Python for Finance

ทำความเข้าใจระบบการลงทุนตั้งแต่เริ่มต้นจนถึงการเขียนซิมูเลชั่นอย่างง่าย

   Watch Promo

➡️ คำอธิบายคอร์ส
.
คอร์ส "Python for Finance" คอร์สแรกที่สอนการประยุกต์ใช้ Python และ Finance เข้าด้วยกัน จัดเต็มสำหรับ นักลงทุนที่อยากวิเคราะห์ข้อมูลทางการลงทุนอย่างเป็นวิทย์ศาสตร์ด้วย Python ผู้ที่ไม่มีพื้นฐานการเขียนโปรแกรมก็สามารถเรียนได้ โดยมาปูพื้นฐานการใช้ภาษา Python กับเราก่อนจะเข้าเนื้อหาหลัก โดยคอร์สของเราจะสอนตั้งแต่หลักการทาง Finance เช่น "เราจะเพิ่ม Return โดยไม่เพิ่ม Risk ได้อย่างไร" หรือ "ถ้าเราเชื่อในหลักการ Random Walk ว่าหุ้นจะขึ้นลงมันสุ่ม ๆ ไปเรื่อย ๆ เราจะใช้หลักการนี้ไปลำจองอนาคตได้อย่างไร" ไปถึงการสร้างระบบเทรดแบบง่ายๆ และพาไปรู้จักกับ Machine Learning กันซักหน่อยเป็นการปิดท้าย เนื้อหาจะเน้นเพื่อเป็นพื้นฐานสำหรับการวิเคราะห์ข้อมูลการลงทุนอย่างเป็นวิทยาศาสตร์ (ไม่ต้องคาดการณ์กันเอง💯%)

.

❗❗ หมายเหตุ ❗❗❗
(กรุณาอ่านเพื่อประกอบการตัดสินใจของท่าน)
.
❌❌❌ คอร์สนี้คือ คอร์ส "Python for Finance" ไม่ใช่ "Algorithmic Trading" เราจะไม่ได้เน้นหนักทางการสร้างโมเดลเพื่อการลงทุนที่กำไรมาก ๆ ไม่มีการบอก "Magic Formula" ที่ทำให้รวยได้ แต่อย่างใด
.
✔️✔️✔️ คอร์สนี้ "สอนพื้นฐานการทำงานกับข้อมูลการลงทุน ด้วยภาษา Python" เราจะเรียนกันตั้งแต่ พื้นฐานการจัดการข้อมูล พื้นฐานทางคณิตศาสตร์ เช่น อะไรคือความเสี่ยง และ จะคำนวณมันอย่างไร ค่าสหสัมพันธ์ที่เคยได้ยินมา มันคำนวณอย่างไรมีหลักการทำงานอย่างไร รวมถึง การวิเคราะห์ Return ของหุ้น เราจะคำนวณ Return ชนิดไหน อย่างไร เป็นต้น
.
✔️✔️✔️ จากนั้นค่อยต่อยอดไปทฤษฎีการลุงทุนที่สำคัญ เช่น "Modern Portfolio Theory "เราจะมาดูกันว่าการถือหุ้นหลาย ๆ ตัวจะช่วยลดความเสี่ยงได้อย่างไร? แล้วในกรณีไหนที่มันจะลดความเสี่ยงไม่ได้?!!!
.
หรือ ถ้าโลกการลงทุนเป็น "Random Walk" แล้วเราจะนำความรู้ตรงนี้มาประยุกต์ใช้ในการประเมินอนาคตได้อย่างไรกับ มาใช้ ทฤษฏี "Monte Carlo Simulation" มาสร้างความเป็นไปได้ของทิศทางหุ้นในอนาคตเพื่อประเมินความเสี่ยงกัน
.
✔️✔️✔️ จากนั้นเราจึงมาต่อในส่วนของ "Backtesting Strategy" หรือ การสร้าง และทดสอบ โมเดลการเทรดของเราทั้งแบบ "Trend Following" และ "Mean Reversal" ในส่วนนี้เราจะนำความรู้ที่ได้จากการเรียนส่วนที่ผ่านมา เช่น ความเสี่ยงคืออะไร มาประกอบตอนวัดผลการเทรดของเรา
.
✔️✔️✔️ จากนั้นจึงมาทำ "Optimization" กัน เพื่อศึกษาว่า ค่าพารามิเตอร์ที่ต่างกันมีผลกระทบต่อโมเดลอย่างไรบ้าง? ในส่วนนี้ที่สำคัญคือ เราจะมา "Coding เองล้วน ๆ" เพื่อความเข้าใจอย่างลึกซึ้ง ซึ่งจริงๆการ backtest สามารถทำได้ด้วยการโหลด Library มาใช้ แต่ในคอร์สนี้เราให้ความสนใจกับการสร้างพื้นฐาน เราจึงทำเองทั้งหมด coding เองกับมือ ซึ่งจะทำให้เราเข้าใจได้อย่างถ่องแท้ และ ไม่ลืม และเราจะค่อยมาแนะนำการใช้ library สำเร็จรูป กันในคอร์สต่อไป "Algorithmic Trading" (ถ้ามีคนสนใจ)
.
✔️✔️✔️ จากนั้นส่วนสุดท้ายเราพาไปดูว่า "Machine Learning" คืออะไร? มีหลักการพื้นฐานอย่างไร ในส่วนนี้ก็เหมือนกับคอร์สที่ผ่านมาทั้งหมด คือเราจะเน้นที่ความเข้าใจว่ามันมีหลักการทำงานอย่างไร มากกว่าที่จะสร้างผลกำไรเยอะๆ โดยอัลกอริทึ่มที่เราจะมาดูกันมีตั้ง "Linear Regression", "Logistic Regression" และ "K-Nearest Neighbour"
.
✔️✔️✔️ หลังจากเรียนรู้พื้นฐาน Machine Learning กันแล้ว เราก็นำมาทดลองเป็นตัวสร้างโมเดลการเทรด พร้อม Backtest โมเดลที่เราสร้างขึั้นกัน
.
สรุป ผมคิดว่าคอร์สนี้สำหรับ "ผู้ที่ต้องการเข้าใจใน Topic นี้ และ ต้องการสร้างพื้นฐานทางการเขียนโปรแกรม และ พื้นฐานทางคณิตศาตร์เพื่อใช้ในวิเคราะห์ข้อมูลการลงทุนครับ"
.
➡️ สำหรับผู้ที่ไม่มีพื้นฐานการเขียนโปรแกรม หรือ ไม่คุ้นเคยกับ Python เรามีเนื้อหาเขียนโปรแกรมเบื้องต้นให้ลงทะเบียนเรียนฟรีที่

https://algoaddict.com/p/basic-python-programming

.

ถ้ามีปัญหาใดๆ ที่ต้องการติดต่อทางทีมงานผู้สอนโดยตรง สามารถติดต่อได้ที่

email : [email protected]
Fackbook page: https://www.facebook.com/algoaddict/

ขอขอบพระคุณเป็นอย่างสูง
ทีมงาน AlgoAddict


Course Curriculum


  Introduction and installation V2
Available in days
days after you enroll
  Section 1 Data Management
Available in days
days after you enroll
  Section 2 Data Source
Available in days
days after you enroll
  Section 3 Statistics
Available in days
days after you enroll
  Section 4 Value at Risk
Available in days
days after you enroll
  Section 5 Time Series
Available in days
days after you enroll
  Section 6 Backtesting and Performance matrix
Available in days
days after you enroll
  Section 7 Optimization and Mean Reversal
Available in days
days after you enroll
  Section 8 More Backtesting
Available in days
days after you enroll
  Section 9 Porfolio Allocation
Available in days
days after you enroll
  Section 10 Monte Carlo Simulation
Available in days
days after you enroll
  (จากตรงนี้ลงไปจะเป็นของเก่านะครับ) Introduction and environment preparation
Available in days
days after you enroll
  Section 1) การได้มาซึ่งข้อมูล และการสร้าง Function ในการดึงข้อมูลและการ Export เป็น CSV (ของเก่า)
Available in days
days after you enroll
  Section 2) การจัดการข้อมูลเบื้องต้น (ของเก่า)
Available in days
days after you enroll
  Section 3) Clean&Normalization ข้อมูล (ของเก่า)
Available in days
days after you enroll
  Section 4) รู้จักกับหุ้นให้มากขึ้นด้วยทำความเข้าใจค่า Return, การแจกแจงของราคา และ ค่าทางสถิติอื่นๆ (ของเก่า)
Available in days
days after you enroll
  Section 5) การวิเคราะห์ทิศทางการเคลื่อนที่ของราคาหุ้น ด้วยค่า Covariance และ Correlation (ของเก่า)
Available in days
days after you enroll
  Section 6) ดูการแจกแจงแบบ Fat Tail ด้วย Violion และ QQ Plot (ของเก่า)
Available in days
days after you enroll
  Section 7) เข้าใจ Finance ในการลงทุน (ของเก่า)
Available in days
days after you enroll
  Section 8) การวัดผลงานในตลาดหุ้น (ของเก่า)
Available in days
days after you enroll
  Section 9) Modern Portfolio Theory (ของเก่า)
Available in days
days after you enroll
  Section 10) VaR: Value at Risk (ของเก่า)
Available in days
days after you enroll
  Section 11) Monte Carlo (ของเก่า)
Available in days
days after you enroll
  Section 12-13) Backtesting and Optimization (ของเก่า)
Available in days
days after you enroll
  Section14: Machine Learning (ของเก่า)
Available in days
days after you enroll
  Technical Indicator with Talib (ของเก่า)
Available in days
days after you enroll

Your Instructor


Algoaddict
Algoaddict

พวกเราคือ Researcher และ Data Scientist ที่มีความสนใจด้าน Predictive Modelling เป็นพิเศษ มีประสบการณ์ทำงานกับ Machine Learning models และ Intelligent systems

>> Computer Engineer และ นักวิจัยด้าน Machine Learning และ Algorithmic Trading ที่มีผลงานวิจัยด้าน Algorithmic trading มายาวนานหลายปี เชี่ยวชาญด้านระบบปัญญาประดิษฐ์ และ การพัฒนาระบบชาญฉลาดต่างๆ มีความสนใจเป็นพิเศษด้าน Machine Learning และ Reinforcement Learning มีความตั้งใจเป็นอย่างมากที่จะพัฒนาระบบ Algorithmic Trading ที่มีความชาญฉลาดทั้งในการตัดสินใจ และ มีความสามารถเฉพาะทางในการปรับตัวเข้ากับสภาวะแวดล้อมภายในตลาด

>> ปริญญาโทเฉพาะทาง Machine Learning และ การประมวลผลข้อมูลขั้นสูง จาก University of Bristol ประเทศอังกฤษ ขณะนี้กำลังศึกษาต่อในระดับปริญญาเอกในสาขาเดียวกัน พร้อมทั้งทำหน้าที่เป็นผู้ร่วมสอนนักศึกษาในระดับปริญญาตรีสาขา Computer Science และ ปริญญาโทสาขา Data Science ในรายวิชา Machine Leaning, Artificial Intelligence และ Pattern Recognition ณ University of Bath ทำวิจัย และ มีความสนใจเป็นพิเศษด้าน Machine Learning เกี่ยวกับ Predictive modelling ใน Stock market


Frequently Asked Questions


คอร์สนี้เริ่ม และ จบเมื่อไหร่
คอร์สนี้เป็นคอร์สออนไลน์ 100% ดังนั้น ผู้เรียนจึงสามารถเริ่มเรียน และ จบการเรียนเมื่อไหร่ก็ได้ สามารถเรียนได้นานเท่าที่ต้องการ
การเรียนคอร์สนี้ จำเป็นต้องมีพื้นฐานอะไรบ้าง?
การเรียนคอร์สนี้ให้ได้ประโยชน์สูงสุด ผู้เรียนควรมีความรู้พื้นฐานการเขียนโปรแกรมด้วย ภาษา Python ซึ่ง สามารถเรียนได้ในคอร์ส " Basic Python Programming ฉบับปูพื้นฐานเริ่มด้วย" ในลิงก์นี้ครับ https://algoaddict.com/p/basic-python-programming
เมื่อมีปัญหาเกิดขึั้นในระหว่างการเรียน จะสามารถหาความช่วยเหลือได้ที่ไหนบ้าง?
ถ้าหากเกิดปัญหา หรือ คำถามใดๆ ในระหว่างเรียน วิธีการที่เร็วที่สุดในการแก้ปัญหาคือ การโพสต์ข้อความลงในส่วนของ Comment ในแต่ละบทเรียน เพื่อให้ผู้เรียนท่านอื่น สามารถเข้ามาช่วยตอบคำถามได้อย่างรวดเร็ว ทางทีมผู้สอน จะมีการเข้ามาตอบคำถามเป็นระยะๆ แต่ถ้าหากมีการตกหล่น ทางผู้สอนไม่เห็นคำถาม ผู้เรียนสามารถส่งคำถามผ่านมายัง Facebook page "Algoaddict" ได้โดรงตรง ตามลิงก์เพจนี้ครับ https://www.facebook.com/algoaddict/

Get started now!