statistics
Lecture: รู้จักกับ Return 2 ประเภท (4:31)
Coding: ว่าด้วย Simple Return (5:58)
Coding: ว่าด้วย Log Return (3:28)
Coding: ว่าด้วย Log Return (ต่อ) (6:50)
Lecture: การแจกแจงปรกติ(Normal Distribution) (6:42)
Coding: ว่าด้วยการ Random และ Histogram (8:05)
Coding: การแจกแจงของข้อมูลจริงเทียบกับทฤษฎี เหมือนหรือต่างกันอย่างไร (5:00)
Lecture: ว่าด้วย Mean Median และทำความเข้าใจความแปรปรวน(Variance) และ ส่วนเบี่ยงเบนมาตรฐาน(Standard Deviation) (6:06)
Coding: ค่าเฉลี่ย(Mean) เปรียบเทียบ ค่ามัธยฐาน(Median) และการตีความ (6:24)
Coding: ดูตำแหน่งของข้อมูลด้วย Quartile และ Percentile (7:59)
Coding: รู้จักความเสี่ยงของการลงทุนด้วยการเข้าใจความแปรปรวน (Variance) (9:10)
Coding: ส่วนเบี่ยงเบนมาตราฐาน (Standard Deviation)หรือ Volatility (1:33)
Coding: ดูความเสี่ยงของข้อมูลจริง (3:28)
Coding: mini project หา outlier ของ return ด้วย z-score 1 (3:17)
Coding: mini project หา outlier ของ return ด้วย z-score 2 (7:57)
Lecture: หุ้นสองตัวมันขึ้นลงตามกันแค่ไหน? รู้จักกับ Covariance และ Correlation (10:45)
Coding: ความแปรปรวนร่วม (Co-variance) (10:37)
Coding: Correlation (4:04)
Coding: ดู Correlation บนข้อมูลจริง (5:26)
Coding: ดู correlation ระหว่างกลุ่มหุ้น (7:18)
Coding: ดูความสัมพันธ์ของหุ้นและตัวมันเองด้วย Autocorrelation (3:31)
Coding: ดูการแจกแจงข้อมูลจริงที่เป็น Fat tail กับข้อมูลที่แจกแจงตาม ทฤษฎี (7:07)
Section 4 Value at Risk
Lecture: ประเมินความเสี่ยงของการลงทุนด้วย Value at Risk (6:34)
Coding: Value at Risk(VaR) แบบไม่ใช้พารามิเตอร์ (8:05)
Coding: Value at Risk(VaR) แบบใช้พารามิเตอร์ (7:00)
Lecture: Conditional Value at Risk หาความเสี่ยงหลังจากจุดหนึง VaR กัน (1:43)
Coding: Conditional Value at Risk (Expected Shortfall) (4:17)
Lecture: มาใช้ Cornish-Fisher expansion มาเพิ่มประสิทธิภาพให้ VaR แบบมีพารามิเตอร์กันครับ (7:40)
Coding: Cornish-Fisher Value at Risk (9:02)
Section 5 Time Series
Coding: แยกองค์ประกอบของ Time Series ด้วย Decompose (9:07)
Coding: ก้าวแรกของการทำนายด้วยการโมเดลราคาทองคำด้วย exponentially weighted moving average (EWMA) (8:58)
Coding: Holt Linear Trend และ Holt-Winter (6:20)
Coding: ทดสอบความเป็น stationary ของข้อมูลด้วย Augmented Dickey–Fuller test(ADF test) (6:14)
Coding: ทำให้ Non-stationary เป็น Stationary (3:38)
Coding: รู้จักกับความสหสัมพันธ์กับตัวเองบางส่วน partial autocorrelation function ( PACF) (7:19)
Coding: ทำนายราคาทองคำด้วย Autoregressive integrated moving average (ARIMA) 1 (6:17)
Coding: ทำนายราคาทองคำด้วย Autoregressive integrated moving average (ARIMA) 2 (10:12)
Coding: ไม่ต้องเลิกพารามิเตอร์ P,D,Q เองโดยการใช้ Auto ARIMA (9:01)
Section 6 Backtesting and Performance matrix
Lectue: ขั้นตอนการทำ Backtesting (6:34)
Coding: เตรียมข้อมูล (2:08)
Coding: สร้างกลยุทธ์ซื้อขายอย่างง่ายด้วย vertorization (7:32)
Coding: Backtesting กลยุทธ์ของเรา (3:12)
Lecture: ว่าด้วยการวัดผล Performance Metric (5:19)
Coding: วัดความเสี่ยงด้วย Drawdown 1 (7:21)
Coding: วัดความเสี่ยงด้วย Drawdown 2 (8:57)
Coding: ว่าด้วยความเสี่ยง Volatility (3:22)
Coding: ว่าด้วยอัตราความเสี่ยงและกำไร Sharpe Ratio (8:13)
Coding: กำไร Profit (2:54)
Coding: Compound Annual Growth Rate (CAGR) (5:25)
Coding: ความแม่นยำ Hit Rate (7:27)
Coding: Performance Matrix (11:37)
Coding: สร้างฟังก์ชั่น get_report() เพื่อวัดผล (12:37)
Coding: ลง package Pyfolio (1:18)
Coding: เปรี่ยบเทียบการวัดผลของเราเองกับ Pyfolio (7:52)
Section 7 Optimization and Mean Reversal
Coding: หาพารามิเตอร์ที่เหมาะสมที่สุดด้วย Optimization 1 (8:38)
Coding: หาพารามิเตอร์ที่เหมาะสมที่สุดด้วย 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: ว่าด้วยการถือหุ้นเป็น Portfolio: การคิดกำไรของ Portfolio (2:57)
Coding: Portfolio Return (5:42)
Lecture: การคำนวณความเสี่ยงของ Portfolio: Portfolio Variance (15:15)
Coding: Potfolio Variance (7:28)
Coding: ทดลองวัด Portfolio Variance จากหุ้นที่มี Correlation ต่างๆกัน (5:54)
Lecture: Modern Portfolio Theory (14:50)
Coding: 2 Asset Efficient Frontier (16:15)
Coding: Modern Portfolio Theory: ว่าด้วย Static และ Radom Weight (7:29)
Coding: จำลองการถือหุ้นหลายรูปแบบ(น้ำหนัก)ด้วย Modern Portfolio Theory (11:53)
Coding: หาจุดของการลงทุนที่มีประสิทธิภาพ Efficient Frontier (5:20)
Coding: หาน้ำหนักของ Portfolio ที่เราอยากลงทุนด้วย (11:29)
Coding: plot ตำแหน่งของ Max Shape Ratio, Return Min Volatility Portfolio และเข้าใจ Shape ของการแจกแจงใน MPT (7:11)
Coding: ลองเลือกหุ้นเข้า MPT ด้วย Correlation (10:07)
Section 9 More Backtesting
Coding: สร้าง Backtest แบบ Non-Vectorization (14:58)
Coding: เพิ่มจุดตัดขาดทุน Stoploss (11:20)
Coding: ทำการคิดกำไรให้เป็นฟังก์ชั่น (8:15)
Coding: ทำการหา Signal ให้เป็นฟังก์ชั่น (3:52)
Coding: เพิ่มรายละเอียดให้ Signal Creator เพื่อประโยชน์ทางการคำนวณ (7:33)
Coding: ปรับการคำนวณราคาเข้าซื้อ-ขาย ให้สมจริงยิ่งขึ้น (10:09)
Coding: เก็บ Log การเทรดแต่ละครั้ง (7:11)
Coding: อัพเดต log หลังการปิดสัญญาซื้อขาย (10:37)
Coding: หาสถิติจาก Log ที่เราเก็บมา (7:55)
Coding: Assumption ของการคิดกำไร backtest ที่อาจจะมีปัญหา มาแก้ความผิดพลาดในการคำนวณกำไรกันครับ (8:57)
Section 10 Monte Carlo Simulation
Lecture: ทำไมเราต้องการ Monter Carlo (3:54)
Lecture: Monte Carlo สำหรับจำลองการเคลื่อนไหวของราคาหลักทรัพย์ (3:43)
Lecture: ว่าด้วย Driff (2:56)
Lecture: ว่าด้วย Random Shock(Volatility) (4:35)
Lecture: ประกอบสมการทั้งหมด (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: เบื้องต้นกับ การอ่าน Pattern ของ Candlestick (7:35)
Coding: แสดงผล Pattern Doji ของหุ้น Apple แบบฮาร์คโค้ด (9:18)
Coding: เลือกหุ้น (4:07)
Coding: เลือก Candlestick Pattern (3:18)
Coding: เลือกช่วงเวลาล่าสุดที่เกิด Pattern (8:58)
Coding: แสดงผลแพทเทิร์นแบบไดนามิกส์ (8:08)
Coding: ทำให้เป็น Function (4:27)
Coding: Automate หา Pattern ทั้ง 61 แพทเทิร์นในครั้งเดียว (5:29)
Coding: สัปดาห์ที่ผ่านมามีแพทเทิร์นอะไรเกิดขึ้นบ้าง (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: สร้างข้อมูลตัวอย่าง (3:06)
Coding: ลากเส้นเพื่ออธิบายข้อมูล (8:24)
Coding: Metrics วัดประสิทธิภาพโมเดล (2:32)
Coding: Metrics Square Error และ Mean Square Error (3:24)
Coding: Ordinary least squares (13:17)
Coding: Ordinary least squares เติม Noise (5:30)
Coding: สร้างข้อมูล Time Series (5:05)
Coding: สร้าง Feature เพื่อการทำนาย (4:53)
Coding: Train โมเดล วัดผล Metrics R-Square , Mean Square Error (9:00)
Coding: ทดสอบบนข้อมูลจริง (5:50)
Coding: ปัญหาของราคาปิด และ Auto Correaltion (9:41)
Coding: ใช้บริษัทอื่นบริษัทคู่แข่ง หรือ ดาต้าอื่นๆมาช่วยในการทำนายราคาปิดได้ผลไหม? (3:29)
Coding: ทำไมมันไม่ได้ผล (14:22)
Coding: Linear Regression บนข้อมูล Return (4:24)
Coding: สร้าง Direction และวัด Accuracy ของโมเดล (5:27)
Coding: Simulaiton ผลงานจากโมเดล (10:54)
(จากตรงนี้ลงไปจะเป็นของเก่านะครับ) Introduction and environment preparation
Intro to the Course (9:56)
ทำไมเลือกใช้ภาษา Python (3:10)
เตรียม Python ให้พร้อม สำหรับใช้งาน (7:51)
ลง Quandl ด้วย Anaconda Navigator (5:28)
ถ้าไม่มีความรู้ด้านการเขียนโปรแกรมทำยังไง? (1:12)
ความรู้พื้นฐานที่จำเป็นก่อนเริ่มเรียน (Prerequisite)
ดาวโหลดซอสโค้ดได้จากที่ไหน? (2:32)
Course Resource
Section 1) การได้มาซึ่งข้อมูล และการสร้าง Function ในการดึงข้อมูลและการ Export เป็น CSV (ของเก่า)
Lecture: เราจะหาข้อมูลจากที่ไหนบ้าง (2:53)
รู้จักกับ Quandl (4:27)
Coding: โหลดข้อมูลจาก Quandl (6:01)
โหลดข้อมูลจาก Siamchart (2:53)
Coding: ดึงข้อมูลจาก Siamchart มาเป็น Dataframe (19:23)
Coding: Export CSV (2:00)
Coding: เขียน Function เรียกหุ้นรายตัวจาก Dataframe (11:21)
Lecture: Library 2 แบบ (5:03)
Coding: Import function จาก ไฟล์ .py ของเราเอง (4:23)
Coding: Export หุ้นรายตัวออกเป็น CSV (5:44)
Section 2) การจัดการข้อมูลเบื้องต้น (ของเก่า)
Lecture: ดูภาพรวมข้อมูล (5:20)
Coding: ดูภาพรวมข้อมูล .info() .Describe() (6:37)
Lecture: การจัดการ Dataframe (5:45)
Coding: เลือกช่วงเวลา (4:24)
Coding: การเข้าถึง Column (2:13)
Coding: การเข้าถึง Column แบบมีเงื่อนไข (7:09)
Lecture: การ Resample ข้อมูล (2:47)
Coding: Resample (8:30)
Lecture: การทำ Lead/Lag ช้อมูล และ Moving Average (2:53)
Coding: Lead/Lag (3:43)
Coding: Moving Average (3:34)
Coding: Subplot (5:07)
Coding: อธิบาย Subplot เพิ่มเติม (4:30)
Install Mpl Finance package (1:27)
Coding: Candlestick Plot (7:55)
Section 3) Clean&Normalization ข้อมูล (ของเก่า)
Lecture: การจัดการกับ Missing Value และการ Normalization ข้อมูล (3:30)
Coding: Missing Value (7:43)
Coding: Normalization (4:09)
Section 4) รู้จักกับหุ้นให้มากขึ้นด้วยทำความเข้าใจค่า Return, การแจกแจงของราคา และ ค่าทางสถิติอื่นๆ (ของเก่า)
Lecture: ว่าด้วย Return (6:27)
Coding: Simple Return (6:04)
Coding: Log Return (7:18)
Lecture: การแจงแจงปกติ(Normal Distribution) (10:47)
Coding: ว่าด้วยการ Random และ Histogram (10:11)
Lecture: สถิติว่าด้วยค่าเฉลี่ย(Mean) และ ค่ามัธยฐาน(Median) (2:50)
Coding: ค่าเฉลี่ย(Mean) และ ค่ามัธยฐาน(Median) (6:10)
Coding: ค่าเฉลี่ย(Mean) เปรียบเทียบ ค่ามัธยฐาน(Median) และการตีความ (4:23)
Coding: ตีความค่าเฉลี่ยและค่ามัธยฐานกับข้อมูลจริง (5:06)
Coding: Quartile และ Percentile (7:21)
Lecture: เข้าใจความแปรปรวน(Variance) และ ส่วนเบี่ยงเบนมาตรฐาน(Standard Deviation) (6:24)
Coding: ความแปรปรวน(Variance) และ ส่วนเบี่ยงเบนมาตรฐาน(Standard Deviation) (19:09)
Section 5) การวิเคราะห์ทิศทางการเคลื่อนที่ของราคาหุ้น ด้วยค่า Covariance และ Correlation (ของเก่า)
Lecture: ความแปรปรวนร่วมเกี่ยว(Covariance) และ สหสัมพันธ์(Correlation) (12:47)
Coding: Covariance (17:25)
Coding: Correlation (6:29)
Coding: ดูความสัมพันธ์ของหุ้นในตลาดหลักทรัพย์ด้วย Correlation (20:01)
Section 6) ดูการแจกแจงแบบ Fat Tail ด้วย Violion และ QQ Plot (ของเก่า)
Coding: QQ plot และ Violin plot (8:47)
Coding: ดูการแจกแจงข้อมูลจริงที่เป็น Fat tail กับข้อมูลที่แจกแจงตาม ทฤษฎี (4:06)
Section 7) เข้าใจ Finance ในการลงทุน (ของเก่า)
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: มาคำนวณ Beta กัน (15:08)
Coding: Beta ไม่ใช่เป้านิ่ง (5:27)
Section 8) การวัดผลงานในตลาดหุ้น (ของเก่า)
Lecture: Drawdown and Volatility (2:41)
Coding: DrawDown (10:37)
Lecture: รู้จักกับตัววัดความเสี่ยง Sharpe Ratio (2:31)
Coding: Shape Ratio (11:19)
Lecture: CAGR (2:33)
Coding: CAGR (4:59)
Coding: แล้วเราทำนายถูกกี่เปอร์เซ็น Hit Rate (9:25)
Section 9) Modern Portfolio Theory (ของเก่า)
Lecture: การคำนวณผลงานของพอร์ตฟอลิโอ Portfolio Return (1:48)
Coding: Portfolio Return (9:56)
Lecture: การคำนวณความเสี่ยงของพอร์ตฟอลิโอ Portfolio Variance (5:40)
Coding: Portfolio Variance (6:54)
Lecture: ทฤษฎีพอร์ตโฟลิโอสมัยใหม่ Modern Portfolio Theory คืออะไร (9:22)
Coding: Modern Portfolio Theory(1) คำนวณแบบ Static vs Randoms (12:31)
Coding: Modern Portfolio Theory หาความน่าจะเป็น 1000 รูปแบบ (12:32)
Coding: Modern Portfolio Theory เลือกน้ำหนักของหุ้นในพอร์ตฟอลิโอด้วย Sharpe Ratio, Volatility ต่ำสุด และ กำไรสูงสุด (26:54)
Coding: Modern Portfolio Theory ผลกระทบจากหุ้นที่มี Correlation ต่อกันสูง (12:04)
Coding: Modern Portfolio Theory: ผลกระทบจากหุ้นที่มี Correlation ต่อกันต่ำ (3:53)
Section 10) VaR: Value at Risk (ของเก่า)
Lecture: ประเมินความเสี่ยงด้วย Value at Risk (6:08)
Coding: Value at Risk(Var) แบบไม่ใช้พารามิเตอร์ (9:25)
Coding: Value at Risk(Var) แบบใช้พารามิเตอร์ (9:31)
Section 11) Monte Carlo (ของเก่า)
Coding: Random Walk ดูความพฤติกรรมของข้อมูล Random (9:52)
Coding: Random Walk ดูพฤติกรรมของข้อมูลจริงเพื่อเปรียบเทียบ (3:35)
Lecture: ภาพรวม Monte Carlo (0:57)
Lecture: ทำไมเราต้องใช้ Monte Carlo (3:18)
Lecture: Monte Carlo for stock simulation (5:22)
Lecture: Monte Carlo ว่าด้วย Drift (4:37)
Lecture: Monte Carlo ว่าด้วย Volatility (8:40)
Lecture: Monte Carlo เอาทุกอย่างมารวมกัน (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 ไบแอสของช่วงเวลาในการเลือกข้อมูล (16:33)
Section 12-13) Backtesting and Optimization (ของเก่า)
Lecture: Simple Backtest Part 1 (3:10)
Lecture: Simple Backtest Part 2 (4:06)
Coding: เตรียมข้อมูล (2:36)
Cooding: สร้างกลยุทธ์ Moving Average Crossover อย่างง่ายด้วยการ Vectorization (7:52)
Coding: คำนวณ Profit และ Loss (4:33)
Coding: วัดประสิทธิภาพในการลงทุน (14:52)
Coding: การใช้เงื่อนไขในการสร้างกลยุทธ์มากกว่า 1 เงื่อนไข Part 1 (6:16)
Coding: การใช้เงื่อนไขในการสร้างกลยุทธ์มากกว่า 1 เงื่อนไข 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 (ของเก่า)
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 รีวิว Part 1 คอนเซ็ป (14:07)
Coding: Linear Regression รีวิว Part 2 ข้อมูลที่มี Noise (5:24)
Coding: Linear Regression รีวิว Part 3 ในมุมมองของ Time Series (13:00)
Coding: Linear Regression รีวิว Part 4 ใช้ SKlearn (8:30)
Coding: Linear Regression ทำนายข้อมูลจริง Part 1 ราคาปิด (5:54)
Coding: Linear Regression ทำนายข้อมูลจริง Part 2 การแบ่งข้อมูล Train/Test (6:03)
Coding: Linear Regression ทำนายข้อมูลจริง Part 3 การวัดผล (11:56)
Lecture: Backtesting ML strategies (6:37)
Coding: Linear Regression ทำนาย Return ของข้อมูลจริง Part 1 ทำนาย Return (5:44)
Coding: Linear Regression ทำนาย Return ของข้อมูลจริง Part 2 แบ่งข้อมูล Train/Test (5:26)
Coding: Linear Regression ทำนาย Return ของข้อมูลจริง Part 3 train model และทำนายผล (12:00)
Coding: Linear Regression ทำนาย Return ของข้อมูลจริง Part 4 Simulation และ การวัดประสิทธิภาพ (12:09)
Lecture: What is Logistic regression? (5:38)
Lecture: How does Logistic regression work? (5:14)
Coding: Logistic Regression รีวิว Part 1 (3:22)
Coding: Logistic Regression รีวิว Part 2 (16:56)
Coding: Logistic Regression ทำนายทิศทางข้อมูลจริง Part 1 เตรียมข้อมูล (4:45)
Coding: Logistic Regression ทำนายทิศทางข้อมูลจริง Part 2 แบ่งข้อมูล Train/Test (5:32)
Coding: Logistic Regression ทำนายทิศทางข้อมูลจริง Part 3 train model และทำนายผล (4:42)
Coding: Logistic Regression ทำนายทิศทางข้อมูลจริง Part 4 Simulation และวัดประสิทธิภาพ (12:17)
Lecture: อะไรคือ K-Nearest Neighbour(KNN) (9:02)
Coding: KNN - รีวิว Part 1 สร้างข้อมูลเสมือน (7:46)
Coding: KNN - รีวิว Part 2 แบ่งข้อมูล Train/Test (2:29)
Coding: KNN - รีวิว Part 3 train model และทำนายผล (11:09)
Coding: KNN - รีวิว Part 4 การวัดผล (4:25)
Coding: KNN - รีวิว Part 5 ข้อมูลที่ Unbalanced (7:06)
Coding: KNN ทำนายทิศทางข้อมูลจริง Part 1 เตรียมข้อมูล และ แบ่งข้อมูล Train/Test (3:37)
Coding: KNN ทำนายทิศทางข้อมูลจริง Part 2 Train model และทำนายผล (4:37)
Coding: KNN ทำนายทิศทางข้อมูลจริง Part 3 Simulation และวัดประสิทธิภาพ (11:06)
Technical Indicator with Talib (ของเก่า)
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)
Lecture: หุ้นสองตัวมันขึ้นลงตามกันแค่ไหน? รู้จักกับ Covariance และ Correlation
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock