Python for Finance

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

ขอขอบพระคุณเป็นอย่างสูง
ทีมงาน AlgoAddict