Hodnotenie:
Kniha „Hands-on Financial Trading with Python“ je chválená pre svoj praktický prístup k algoritmickému obchodovaniu pomocou jazyka Python a mnohí používatelia ju považujú za skvelý zdroj informácií pre začiatočníkov aj stredne pokročilých obchodníkov. Niektorí recenzenti však upozorňujú, že kniha môže byť zastaraná a že na plné využitie jej obsahu je potrebná dobrá znalosť jazyka Python a štatistiky.
Výhody:⬤ Komplexný a praktický prístup k algoritmickému obchodovaniu.
⬤ Podrobné pokyny týkajúce sa knižníc jazyka Python, ako sú NumPy, Pandas, Matplotlib a zipline.
⬤ Logické budovanie kapitol, ktoré napomáha postupnému učeniu.
⬤ Praktické príklady a užívateľsky prívetivý kód.
⬤ Užitočné pre začiatočníkov aj profesionálnych obchodníkov, ktorí chcú zlepšiť svoje zručnosti.
⬤ Niektoré kódy a balíky sú zastarané, čo spôsobuje problémy s nastavením.
⬤ Vyžaduje slušné znalosti jazyka Python a štatistiky, čo môže vylúčiť úplných začiatočníkov.
⬤ Chýbajú hlboké vysvetlenia týkajúce sa kódu a jeho výstupov, čo vedie k zmätku u niektorých používateľov.
⬤ Manuálne nastavenie prostredia môže byť frustrujúce a časovo náročné.
(na základe 10 čitateľských recenzií)
Hands-On Financial Trading with Python: A practical guide to using Zipline and other Python libraries for backtesting trading strategies
Zistite, ako vytvárať a spätne testovať algoritmické obchodné stratégie pomocou Zipline
Kľúčové vlastnosti:
⬤ Získajte prehľad o trhových údajoch a analýze akcií a vizualizujte údaje, aby ste získali kvalitné poznatky.
⬤ Zistite, ako systematicky pristupovať ku kvantitatívnemu výskumu a tvorbe stratégií/backtestovaniu v algoritmickom obchodovaní.
⬤ Naučte sa, ako sa orientovať v rôznych funkciách knižníc pre analýzu údajov v jazyku Python.
Popis knihy:
Algoritmické obchodovanie vám pomôže udržať si náskok pred trhmi navrhovaním stratégií v kvantitatívnej analýze s cieľom získať zisky a znížiť straty.
Kniha sa začína predstavením algoritmického obchodovania a vysvetlením, prečo je Python najlepšou platformou na vývoj obchodných stratégií. Potom sa budete zaoberať kvantitatívnou analýzou pomocou jazyka Python a naučíte sa vytvárať algoritmické obchodné stratégie pomocou programu Zipline s využitím rôznych zdrojov trhových údajov. Používanie Zipline ako knižnice na spätné testovanie umožňuje prístup k bezplatným historickým denným trhovým údajom z USA do roku 2018. Ako budete postupovať, získate dôkladné pochopenie knižníc jazyka Python, ako sú NumPy a pandas, na analýzu súborov finančných údajov a preskúmate knižnice Matplotlib, statsmodels a scikit-learn na pokročilú analýzu. Zameriate sa aj na prognózovanie časových radov, pričom sa budete venovať pmdarima a Facebook Prophet.
Na konci tejto knihy o obchodovaní budete schopní vytvárať prediktívne obchodné signály, osvojiť si základné a pokročilé algoritmické obchodné stratégie a vykonávať optimalizáciu portfólia.
Čo sa naučíte:
⬤ Objavíte, ako funguje kvantitatívna analýza prostredníctvom pokrytia finančnej štatistiky a ARIMA.
⬤ Používať základné knižnice jazyka Python na vykonávanie kvantitatívneho výskumu a vývoj stratégií s použitím reálnych súborov údajov.
⬤ Pochopíte, ako pristupovať k finančným a ekonomickým údajom v jazyku Python.
⬤ Vykonajte efektívnu vizualizáciu údajov pomocou Matplotlib.
⬤ Používajte vedecké výpočty a vizualizáciu údajov pomocou populárnych knižníc Pythonu.
⬤ Vytvárať a nasadzovať spätné testovanie algoritmických obchodných stratégií.
Pre koho je táto kniha určená:
Táto kniha je určená dátovým analytikom a finančným obchodníkom, ktorí chcú preskúmať, ako navrhovať algoritmické obchodné stratégie pomocou základných knižníc jazyka Python. Ak hľadáte praktického sprievodcu spätným testovaním algoritmických obchodných stratégií a vytváraním vlastných stratégií, potom je táto kniha určená práve vám. Užitočné budú pracovné znalosti programovania v jazyku Python a štatistiky na úrovni začiatočníka.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)