استراتژی های معاملات الگوریتمی

قبل از بررسی دوره اول بگم که مهمتر از خود دوره، جناب ساقی زاده مدرس دوره بود که به تمام معنا معلم هستند. در طول دوره تمرکز تمام روی آموزش و انتقال صحیح و بنیادی مطالب بود نه صرفا یک روخوانی مانند 99% دوره های آموزشی دیگر. نقطه برجسته دیگر این دوره تسلط علمی و تجربی مدرس بود که بالاترین ارزش رو داره. دانش رو میشه از منابع فراوان به راحتی استراتژی های معاملات الگوریتمی به دست آورد اما دانش آمیخته به تجربه بسیار گرانبهاست. به نظر من در این دوره یک معلم همه تجربه واقعی خودش رو برای آموزش یکی از مهمترین مباحث امروزه کسب و کارها و تکنولوژی ارائه کردند. بسیار مفید و کاربردی بود.

مدل‌سازی در ۵گام

امید موسوی کارشناس بازار سرمایه اغلب برای معامله‌گران تازه‌وارد، پیدا کردن راهنمایی‌های منصفانه در شروع کار سخت است. در نتیجه منابع و مباحث کلیدی برای شروع کار مانند فوت و فن معاملات، استراتژی‌های معاملاتی، ریزساختارهای بازار(market microstructure) و حتی موقعیت‌های شغلی در شرکت‌های بورسی بسیار ارزشمند است.

به عبارت دقیق‌تر می‌توان پنج زمینه اصلی که می‌توان برای قدم‌گذاشتن در مسیر معامله‌گر الگوریتمی شدن برشمرد که این موارد به شرح زیر هستند:

شما باید درک صحیحی از روابط بین بازار و چگونگی تاثیر سیاست‌های پولی، نرخ‌های سود و رشد اقتصادی داشته باشید. آشنایی با مبانی معاملاتی در بازارهای مختلف از سهام، کالا، اوراق و … در هر بازار توسعه یافته یا درحال توسعه‌ای ضروری است. به‌خصوص درحال‌حاضر که بازارها و معاملاتشان کاملا در ارتباط با یکدیگر هستند، فهم درستی از این مسائل جهت تصور و ساخت سیستم‌های معاملاتی بسیار اهمیت دارد. نداشتن درک صحیحی از اقتصاد کلان و روابط بین بازارها، دلیل عمده‌ای است که بسیاری از معامله‌گران نوسان‌گیر، پول خود را در جنگیدن با بازار از دست داده‌اند.

2- یک روش معاملاتی

یک معامله‌گر نیاز به چارچوبی برای تفکر در مورد حرکات قیمت و فهم جریان مداوم تغییرات قیمت در طول بازارها دارد و چیزی که در ابتدا مهم است، داشتن یک استراتژی معاملاتی است تا نداشتن آن! مثلا استفاده از پرایس اکشن و آشنایی با آن به‌عنوان یک روش معاملاتی، بهتر است تا اینکه بدون دانستن حتی یک استراتژی بخواهیم معامله‌گر الگوریتمی شویم!

معامله‌گران از انواع تئوری‌های اساسی و فنی استفاده می‌کنند. در معاملات الگوریتمی، تئوری‌های ریزساختار بازار (theories of market microstructure)، بازارهای حراج دوطرفه(double auction markets)، مالی رفتاری (behavioral finance)، روان‌شناسی معاملات، الگوهای معاملاتی، پروفایل‌های بازار (market profiles)، ارزش نسبی(relative valuation) و … به تنهایی یا با استفاده از سایر روش‌ها استفاده می‌شوند.

3- رصد کردن (فیلتر کردن و مشاهده)

هوشمندانه‌ترین کاری که من درخصوص یادگیری نحوه معاملات انجام داده‌ام این بود که برای مدتی طولانی بازارها را قبل از اینکه بخواهم در آنها معامله‌ای انجام دهم، رصد و تماشا کردم. از اولین ابزارها برای این کار فیلترهایی است که در سایت TSE می‌توان نوشت.

من نمودارهای روزانه را جمع‌آوری می‌کردم و هر روز به‌دنبال بهترین فرصت‌ها برای معامله بودم. در طول زمان، الگوهایی تکراری در میان سهم‌ها مشاهده کردم که اینها برای معاملات بعدی من بسیار ارزشمند بودند. مشاهده نه فقط قیمت، بلکه حجم، رفتار ارکان بازار، اقدامات بین بازاری(inter-market action) و اندازه‌گیری آنها به شما کمک می‌کند تا دینامیک شکست مقاومت و حمایت، نقاط بازگشتی بازار و روندها را تشخیص دهید.

4- بهینه بودن برنامه نویسی

با توجه به اینکه فرصت‌های مشابه در بازار توسط افراد مختلف جست‌وجو می‌شود، روشی که یک الگوریتم یا استراتژی برنامه‌نویسی و اجرا می‌شود، بسیار مهم است. به‌ویژه در مواردی که سود مورد نظر را می‌توان از چند تیک معاملاتی زودتر اندازه گرفت، بنابراین زمان و سرعت ارسال سفارش‌ها به بازار بسیار ضروری می‌شود. کدها باید توانایی کنترل هر نوع شرایط بازار را داشته باشند و مراقب وقایع پرریسک باشند.

در این راستا باید عنوان شود که چنانچه درحال‌حاضر می‌خواستم به‌عنوان یک تریدر جدید شروع به معامله کنم، قطعا حداقل ۶ ماه زمان برای یادگیری، مشاهده، معاملات صوری و کاغذی و تست قبل از شروع معامله واقعی می‌گذاشتم. من بر این باور هستم که دلیل اصلی موفق نشدن معامله‌گران جدید، اختصاص ندادن زمان لازم برای یادگیری بازارها و مهارت‌های موردنیاز است.

5- یادگیری ماشین

یادگیری ماشین مهم‌ترین بخش از لیست مهارت‌های مورد نیاز یک تحلیلگر الگوریتمی است. اکثر استراتژی‌های تکنیکال، عددی یا بنیادی که در معاملات استفاده می‌شوند، می‌توانند اتوماتیک و بهینه شوند. حال با توجه به این پنج‌گانه‌های مهم باید عنوان کرد که سرعت و دقت بیشتر، افزایش امنیت معاملاتی، کنترل ریسک بهتر و کاهش هزینه‌های معاملاتی و افزایش نقدشوندگی، مهم‌ترین دستاورد استفاده از ابزارهای معاملاتی در بازار سرمایه است. تمامی مواردی که ذکر شد نهایتا منجر به افزایش کیفیت معاملات خواهد شد. بازاری را فرض کنید که بدون دامنه نوسان و هیچ صف فروش و خریدی نخواهید دید! پیش‌فرض برداشتن دامنه نوسان حجم بالای معاملات است که یکی از قوی‌ترین ابزارهای آن در دنیا معاملات الگوریتمی است.

ماموریت برای جلوگیری از رشد بازار سرمایه

این درحالی است که نهاد ناظر سازمان بورس اوراق بهادار عمدتا به‌دلیل عدم شناخت عمیق و کافی روی این نوع معاملات (معاملات الگوریتمی)، تصمیم به توقف معاملات الگوریتمی در مهرماه سال 1399 گرفت. اما این توقف ۶ ماهه فرصتی شد تا با جلسات و مذاکرات متعدد با شرکت عرضه‌کننده سامانه‌های معاملات الگوریتمی، دانش این تکنولوژی در نهاد ناظر رشد کند و همچنین پنل‌های نظارتی جدیدی طراحی شد و در اختیار سازمان قرار گرفت و پس از اطمینان از موثر بودن این ابزار در بازار سرمایه تصمیم به رفع محدودیت‌ها گرفته شد.

همکاری نهادهای ناظر در این خصوص به شکل خوبی در این مدت بوده است اما متاسفانه هزینه‌های سرمایه‌ای و زمان گرفتن مجوزها به شدت بالا هستند و نهاد ناظر واقعا به مدل درآمدی شرکت‌ها توجهی ندارد! این را در کنار هزینه‌های گزاف سخت‌افزاری و اجرایی این تکنولوژی در بازار بگذارید. از طرفی شفافیت، تمرکز و هماهنگی نهادی لازم برای ایجاد و بهره‌برداری مطلوب از بازارهای فرامرزی وجود ندارد. ما پلت‌فرمی ایجاد کردیم که می‌توانیم به دنیا آن را عرضه کنیم و توان رقابتی از جنس تکنولوژی با دنیا را داریم اما زیرساخت‌های قانونی آن را متاسفانه خیر!

معتقدم بسیاری از اوقات در جلسات افراد متوجه مزایای الگوریتم‌ها می‌شوند، ولی حاضر به استفاده نیستند! واقعیت این است این همه مقاومت در برابر تغییر مرا به فکر فرو می‌برد! بعضی‌وقت‌ها واقعا شک می‌کنم که انگار یک عده مامورند نگذارند بازار سرمایه رشد کند! شاید این تکنولوژی اولین دستاوردش شفافیت بیشتر (به‌‌خاطر عمق بیشتر بازار) است و عده‌ای این شفافیت را دوست ندارند!

در راستای موفقیت در این زمینه باید به موارد زیر توجه کامل داشت:

* سادگی را حفظ کنید! سیستم‌های معاملاتی بسیار پیچیده، معمولا عملکرد خوبی روی داده‌های گذشته دارند، اما توانایی سازگاری با وضعیت‌های جدید بازار را ندارند.

* شاید درست به‌نظر نرسد اما بسیاری افراد آن‌قدر سیستم‌هایشان را توسعه می‌دهند تا اینکه تبدیل به یک سیستم پیچیده می‌شود که در نهایت، استراتژی مبنایی سیستم را فراموش می‌کنند.

* همیشه تست انجام دهید تا اینکه سیستم‌تان عملکرد خوبی با استفاده از داده‌های گذشته داشته باشد. بعد از آن معامله روی کاغذ (معامله به‌صورت مجازی) انجام دهید تا مطمئن شوید که سیستم‌تان با داده‌های فعلی نیز عملکرد خوبی دارد.

* بازار دو حالت دارد: روند دار و بدون روند! کمتر سیستم معاملاتی است که در هر دو وضعیت بازار، بتواند خوب عمل کند. مطمئن شوید که تنها در بازاری معامله می‌کنید که سیستم شما توانایی موفقیت دارد.

* در هر زمان، یک تغییر در سیستم ایجاد کنید تا بتوانید دقیقا مشخص کنید که کدام جنبه سیستم باعث بهبود بازدهی شما می‌شود و کدام یک آسیب می‌رساند.

* از درک استراتژی زیربنایی سیستم معاملاتی تان اطمینان داشته باشید!

* هرگز بیش از حد بهینه‌سازی نکنید!

* بهینه‌سازی بیش از حد می‌تواند منجر به چیزی به نام برازش منحنی (curve fitting) شود که باعث کاهش کارآیی و توانایی سازگاری سیستم معاملاتی‌تان می‌شود.

استراتژی ترید الگوریتمی چیست؟ چه کاربردها و انواعی دارد؟

استراتژی ترید الگوریتمی (Algorithmic trading) به دنبال حذف عامل انسانی و جایگزینی آن با استراتژی‌های از پیش طراحی شده و مبتنی بر آمار است که می‌تواند 24 ساعت روز و 7 روز هفته توسط استراتژی های معاملات الگوریتمی کامپیوترها با حداقلی از نظارت پیگیری شود. کامپیوترها می‌توانند چندین مزیت بر انسان‌های معامله‌گر داشته باشند. اول اینکه آنها می‌توانند بدون خواب در تمام طول روز و همه روزها فعال باقی بمانند. آنها همچنین می‌توانند با دقت داده‌ها را تحلیل کرده و به تغییرات در کسری از ثانیه واکنش نشان دهند. علاوه بر اینها، آنها هرگز احساس را در تصمیم‌های خود دخالت نمی‌دهند. به این دلایل، بسیاری از سرمایه‌گذاران مدت‌ها است که استراتژی های معاملات الگوریتمی متوجه شده‌اند ماشین‌ها می‌توانند معامله‌گرانی عالی باشند، با این شرط که از استراتژی مناسب استفاده کنند.

حوزه استراتژی ترید الگوریتمی به همین روش تکامل یافته است. این استراتژی با معامله‌کردن کامپیوترها در بازارهای سنتی شروع شد، سپس ظهور ارزهای دیجیتال و صرافی‌های 7/24 این فعالیت را به سطحی جدید رساند. این در حدی است که به نظر می‌رسد معاملات خودکار و ارزهای دیجیتال اصلاً برای هم درست شده‌اند. این درست است که کاربران همچنان باید روی استراتژی‌های خودشان کار کنند، اما وقتی به درستی این استراتژی تعریف شود، این تکنیک‌ها به معامله‌گران کمک می‌کند تا دست خود را از بازی بیرون کشیده و اجازه بدهند ریاضی این کار را انجام بدهد.

استراتژی‌های اولیه چیستند؟

فلسفه اصلی پشت استراتژی ترید الگوریتمی شامل استفاده از نرم‌افزار برای به دست آوردن فرصت‌های سودآور و پریدن روی آنها سریع‌تر از چیزی است که یک انسان بتواند انجام دهد. شایع‌ترین عمل‌ها در این زمینه شامل معاملات لحظه‌ای، برگشت‌ بزرگ، آربیتراژ گرفتن و مجموعه‌ای از استراتژی‌های ماشین لرنینگ می‌شود.

بیشتر مواردِ استراتژی ترید الگوریتمی، شناسایی فرصت‌ها در بازار بر اساس آمار را در مرکز توجه خود قرار می‌دهند. معاملات لحظه‌ای به دنبال پیگیری روندهای فعلی است؛ برگشت‌های بزرگ به دنبال تفاوت‌های آماری در بازار می‌گردد؛ آربیتراژگیری به دنبال تفاوت نقاط قیمت در صرافی‌های آنلاین مختلف است؛ و استراتژی ماشین لرنینگ به دنبال خودکارسازی فلسفه‌های پیشرفته‌تر یا پیوند دادن چندین روش با هم می‌گردد. هیچ یک از اینها ضمانتی ساده برای سود بردن ایجاد نمی‌کنند، و معامله‌گران مجبور هستند بفهمند که چه زمانی و کجا باید از الگوریتم درست، یا «بات» (bot) مناسب استفاده کنند.

در کل، ربات‌ها با استفاده از داده‌های تاریخی بازار، مورد امتحان قرار می‌گیرند؛ به این کار امتحان گرفتن پشتی (backtesting) گفته می‌شود. این به کاربران اجازه می‌دهد از استراتژی خود در بازار استراتژی های معاملات الگوریتمی واقعی که برنامه‌اش را دارند استفاده کنند، اما این کار را با تغییراتی که در گذشته ایجاد شده شروع نمایند.

یکی از ریسک‌های این کار می‌تواند «جا دادن بیش از حد» باشد؛ و زمانی اتفاق می‌افتد که یک ربات با داده‌های تاریخی که ضرورتاً شرایط فعلی را بازتاب نمی‌دهند انباشته شود و به این ترتیب به یک استراتژی برسد که در تولید واقعی شکست می‌خورد. یک مثال خیلی ساده از این موقعیت می‌تواند زمانی باشد که یک ربات را با داده‌های یک بازار گاوی طراحی و امتحان کنید، و سپس از آن در یک بازار خرسی استفاده نمایید. بدیهی است که با این کار، نمی‌توانید آن بازدهی را که انتظار داشتید به دست بیاورید.

معاملات لحظه‌ای چیست؟

معاملات لحظه‌ای بر اساس این منطق استوار هستند که اگر یک روند از پیش غالب در بازار قابل رؤیت است، پس این روند همچنان ادامه پیدا می‌کند؛ حداقل تا زمانی که سیگنال‌هایی شروع شوند که نشان دهند این روند به پایان رسیده است. ایده معاملات لحظه‌ای این است که اگر یک ارز دیجیتال مشخص در طول زمان زیادی، برای مثال چندین ماه در یک مسیر حرکت کند، پس می‌توانیم با خیال راحت فرض کنیم که این روند ادامه پیدا می‌کند؛ حداقل تا زمانی که داده‌ها شروع به نشان دادن وضعیت دیگری کنند. برای همین برنامه می‌شود خرید کردن با هر افت و قفل کردن سود در هر رشد؛ یا برعکس اگر برنامه فروش باشد. به حتم معامله‌گران لازم است از اینکه چه زمانی یک بازار نشانه‌های واژگونی روند را نشان می‌دهد آگاه باشند. در غیر این صورت این استراتژی به سرعت کارایی خود را از دست می‌دهد.

لازم به توجه است که معامله‌گران نباید استراتژی‌هایی تعیین کنند که در پایین و بالا شدن‌های واقعی، خرید و فروش انجام دهند؛ بلکه باید سود را قفل کرده و در سطح‌هایی که امن در نظر گرفته می‌شوند، خرید انجام دهند. استراتژی ترید الگوریتمی برای این منظور عالی است، و کاربران می‌توانند به سادگی درصدی را که با آن راحت هستند تعیین کنند و اجازه بدهند باقی کارها توسط کد انجام شود. اما این تکنیک به خودی خود می‌تواند بی‌تأثیر باشد؛ اگر یک بازار به حاشیه حرکت کند یا در حدی نوسان داشته باشد که یک روند شفاف در آن ظهور نکند.

میانگین‌های متحرک و استراتژی ترید الگوریتمی

یکی از نشانگرهای عالی برای مشاهده روندها، میانگین‌های متحرک هستند. درست همان‌طور که به نظر می‌رسد، یک میانگین متحرک، خطی روی یک نمودار قیمت است که میانگین قیمت برای یک ارز دیجیتال را بر اساس تعداد معینی از روزها (یا ساعت‌ها، هفته‌ها، ماه‌ها و الی آخر) مشخص می‌کند. اغلب تعداد 50، 100، یا 200 روز مورد استفاده قرار می‌گیرد؛ اما استراتژی‌های مختلف برای انجام پیش‌بینی‌های معاملاتی به دنبال دوره‌های زمانی مختلفی می‌گردند.

در مجموع، زمانی یک روند قدرتمند در نظر گرفته می‌شود که به خوبی بالا یا پایین یک میانگین متحرک قرار بگیرد؛ و هنگامی ضعیف است که به خط میانگین متحرک نزدیک شده یا آن را قطع کند. علاوه بر این، میانگین‌های متحرکی که بر اساس دوره‌های زمانی طولانی‌تر شکل گرفته باشند، در مجموع وزن بیشتری از میانگین‌های متحرکی دارند که، برای مثال، شاهد 100 ساعت اخیر تغییرات قیمت یا چارچوب زمانی مشابهی باشند.

برگشت بزرگ چیست؟

برگشت بزرگ به این واقعیت ارجاع دارد که از لحاظ آماری، قیمت یک ارز دیجیتال باید متمایل به بازگشت به سمت قیمت میانگین تاریخی باشد.

انحراف بیش از حد از این قیمت، به شرایط خرید یا فروش بیش از حد و احتمال یک برگشت قیمت اشاره دارد.

حتی برای چیزی مثل بیت ‌کوین، که تا به حال فقط در بازار خرسی بوده، ممکن است رشد و افت‌های عمده‌ای اتفاق بیفتد که از خط سیر قیمتی که از لحاظ تاریخی دنبال شده، منحرف شود. معمولاً بازارها قبل از اینکه وارد مسیری جدید شوند، به این روند باز می‌گردند. با مشاهده میانگین‌های بلندمدت، استراتژی ترید الگوریتمی با اطمینان به این شرط‌بندی می‌رسد که انحرافات عمده از این قیمت‌ها به احتمال زیاد دوام چندانی ندارد و با توجه به این سفارش معامله ایجاد می‌کند.

برای مثال، به یکی از این فرم‌های خاص برگشت انحرافی استاندارد گفته می‌شود، و از طریق یک اندیکاتور شناسایی می‌شود که به آن بولینگر بندز (Bollinger Bands) می‌گویند. در اصل، این بندها به عنوان حدود بالایی و پایینی انحرافات از میانگین متحرک مرکزی عمل می‌کنند. هنگامی که تغییر قیمت به سمت این غایت‌ها حرکت کند، احتمال زیادی وجود دارد که یک برگشت به سمت مرکز به زودی اتفاق می‌افتد.

به حتم یکی از بزرگ‌ترین ریسک‌هایی که در استفاده از استراتژی ترید الگوریتمی وجود دارد این است که آنها نمی‌توانند تغییرات فاندامنتال را محاسبه کنند. اگر یک بازار به واسطه جریان‌های زیرین یک ارز دیجیتال سقوط کند، آن وقت این احتمال وجود دارد که قیمت هرگز بازگشتی نداشته باشد؛ یا حداقل به این راحتی نداشته باشد. این یکی از مواردی است که معامله‌گران باید خودشان شرایط خاصی که الگوریتم نمی‌تواند ببیند را رصد کرده و مورد محاسبه قرار دهند.

کاربرد برگشت بزرگ

شکل دیگری از کاربرد برگشت بزرگ ممکن است در بین چندین ارز دیجیتال اتفاق بیفتد. به استفاده از این تکنیک، معامله جفت‌ها (pairs trading) گفته می‌شود. فرض کنیم که دو ارز دیجیتال به شکل سنتی با هم نسبت دارند. یعنی وقتی یکی از آنها بالا یا پایین می‌رود، از لحاظ آماری، برای دیگری هم همین اتفاق می‌افتد. می‌توان از یک استراتژی ترید الگوریتمی برای مشاهده تغییر در یکی از این ارزهای دیجیتال استفاده کرد، سپس بر اساس احتمال تغییر قیمت، روی ارز دیجیتال دیگر معامله کرد. چارچوب زمانی این تغییرات، خیلی وقت‌ها کوتاه است؛ که باعث می‌شود ماهیت خودکار این استراتژی‌ها از ارزش بیشتری برخوردار شود.

آربیتراژگیری چیست؟

آربیتراژگیری به یک استراتژی ترید الگوریتمی گفته می‌شود که از مزیت تفاوت قیمت یک ارز دیجیتال در چندین بازار سود می‌برد. گاهی یک محصول مثل ارز دیجیتال یا یک کالا، به شکل موقت قیمت‌های متفاوتی در صرافی‌های متفاوت پیدا می‌کند. این فرصتی عالی را برای سود بردن آنهایی ایجاد می‌کند که به قدر کافی سریع هستند که بتوانند بین این بازارها قبل از اینکه قیمت متوازن شود معامله کنند. برای این هدف، یک استراتژی ترید الگوریتمی را می‌توان توسعه داد تا ارزهای دیجیتال مختلف را در بازارهای متفاوت مشاهده کند و به محض دیدن تفاوت، معامله انجام دهد.

این تکنیک به هیچ وجه پیچیده نیست؛ اما معامله‌گرانی که بتوانند سریع‌تر از همه واکنش نشان بدهند، برتری آشکاری نسبت به آنهایی که کندتر هستند دارند. در این استراتژی، معاملات پرتکرار مزیتی قابل توجه است؛ چراکه این معامله‌گران هستند که از مزیت این شرایط بازار که منجر به شکاف قیمتی می‌شود بهره می‌برند.

استراتژی‌های ماشین لرنینگ کدام هستند؟

ماشین لرنینگ و هوش مصنوعی به پیش بردن استراتژی ترید الگوریتمی تا سطوح جدید کمک می‌کنند. بعضی وقت‌ها فقط نباید از استراتژی‌های پیشرفته‌تر استفاده کرد بلکه باید از تکنیک‌های جدید مثل پردازش زبان‌های طبیعی برای تحلیل مقالات اخبار هم استفاده کرد؛ که منجر به باز شدن راه‌های جدید برای دریافت نگرش خاص به تغییرات قیمت بازار می‌شوند.

الگوریتم‌ها به حتم می‌توانند تصمیم‌های پیچیده بگیرند و مطابق داده‌ها و استراتژی‌های از پیش تعیین شده آنها را اجرا کنند؛ اما با ماشین لرنینگ، این استراتژی‌ها می‌توانند خودشان را بر اساس چیزی که واقعا کار کند، آپدیت کنند. به جای منطق «اگر/ بعد»، یک الگوریتم ماشین لرنینگ می‌تواند چندین استراتژی را ارزیابی کرده و معاملات بعدی را بر اساس بیشترین سودها اصلاح کند. اگرچه برای تنظیم آنها نیز به کارهای زیادی نیاز است، اما این یعنی معامله‌گران حتی اگر شرایط بازار به وضعیتی فراتر از پارامترهای اولیه برسد، می‌توانند به ربات‌های خود باور داشته باشند.

استراتژی‌های محبوب ماشین لرنینگ

یک نوع محبوب از استراتژی ماشین لرنینگ تحت عنوان نیو بایس (naïve Bayes) شناخته می‌شود. در این تکنیک، الگوریتم یادگیری، معاملاتی را بر اساس آمار و احتمالات گذشته انجام می‌دهد. برای مثال، داده‌های تاریخی بازار نشان می‌دهد که بیت‌ کوین بعد از سه روز متوالی قرمز بودن، تا 70% رشد می‌کند. یک الگوریتم نیو بایس می‌بیند که در سه روز گذشته قیمت فقط پایین بوده و به شکل خودکار روی احتمال افزایش قیمت امروز، سفارش معامله می‌دهد. این سیستم‌ها به خوبی قابل اختصاصی‌شدن هستند؛ و این دیگر بر عهده معامله‌گر است که پارامترهای خودش را برای چیزهایی مثل ریسک و ضریب پاداش تعیین کند. اما همین که به یک سود خوشحال‌کننده برسید، دیگر می‌توانید با حداقل دخالت اجازه بدهید الگوریتم کار خودش را بکند.

یکی دیگر از منافع ماشین لرنینگ، قابلیت ماشین‌ها در خواندن و تحلیل گزارش‌های خبری است.

با اسکن کردن کلمات کلیدی و داشتن استراتژی‌های مناسب، این دسته از ربات‌ها می‌توانند ظرف چند ثانیه پس از انتشار یک خبر مثبت یا منفی که تأثیر در بازار دارد، معامله انجام دهند.

بدیهی است که آنها همان‌ قدر می‌توانند دقیق باشند که منطقی که بر اساس آن کار می‌کنند دقیق باشد؛ اما باز هم هنگامی که به درستی به کار برده شوند، مزایای زیادی نسبت به معامله‌گران دیگر دارند.

بهتر است توجه داشته باشید که این مزیت، برتری یک شاخه جدید در معاملات خودکار است. برای همین ربات‌هایی که برای این نحوه از کار طراحی شده باشند، سخت‌تر پیدا شده، قیمت بیشتری برای دسترسی دارند و اینکه ممکن است پیش‌بینی ضعیف‌تری از تکنیک‌هایی که بیشتر آزموده و امتحان شده‌اند داشته باشند.

تعقیب سفارش چیست؟

تعقیب سفارش (Order chasing) شامل عمل مشاهده بازار برای یافتن بعضی سفارش‌های خاص و خیلی بزرگ، و تلاش برای حرکت در جهت آنها با این فرض است که این شرایط به تغییر قیمت بیشتر منجر می‌شود. معمولاً قادر به پیش‌بینی بودن یک سفارش بزرگ از طرف یک بازیگر عمده در بازار، نیاز به انواعی از اطلاعات داخلی دارد؛ و معامله کردن با چنین دانشی، عموماً غیرقانونی است. اما به هر حال بعضی از معامله‌گران پرتکرار، راه‌های قانونی را برای بیرون کشیدن این اطلاعات از فاروم‌های معاملاتی که تحت عنوان «استخرهای تاریک» شناخته می‌شوند، پیدا کرده‌اند. این دسته از فاروم‌های معاملاتی مجبور نیستند داده‌های سفارش خود را مانند یک صرافی به شکل همزمان وارد کنند؛ بنابراین تغییرات آنها تأثیری با وقفه روی بازار می‌گذارد. با جمع کردن و به‌کارگیری این داده‌ها به صورتی سریع‌تر از معامله‌گر متوسط، کاربرانی که از این تکنیک‌ها استفاده می‌کنند مزیت‌هایی جدی بر دیگران دارند.

سخن پایانی

چندین وبسایت وجود دارد که مجموعه‌ای از الگوریتم‌های معاملاتی را ارائه می‌دهند. بعداً می‌توانید آنها را به صرافی ارز دیجیتال مورد نظر خود متصل کنید. خدماتی وجود دارند که می‌توانند به سرعت استراتژی های معاملات الگوریتمی الگوریتم معاملاتی شما را تنظیم کنند. سایت‌هایی مثل تریدسانتا (TradeSanta)، بیتس‌گپ (Bitsgap) و کریپتوهاپر (Cryptohopper) همه چندین نوع حساب ارائه می‌دهند که از رایگان تا حساب‌های گران‌ قیمت را در بر می‌گیرند؛ این قیمت‌ها بر اساس ابزارهای در دسترس آنها تعیین می‌شود. برای تازه‌کارها، در مجموع یک حساب رایگان، مجموعه‌ای از گزینه‌ها را برای شروع ارائه می‌دهد. اما اگر قصد دارید که در این زمینه یک حرفه‌ای شوید، حساب‌های پولی خیلی برای شما مفید هستند.

معاملات الگوریتمی چیست؟

معاملات الگوریتمی یا معاملات اتوماتیک چند وقتی است که در بازار سرمایه ایران به عنوان یکی از جریان‌های آتی بازار سرمایه خودنمایی می‌کنند. با گسترش روزافزون بازارهای مالی و افزایش سرعت معاملات، نیازهای جدیدی مانند نیاز به ابزارهای معاملاتی هوشمند و خودکار و ربات تریدر های سریع بیشتر احساس می‌شود.

یکی از نوآوری‌هایی که در معاملات بازار به کمک سرمایه‌گذاران آمده است ابزار معاملات الگوریتمی است. به معامله خودکار در بازار بورس از طریق کامپیوتر به صورت اتوماتیک یا نیمه اتوماتیک معامله الگوریتمی می‌گویند.

در معاملات الگوریتمی در بورس کامپیوتر با استفاده از الگوریتمی که به آن داده شده در بازار موارد مناسب برای انجام معامله را بررسی کرده و فرصت‎ های معاملاتی را صید می‌کند.

به این نوع الگوریتم‌ها «بلک باکس» یا الگو «تریدینگ» نیز می‌گویند. در این روش از زبان برنامه نویسی در کامپوتر و مجموعه‌ای از دستورهای تعیین شده در کنار هم برای انجام معاملات استفاده می‌شود.

این الگوریتم‌ها می‌توانند بیش از یکی باشند و برای انجام معاملات بررسی‌های لازم را از جنبه‌های مختلفی از جمله زمان‎بندی، قیمت و حجم روی سفارشات و بازار انجام داده و تصمیم ‌بگیرند. این دلیل کمک می‌کند تا بازار سرمایه به شیوه اصولی‌تر و به دور از دخالت احساسات انسانی پیش برود و یکی از نتایج آن بالا رفتن نقدینگی در استراتژی های معاملات الگوریتمی بازار است.

معاملات الگوریتمی چگونه عمل می‌کنند؟

معاملات الگوریتمی طبق برنامه‌ای که برحسب استراتژی معاملاتی شما نوشته شده است صورت می‌گیرد. الگوریتم به معنای انجام دستورات به شکل مرحله به مرحله است. معاملات الگوریتمی، شیوه‌ای در معامله‌گری است که از کامپیوتر برای تحلیل و معامله‌گری استفاده می‌شود. به کارگیری این الگوریتم نیاز به داشتن شرط‌های زیر است.

• بایستی به یک زبان برنامه نویسی برای الگوریتم‌نویسی در بورس تسلط داشته باشید در غیر این صورت نرم افزار آن را تهیه نمایید. بایستی به اطلاعات و داده‌های بازار سرمایه دسترسی داشته باشید تا بتوانید آن‌ها را در اختیار الگوریتم قرار دهید.
• ایجاد زیر ساخت لازم برای انجام پیش‌تست روی سیستم برنامه‌ریزی شده قبل از ورود به بازار واقعی
• فراهم‌کردن اطلاعات تاریخی لازم و دیتای شرایط بازار در گذشته برای تست‌کردن الگوریتم به استراتژی اجرا شده بستگی دارد.

وظایف معاملات الگوریتمی

معاملات الگوریتمی برای انجام استراتژی تعیین شده به شکل درست و کامل، 4 کار را باید انجام دهد:

1. طبق استراتژی تعریف شده در برنامه‌ریزی آن‌ها، بازار را به صورت کامل رصد کرده و سهام و محصولات متعدد را بررسی نمایند تا فرصت‌های معاملاتی را به موقع و درست شناسایی کنند.
2. در مرحله بعد پوزیشن‌گیری نمایند.
3. پوزیش‌های باز شده را مدیریت نمایند.
4. با توجه به دستورالعمل‌های تعریف شده در فرآیند معامله، مدیریت ریسک و سرمایه‌ گذاری را به عهده بگیرند.

این 4 مرحله گاهی اوقات تماما به صورت خودکار و از طریق ربات‌ها صورت گرفته و معاملات را در برمی‌گیرند. گاهی اوقات در برخی بخش‌ها سلیقه و نظر انسانی دخالت داده می‌شود که در آن صورت معاملات نیمه خودکار عنوان می‌شوند.

طبقه ‌بندی عملکردی معاملات الگوریتمی

معاملات الگوریتمی قادر هستند در بخش‌های مختلف جریان معاملات قرار گیرند. همان‌طور که در بالا به وظایف‌ آن‌ها اشاره کردیم می‌توانند در هر یک از مراحل مذکور کار خود را شروع کنند. بنابراین در یک طبقه‌بندی قرار می‌گیرند که طبقه‌بندی عملکردی معاملات الگوریتمی به شمار می‌رود.

همچنین بخوانید : معاملات بلوکی چیست؟

الگوریتم‌ های اجرای معاملات

این نوع از الگوریتم‌ها صرفا مکلف‌ هستند دستورات معاملاتی تحلیل‌گر را اجرا نمایند. یعنی حتی نقطه شروع و پایان و نماد مورد نظر نیز از سمت تحلیل‌گر انتخاب شده است و الگوریتم‌ها تنها مکلف هستند وجه معامله‌گر را به سهم تبدیل کنند یا سهم را به پول و معامله را صورت دهند.

به عنوان نمونه یک معامله‌گر حقوقی در بازاری مانند صندوق‌ سرمایه‌گذاری مشترک یا یک معامله‌گر حقیقی با حجم بالایی از سرمایه تصمیم دارد 20 میلیارد سهام یک شرکت را در محدوده قیمتی معین خریداری کند.

به طور حتم چنان‌چه تمام حجم سرمایه را یک باره وارد کند و درخواست خرید سهام مورد نظر خود را یک جا بدهد موجب افزایش فشار خرید و در نتیجه افزایش قیمت سهام مورد نظر خود می شود و امکان خرید این سهام در محدوده قیمت تعیین شده میسر نمی‌شود.

الگوریتم‌های معاملاتی با شکستن سفارش مورد نظر آن را به شکل تعدادی سفارش کوچکتر و با ظرفیت‌های متعدد درآورده و در بازه‌های زمانی معین معاملات مد نظر تحلیلگر را انجام می‌دهند.

الگوریتم ‌های سیگنال‌ دهی

این نوع الگوریتم‌ها به تنهایی قادر به سودآوری نیستند بلکه به تحلیلگر اطلاعات بیشتری از شرایط بازار عرضه می‌کنند و به او در بهبود جریان تحلیل و تصمیم‌گیری و در نتیجه معاملات خود کمک می‌کنند که حاصل آن بالا رفتن سوددهی معامله‌گر یا تحلیل‌گر است.

این الگوریتم‌ها وقتی بهترین بازده را برای تحلیل‌گر دارند که به شکل مجموعه‌ای و گروهی یا در کنار دیگر ابزارهای تحلیل به کار گرفته شوند. اندیکاتورهای تحلیل تکنیکال همچون RSI یا ICHIMOKUاز جمله الگوریتم‌های سیگنال‌دهی هستند که امروزه در بازار ایران به کار گرفته می شوند.

الگوریتم‌ های مانیتورینگ

الگوریتم‌های مانیتورینگ الگوریتم‌هایی هستند که وظیفه مانیتورینگ و پایش بازار را به عهده دارند و به الگوریتم‌های پایش نیز شناخته شده‌اند. این نوع الگوریتم‌ها پایش را در حوزه‌های مورد نظر که برای خود تعیین شده، در کل یا بخشی از بازار انجام می‌دهند.

این جست‌وجوها می‌توانند شامل بررسی، تشخیص و شناسایی نمادهای هم‌گروه یک سهم در هنگام باز شدن نماد آن یا پایش صورت‌های مالی برخی نمادها در زمان اعلام اطلاعیه آن‌ها باشد.

الگوریتم‌ های پوزیشن تریدینگ

این نوع الگوریتم‌ها وظیفه خریدوفروش سهام برای نگهداری طولانی مدت را برعهده دارند. این الگوریتم با شرایط بازار ایران بسیار همخوانی دارد. به این الگوریتم‌ها که الگوریتم‌های کم بسامد نیز گفته می‌شوند.

این الگوریتم این طور عمل می‌کند که به عنوان مثال استراتژی معاملات یک معامله‌گر برای صف خرید و فروش را انجام می‌دهد. در حقیقت برنامه‌ معامله‌گر نوسان‌گیری روزانه است.

در این هنگام الگوریتم کم‌بسامد که طبق استراتژی، برنامه‌ریزی شده است به مجرد رسیدن صف فروش به شرایط از پیش مشخص شده دستور دیکته شده را انجام می‌دهد و در قیمت‌های بالاتر که باز برای خود تعیین شده عمل فروش را انجام می‌دهد. تمام این جریان ذکر شده به شکل خودکار از طریق این الگوریتم صورت می‌گیرد.

در حقیقت در الگوریتم‌های پوزیشن تریدینگ سه دسته‌‌ ذکر شده در بالا را کنار هم‌دیگر هستند. این الگوریتم تمام وظایف سه دسته‌ دیگر را با هم انجام می‌دهند.

الگوریتم ‌های پر بسامد یا الگوریتم های فریکونسی تریدینگ

وب‌ سایت «اینوستوپدیا» تنها الگوریتم‌هایی را در گروه پر بسامد یا High Frequency Trading قرار می‌دهد که قابلیت فروش سهام خریداری شده را فقط در فاصله‌ پنج‌دهم ثانیه داشته باشد. اغلب معاملات پر بسامد را دوپینگ معاملات الگوریتمی می‌دانند.

از طریق این الگوریتم‎ ها اجرای هزاران معامله در کمترین زمان استراتژی های معاملات الگوریتمی ممکن و بیشترین سرعت به منظور دریافت سود کم ولی به تعداد زیاد انجام می‌گیرد. در نتیجه سودهای حاصل از این معاملات پرتعداد در نهایت همان سود بسیاری است که همیشه هدف آخر در بازار سرمایه به شمار می‌رود.

این معاملات که کاملا در تضاد با سرمایه‌گذاری و معاملات سنتی قرار دارند روزانه صورت می‌گیرند. البته الگوریتم‌های پربسامد به اندازه‌ای که در بازارهای خارج از ایران طرفدار دارند در ایران کاربرد ندارند. چرا که در بازارهای خارجی مالیات برحسب سود هر معامله به صورت تساعدی در تناسب با میزان سود معامله‌گر از او دریافت می‌شود.

در نتیجه معامله‌گران در این بازارها به کمک این الگوریتم و معاملات کم سود ولی پرتعداد حاصل از آن می‌توانند درصد مالیات خود را به کمترین میزان ممکن برسانند. ولی با توجه به ساختار کارمزد و مالیات معاملات در ایران، گاهی ممکن است این الگوریتم‌ها با ضرر همراه شوند.

دوره جامع الگوتریدینگ رمزارزها با پایتون

دوره جامع الگوتریدینگ رمزارزها با پایتون با هدف آموزش کامل علمی و بیزینسی تمام موارد موردنیاز برای اجرای معاملات الگوریتمی ارزهای دیجیتال تدوین شده است.

در این دوره ابتدا یاد می گیرید که چگونه استراتژی های مناسبِ الگوتریدینگ را با هدف سودآوری در آینده، تدوین و بهینه سازی کنید. سپس می آموزید که چگونه استراتژی های مذکور را به ربات معامله گر تمام خودکار تبدیل کنید. در طول دوره نیز استراتژی های متفاوت و سودآوری به عنوان مطالعه موردی تدوین، ارزیابی و پیاده سازی می شود.

فهرست

درباره دوره جامع الگوتریدینگ رمزارزها با پایتون

سلام. این دوره از سه بخش کلی تشکیل شده:

• آموزش مبانی سرمایه گذاری کوانت یا کوانت تریدینگ (Quantitative Trading) و معاملات الگوریتمی (Algorithmic Trading)
• تدوین، ارزیابی و بهینه سازی استراتژی های معاملاتی کوانت، و سبدسازی با اونها
• ساخت و راه اندازی ربات های معامله گر تمام خودکار

محوریت این دوره “آموزش تدوین استراتژی های سودآور در آینده، بهینه سازی استراتژی ها و تشکیل سبد استراتژی با تکنیک های کوانت یا کمّی (Quantitative)” و مناسب برای الگوتریدینگ ارزهای دیجیتال هست.

دوره جامع الگوتریدینگ رمزارزها با پایتون با اهدف زیر تدوین شده:

• اول از همه یاد بگیرید که سرمایه گذاری کوانت و معاملات الگوریتمی دقیقا چی هست، چه تفاوتی با هم دارن، و چرا انقدر در جهان مهم هستن.
• بعدش بتونید استراتژی های الگوریتمی مناسب برای معاملات الگوریتمی رو تدوین و ارزیابی کنید.
• بتونید قبل از اجرای استراتژی، ببینید که آیا این استراتژی قراره مثل فرضیات و مشاهدات ما عمل کنه، یا به احتمال زیاد قراره غافلگیرمون کنه!
• بتونید استراتژی های سودآور در آینده رو تشخیص بدید.
• بعدش بتونید استراتژی های سودآور شناسایی شده رو برای قابل پیشبینی بودن، بهینه کنید!
• بتونید با چندتا استراتژی سودآور، طوری سبدسازی کنید که ریسک ترید رو به شدت کاهش بدید!
• و درنهایت، سبد طراحی شده رو در قالب چند ربات تمام خودکار، اجرا کنید.

دوره جامع الگوتریدینگ رمزارزها با پایتون، در واقع تلفیق، بروز شده و توسعه یافتهی دوره جامع سرمایه گذاری کوانت و الگوتریدینگ پیشرفته رمزارزها هست. این دوره حداقل 80 ساعت خواهد بود. به جز دو فصل اول، سایر فصل ها به صورت تئوری و عملی استراتژی های معاملات الگوریتمی همزان هست.

خروجی نهایی دوره هم یک داشبورد الگوتریدینگ هست که باهاش می تونید با اکسچنج های بایننس (Binance)، کوکوین (KuCoin)، کوینکس (Coinex) و اوکی اکس (OKX) به صورت ریل (Real) الگوترید کنید. فعلا تمرکز روی بازار اسپات هست، اما سعی بر اینه که بازارهای فیوچرز رو هم به عنوان یک بخش تکمیلی و رایگان بهش اضافه کنم.

دوره به صورت ویدئوی رکورد شده هست که بلافاصله بعد از خرید می تونید دانلودش کنید. ضمنا،هرگونه ضبط و کپی برداری از محتوای دوره پیگرد قانونی خواهد داشت.

ضمنا تا رکورد دوره جامع الگوتریدینگ رمزارزها با پایتون شروع و تکمیل بشه، می تونید در صورت تمایل از محتوای دو دوره قبل به رایگان استفاده کنید.

نظر برخی از شرکت کنندگان دوره های قبل

بعضی ها متخصص معاملات الگوریتمی هستند. وقتی قراره برنامه ای رو بنویسن با دقت بالا و نظم عالی مینویسن. الگوریتم‌ها رو میشناسن. آمار میدونن و خلاصه هرچی لازمه برای این کار رو فوت آب هستن.

بعضی دیگه معلمای خوبی هستن. روان بیان میکنن و با حوصله جواب سوالات میدن.

بعضیا هم آدم‌ حسابی هستن. و هر وقت بخوای میتونی روی پشتیبانیشون حساب کنی و نگرانی هات رو رفع میکنن ازینکه نکنه تنها بمونی و نتونی از آموزش ها استفاده کنی.

به جرات میگم هرسه اینها به ندرت تو یه نفر جمع میشه. کمیابه. نمیگم نایاب چون مهندس ساقی زاده دقیقا یکی از اون افراده!

تضمینی بهتون قول میدم اگه این دوره رو بگدرونید هیچ کلاس دیکه ای تو این حوزه بهتون نمیچسبه!

اینقدر عالی و مختصر و درجه یک تدریس میکنن!

دکتر سلمان یزدانی

دکترای ریاضی کاربردی گرایش مالی از دانشگاه خواجه نصیر، عضو هیئت علمی دانشگاه، فعال و مدرس بازار مشتقات، مدرس دوره های آپشن و آتی در کارگزاریها

من 5 سال است که فقط با استفاده از اکسپرت های خودکار و نیمه‌خودکار معامله می‌کنم ولی همیشه سؤال‌های مهمی داشتم که پاسخ آن‌ها را در این مدت نیافته بودم. در این کلاس و به کمک استاد، پاسخ تمام سؤال‌های خودم را یافتم.

سؤال‌هایی مانند اینکه چطور می‌توانم به ماشین یاد بدهم که از خطاهای خود درس بگیرد و در آینده دچار آن‌ها نشود، چطور می‌توانم در یک استراتژی معاملاتی اهمیت هر یک از پارامترهای ورودی را بفهمم و پارامترهای کم‌اهمیت را از لیست بهینه‌سازی حذف کنم.

توصیه جدی من به علاقه‌مندان حوزه معاملات الگوریتمی، شرکت در این دوره و استفاده از علم استاد درس جناب آقای ساقی زاده است.

دکتر بهرنگ موسوی

شرکت در دوره سرمایه گذاری کوانت با پایتون برای من بسیار مفید بود. استاد محترم دوره علاوه بر دانش بالا و تجربه کاری و عملی در حوزه بورس و سرمایه گذاری لحن و بیان گیرایی در انتقال مفاهیم داشتند.

دوره از دو بخش ارائه مباحث تئوری و همین طور کد نویسی در محیط پایتون تشکیل شده بود که از نقاط قوت دوره محسوب می شود و کمتر دوره ای را مشابه با این دوره به ویژه در حوزه بورس و سرمایه گذاری می توان پیدا کرد.

کیفیت بالای پاسخ گویی به سوالات و ابهامات شرکت کنندگان در دوره از نکات حائز اهمیت دوره است. برنامه ریزی و استفاده از زمان کلاس بسیار عالی بود. از زحمات استاد محترم سپاسگزارم.

دکتر شقایق ابوالمکارم

قبل از بررسی دوره اول بگم که مهمتر از خود دوره، جناب ساقی زاده مدرس دوره بود که به تمام معنا معلم هستند.

در طول دوره تمرکز تمام روی آموزش و انتقال صحیح و بنیادی مطالب بود نه صرفا یک روخوانی مانند 99% دوره های آموزشی دیگر. نقطه برجسته دیگر این دوره تسلط علمی و تجربی مدرس بود که بالاترین ارزش رو داره.

دانش رو میشه از منابع فراوان به راحتی به دست آورد اما دانش آمیخته به تجربه بسیار گرانبهاست. به نظر من در این دوره یک معلم همه تجربه واقعی خودش رو برای آموزش یکی از مهمترین مباحث امروزه کسب و کارها و تکنولوژی ارائه کردند.

بسیار مفید و کاربردی بود.

مهندس سروش سارابی

این دوره ی کوانت به جرات قویترین و بهترین دوره ی آموزشی تحلیل کوانتیتیو در بازار رمز ارز ها بوده.

بنده بعنوان یکی از شرکت کنندگان این دوره، مدت های مدیدی به دنبال فرصت اموزش و یادگیری درست و عملی تحلیل کوانتیتیتیو بودم. این دوره ها میانبری اصولی برای طی کردن Knowledge Curve مباحث پیچیده کوانت و الگو بوده.

بازار رمزارزها در ذات بازاری دیتا محور است و بدون درک، تحلیل و استراتژی های معاملات الگوریتمی بکارگیری ابزار کوانتیتیتو شما در این بازار لبه ی خاصی نخواهید داشت.

با تشکر ویژه از جناب ساقی عزیز بابت همه ی زحماتشون.

مهندس هادی نعمتی

جناب آقای ساقی زاده. باسلام وارادت، برخود لازم دیدم بابت برگزاری دوره سرمایه گذاری کوانت مواردی روعرض کنم:

اولاٌ- دوره را بسیار مفید و کاربردی دیدم وقبل از دوره فوق، فکر نمی کردم بجز تحلیل بنیادی، تکنیکال و مالی رفتاری بشه بازارسرمایه رو از زاویه دیگه ای تحلیل نمود و به همین دلیل بسیار شگفت زده شدم.

ثانیاٌ- تسلط جنابعالی بر مطالب عالی بود.

ثالثاٌ- مطالب ارائه شده جدید، کاربردی و جالب بود.

درپایان، از تلاش حضرتعالی برای ارائه روان مطالب، کمال تشکررودارم. باآرزوی بهترین هابرای جنابعالی.

مهندس مرتضی بریجانیان

به نظر من الان تو شرایطی هستیم که درآمد منفعل باید انتخاب اصلی ما برای کسب درآمد باشه چون عملا تنها دارایی واقعیمون که زمان هست رو براش صرف نمیکنیم.

جدا از سوابق قبلی حدود 10 ماه هست که تمام وقت روی کوانت تمرکز و فعالیت داشتم، این بین آموزش الگو و کوانت جناب ساقی زاده رو هم تهیه و مشاهده کردم.

در وصف این دوره و بنا به نظر شخصی، تنها دسترسی به نظام فکری که ایشون در این دوره، برای مسیر خدمتتون شرح میدن هزینه پرداختی دوره رو حلال میکنه، و البته این محتوایی بسیار ارزنده به زبان فارسی هست.

به کسانی که علاقه دارند تو این زمینه کسب اطلاعات کند و شروع به کار کنند و یا پروژه بزنن چه شخصی و چه شرکتی، توصیه میکنم مسیر چند ماهه ای که برای به دست آوردن اطلاعات پایه الگو و کوانت و تحقیق توسعه باید هزینه بشه رو با پرداخت مبلغ ریالی ای ناچیز به سادگی، منسجم و در زمانی کوتاه تر از این دوره کسب کنند.

مهندس محمد رحیمی

دوره الگوتریدینگ برای کسانی که پاییتون را میدانند و در بازار بورس فعال هستند، واقعا میتواند کاربردی باشد. چرا که زحمت مدتها تحقیق و بررسی و رسیدن به نتیجه را میتوان در چند جلسه خلاصه کرد. در دوران کنونی به دلیل حجم زیادی از منابع و اطلاعات، نیازمند صرف زمان زیادی میباشد.

با این کلاس در زمان صرفه جویی شده و شورتکاتی برای رسیدن به یک سطح استراتژی های معاملات الگوریتمی معقولی میباشد.

دکتر میثم میثمی

دوره سرمایه گذاری کوانت بسیار جذاب و کارا برای یک فرد معامله گر برای افزایش توانایی های خود در زمینه ترید و نگاهی آماری به بازار های مالی است.

از استاد محترم جناب ساقی زاده نهایت تشکر را دارم

مهندس شهراد صادقی

مبحث الگوتريدينگ و سرمایه‌گذاری کوانت هميشه براى من جذاب و البته رازآميز بود. به عنوان يكى از متدهاى نسبتا نوين سرمايه گذارى و تريد هميشه دوست داشتم وارد اين حوزه بشم. وقتى موفقيتهاى خيره كننده امثال جيم سايمونز رو در اين حوزه خوندم عزمم بيشتر جزم شد که ورود کنم. اما يك مشكل وجود داشت و اون هم اينكه منابع اصلى اين حوزه متاسفانه زياد خوش خوان نبوده و اغلب نوتيشن هاى نه چندان جالبی داشتن و انگار عمدى در اين قضيه وجود داره!

ذهنم مدتی درگیر این موضوعات بود تا اینکه به طور اتفاقى با سايت كوانت اينوستور و استاد ساقى زاده نازنين آشنا شدم. اوركا! یافتم! چی بهتر از این که توی یک دوره با محوریت و تمرکز سرمایه‌گذاری کوانت شرکت کنم. گوهری در بیابان لم یزرع فضای آکادمیک سرمایه‌گذاری در ایران.

عالی بود. سرفصل‌ها و متریال دوره به خوبی و با نهایت دقت جمع آوری و تنظیم شده بود و واقعا شوق برانگیز بود. تدریس استاد ساقی زاده واقعا لذت بخش و شوق انگیز بود. بیانی شیوا و ساده در عین حال فنی و دقیق. اصلا خود استاد ساقی زاده شخصیت دوست داشتنی دارن. دوره واقعا پرباری بود و به شخصه بهره‌ها بردم از این کلاس.

قطعا ارزش این کلاس خیلی بیشتر از هزینه (=سرمایه‌گذاری) اون هست و خدا رو شکر می‌کنم که شانس شاگردی استاد رو داشتم. یکی از جملات زیبا و تأمل‌ برانگیزی که در این دوره از شما شنیدم این بود که «در راه پژوهش روی سرمایه‌گذاری کوانت عمر ما به پایان می‌رسه ولی تحقیق و پژوهش به پایان نمی‌رسه» این جمله بهترین توصیف از این کهکشان بی‌انتهاست. خلاصه اینکه استاد شما ما رو وارد دنیایی کردید که حالا حالاها از دیدن و سیر و سیاحتش سیر نمی‌شیم.

مهندس حمید حیدری

سلام جناب ساقی زاده

بنده رسیدم به جلسه سوم تدریس شما و هرچه با خودم کلنجار رفتم نتونستم این پیام رو برای شما نگذارم.

جناب ساقی زاده واقعا مایه افتخار بنده است که شما رو پیدا کردم. توضیحات دقیق و مناسب و بدور از زیاده گویی یا مخفی‌ کردن بخشی از مطلب همراه با توانمندی شما در ارائه مطلب بی‌نظیر بوده.

از همه اینها گذشته حدود ۸ ماه بود که دنبال همین، دقیقا همین مطالبی بودم که شما دارید توضیح میدید و تقریبا همه یا نمی‌دونستن و یا اگر می‌دونستن قصد اشتراک گذاری نداشتن.

درنهایت به جرات می گم تا اینجای کار از بهترین دوره هایی بوده که طی سالهای اخیر گذروندم. انشالله عمری باشه و جبران لطف شما رو بکنم

پاینده باشید

مهندس سعید آقامیری

جناب مهندس ساقی زاده، باعرض سلام و خسته نباشید

آشنایی با جنابعالی و شرکت در دوره های شما دید بسیار متفاوتی از الگو تریدینگ و علم سرمایه گذاری کوانت در من ایجاد کرد. باتوجه به حجم و تنوع مطالب یکی از معدود دورهایی است که نیاز به چندین بار دیدن و انجام کارهای عملی است.

بنده دانشی در زبان های برنامه نویسی پایتون و پاین اسکریپت نداشتم و به لطف دوره جامع شما توانستم ایده ها و استراتژی هایی که مدنظر داشتم را بک تست بگیرم و با تحلیل و بهینه کردن به نتایج واقعی دست یابم.

همچنین از حضور پررنگ و همیاری شما در گروه خصوصی “سرمایه گذاران کوانت” که باعث دلگرمی و رفع مشکلات دانشجویان است تشکر می نماییم.

با آرزی توفیق روزافزون برای جنابعالی و کلیه عزیزان

مهندس آرن داویدیان

مطالب این دوره برای آندسته از افرادی که همیشه بدنبال انجام بهترین کار هستند عالی هست.

از آنجایی که کلیه مکالمات و نظرات و ایده های استاد ساقی زاده را تک به تک دنبال میکنم شخصیت ایشان را بشدت دقیق و قابل اعتماد و حلال مشکلات برآورد میکنم. ( تیپ شخصیتی NT در مدل MBTI ) البته پس از مطالعه دوره از برآوردم مطمئن شدم. چون که در حال دیدن این نظر درباره این دوره خاص هستید حتما شما هم بدنبال دقت، و با ۸۰ درصد فعالین بازارهای مالی متفاوت هستین. جای درستی اومدین.

ممنون از جناب مهندس ساقی زاده جهت تدوین دوره بسیار عالی و تخصصی.

مهندس بهنام کرمی

درود استاد ساقی عزیز، از شرکت در دوره ی حرفه ای و پر بار سرمایه گذاری کوانت و آشنایی با شما بسیار خوشحالم و معتقدم افرادی که بصورت حرفه ای و دستی ترید میکنند یادگیری کوانت میتونه براشون منجر به کسب بازدهی بیشتر، دقت بالاتر و صرف زمان کمتر برای ترید بشه.

سپاسگزارم

آموزش معاملات الگوریتمی ارز دیجیتال در پایتون

با گسترش بازارهای مالی و فراگیر شدن معاملات دارایی های مختلف در بین مردم، روش های نوین معامله گری به تدریج وارد عرصه معاملات شدند.

در سال های اخیر، استفاده از الگوریتم های پیچیده و قدرتمند در معاملات بازارهای مالی بسیار گسترش پیدا کرده است و شاهد پیشرفت چشمگیری در طراحی الگوریتم های معاملاتی بوده ایم. ویژگی مهم معاملات الگوریتمی، دقت و سرعت بالای آن، در تشخیص موقعیت مناسب برای انجام معاملات می باشد.

برای نوشتن یک الگوریتم معاملاتی، زبان های برنامه‌نویسی مختلفی می‌توانند در کنار هم به‌کار گرفته شوند. یکی از گزینه های مناسب برای طراحی یک الگوریتم معاملاتی، استفاده از زبان پایتون می‌باشد.

یکی از ویژگی های زبان پایتون، سادگی کار با داده‌ها در این زبان است. همچنین، وجود تعداد زیادی از کتابخانه های قدرتمند و رایگان در این زبان، موجب شده است تا بتوان تقریبا هرکاری را با این زبان انجام داد.

یکی از حوزه‌هایی که بکارگیری زبان پایتون در آن بسیار مورد توجه قرار گرفته است، حوزه مربوط به بازارهای مالی و کار با داده های مالی است.

در این دوره با استفاده از زبان محبوب پایتون و همچنین با بررسی متد های مختلف تحلیل مالی، تلاش می‌کنیم تا چندین استراتژی معاملاتی را، در بازار های مالی مختلف و به‌طور خاص، بازار رمزارزها پیاده سازی کنیم و با پیاده سازی ساختاری برای سنجش عملکرد استراتژی ها (Backtesting)، میزان بازدهی هرکدام از این استراتژی ها را مشخص کنیم.

همچنین علاوه بر بررسی استراتژی‌های رایج در تحلیل داده های مالی، با معرفی ابزار های مستقل و قدرتمند دیگری از زبان پایتون، قدرت تحلیل ها را بالاتر برده و مواردی مانند تحلیل روانی (Sentiment Analysis) بازار رمزارزها را نیز در قالب پروژه‌هایی در دوره، بررسی خواهیم کرد.

این دوره در قالب 6 فصل مجزا آماده شده و در هر فصل، قسمتی از مهارت های مورد نیاز برای طراحی و پیاده سازی الگوریتم های معاملاتی خودکار، به تفکیک بیان شده است.

مثال ها و پروژه های این دوره برای رمزارزها طراحی شده اما مباحث تدریس شده در این دوره، همچون الگوریتم های معاملاتی پیاده سازی شده، در بازارهای های مالی دیگر، همانند بازار سهام نیز قابل پیاده سازی می‌باشند.

برای توضیحات بیشتر در رابطه با این دوره و مشاهده برخی پروژه های انجام شده در این دوره، لطفا ویدئوی معرفی دوره را مشاهده نمایید.

پیش نیاز: تسلط نسبی بر زبان پایتون و آشنایی اولیه با کتابخانه‌های pandas, matplotlib و numpy