آموزش جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

آموزش جامع طراحی و ساخت ربات معامله‌گر خودکار در بازارهای مالی (از صفر تا صد)

ربات معامله‌گر خودکار یا الگوریتمی یکی از روش‌های معاملاتی جدید است که در بازارهای سرمایه‌ای جهان رونق زیادی یافته است. روشی جدید که طبق آمار 75 درصد معاملات امروز بازارهای مالی, بر طبق آن است.

تریلر دوره

توضیحات کامل دوره

توضیحات دوره امروزه افراد بسیاری علاقه‌مند به سرمایه‌گذاری در بازارهای بورس, فارکس و ارزهای دیجیتال هستند. اما روش‌های نوین و بهینه آغاز فعالیت در این بازار را نمی‌دانند.  ربات معامله‌گر خودکار یا ال...

توضیحات دوره

امروزه افراد بسیاری علاقه‌مند به سرمایه‌گذاری در بازارهای بورس, فارکس و ارزهای دیجیتال هستند. اما روش‌های نوین و بهینه آغاز فعالیت در این بازار را نمی‌دانند.  ربات معامله‌گر خودکار یا الگوریتمی یکی از روش‌های معاملاتی جدید است که در بازارهای سرمایه‌ای جهان رونق زیادی یافته است. روشی جدید که طبق آمار 75 درصد معاملات امروز بازارهای مالی, بر طبق آن است. یکی از این مزایا نیز ربات معاملات خودکار، استفاده از روش‌های هوشمند و نوین است. مدتی است که هوش مصنوعی در بورسهای به صورت گسترده مورد استفاده قرار می‌گیرد. شرکت‌های بزرگی در جهان، که به عنوان غول‌های معاملات الگوریتمی شناخته می شوند. شرکت‌های زیر:

,Bridgewater associates (155 B$), AQR Capital Management (78 B$),AQR Capital Management (78 B$)

Renaissance Technologies (80 B$), Two Sigma investment (53 B$))

شرکت‌هایی هستند که با سرمایه‌های ذکر شده به‌صورت عظیم در حوزه معاملات الگوریتمی فعالیت می‌کنند. این شرکت‌های بزرگ معتقد هستند که با استفاده از روش ربات‌های معامله‌گری الگوریتمی می‌توان ساده‌تر از پیش اقدام به فعالیت‌های سرمایه‌گذاری در بازارهای مالی نمود. پس ابتدا باید بدانیم معاملاتی که به‌صورت الگوریتمی باهوش مصنوعی هستند، در اصل چگونه کار می‌کنند.

هر نوع معامله‌ای که از طریق الگوریتم‌های خاص و استراتژی‌های مختلف صورت پذیرد، معاملات الگوریتمی نامیده می‌شود. به عنوان مثال ، زمانی که قیمت یک سهام و ارز فارکس یا کریپتو به اعداد خاصی می رسد، دستور خرید و فروش سهام به صورت خودکار صادر می‌شود. اما آیا می‌توان گفت ربات معاملات الگوریتمی تنها به همین عملکرد محدود است؟ پاسخ منفی است. تمامی الگوریتم هایی که میزان سود و ضرر یک معامله را بیان می نماید، در ابتدای طیف استفاده از الگوریتم ها، در اصل ساده و پایه ای می باشد. به این صورت که در بخشی دیگر از انجام معاملات، نوعی استراتژی معاملاتی  استفاده می کند که بدون نیاز به دخالت انسان می تواند تمامی موارد خرید و فروش سهام را بررسی، ارزیابی، و تحلیل نماید. سپس با انتخاب سبد سهام، و تخصیص دارایی مورد نیاز، اقدام به خرید سهام نماید.

در معاملات الگوریتمی احساسات وجود ندارد. به این معنا که اصلی‌ترین نقطه‌ضعف انسان‌ها در معامله‌گری که همان احساسی شدن در زمان خریدوفروش است را پوشش می‌دهد؛ لذا ربات معامله‌گر با دستورات دریافتی عمل می‌کند و دچار خطای انسانی نمی‌گردد. ربات‌های معامله‌گر خودکار دارای خاصیت بررسی چند صد دارایی مالی به‌صورت هم‌زمان هستند که محدودیت چشمگیر انسان در این حوزه را پوشش می‌دهند. همچنین از مزایای این ربات‌های معامله‌گر آزمایش هزاران استراتژی مختلف معامله‌گری و انتخاب بهترین استراتژی با بیشترین سود و کمترین ریسک است. کاری که برای انسان سال‌ها  زمان می‌برد.

یکی از ابعاد موجود در الگوریتم‌های معاملات خودکار برنامه‌ای برای دریافت داده‌ها است. در سیستم‌های مالی از این نرم‌افزار، برای خواندن قیمت‌ها استفاده می‌شود که در این دوره از دیتابیس‌های مالی معتبر استفاده می‌گردد. ازاین‌رو باید در ربات معاملات خودکار این برنامه را به پایگاه‌داده بازار متصل نماییم. از سوی دیگر ممکن است لازم به استفاده از برنامه‌ای پیچیده‌تر، جهت رصد هم‌زمان قیمت‌های بازار نیز احساس گردد. اجرای دستور معامله در ربات معاملات خودکار از جمله بخش‌های پیچیده دیگری به شمار می‌رود که لازم است در مورد آن اطلاعات بالایی داشته باشید که در این دوره به شما آموزش داده می‌شود. این بخش به‌شدت نیاز به برقراری روش‌های ارتباطی با کارگزاری و بازار دارد. از دیگر فعالیت‌هایی که در این بخش صورت می‌پذیرد، رهگیری معامله و مدیریت ارتباطات است. بدون شک برای کارکردن با چنین حجم بالایی از داده‌ها، نیاز به ابزاری در معاملات خودکار احساس می‌شود که قادر باشد داده‌ها را کنترل نماید. علاوه‌برآن قادر باشد در زمان لازم سرعت آنها را خوانده و اطلاعات جدید را به‌سرعت ذخیره نماید که در این دوره از متد‌های مختلفی برای این امر بهره گرفته می‌شود. همچنین از مدیریت ریسک نباید غافل شد. استفاده از ابزارهای مدیریت ریسک در ربات معاملات خودکار، می‌تواند به محاسبه اندازه و حجم سهام، ابزارهایی برای بررسی عملکرد و رفتار سیستم، میزان سرمایه و … اشاره نماید. وجود این برنامه‌ها در سیستم‌های الگو تریدینگ لازم و ضروری است که این مورد نیز به‌صورت کامل شرح داده  می‌شود

معاملات الگوریتمی برای انجام درست و کامل استراتژی مشخص‌شده‌شان ۴ وظیفه به عهده دارند:

1- بر اساس استراتژی تعریف شده در برنامه‌ریزی‌شان، بازار را کامل رصد کرده و سهام و محصولات مختلف را بررسی کنند، تا فرصت‌های معاملاتی را به‌موقع و درست تشخیص دهند.

2- در مرحله‌ی بعد پوزیشن‌گیری کنند.

3- پوزیشن‌های بازشده را مدیریت کنند.

4- در فرایند معامله (باتوجه‌به دستورالعمل‌های تعریف‌شده‌شان) مدیریت ریسک و سرمایه‌‌گذاری را بر عهده بگیرند.

در این دوره ابتدا به بررسی جامع از معاملات الگوریتمی و روش‌های موجود پرداخته می‌شود. در مرحله بعد استراتژی‌های مختلف معاملاتی طراحی شده و این استراتژی‌ها را با استفاده از پایتون به زبان ماشین نگارش می‌کنیم. در مرحله بعد استراتژی‌ها تست و بهینه می‌شوند. در مرحله بعد معاملات خودکار را بر روی داده‌های تاریخی انجام می‌دهیم تا بدانیم که استراتژی مورد بررسی, اگر درگذشته مورداستفاده قرار می‌گرفت چه عملکردی از خود نشان می‌داد و در مرحله آخر ربات معامله‌گر خودکار را به‌صورت زنده آزمایش می‌کنیم و عملکرد آن را مورد ارزیابی قرار می‌دهیم. در آخرین مرحله به‌صورت زنده در بازار فارکس با پول واقعی معاملات ربات را انجام می‌دهیم و عملکرد ربات را مشاهده می‌کنیم.

در این دوره دانشجویان تمامی مراحل را از ابتدا تا پایان به‌صورت دقیق آموزش خواهند دید و برای کسانی هم که دانش اندکی از پایتون یا مفاهیم مالی دارند مناسب است. مهارت‌هایی که دانشجویان در این دوره به آن دست پیدا می‌کنند:

  • کدنویسی در پایتون و در محیط jupyter notebook
  • طراحی استراتژی با پایتون
  • ساخت ربات معامله‌گر 
  • توانایی طراحی کلاس‌های مختلف و آشنایی با برنامه‌ریزی شیءگرا
  • آشنایی با استراتژی‌های معامله‌گری با استفاده از ماشین لرنینگ

همچنین در مکتب خونه انواع دوره آموزش ارزهای دیجیتال و آموزش برنامه نویسی به عنوان مکمل و پیش نیاز این دوره موجود است.

سرفصل‌های دوره

  • آنچه در این دوره خواهید آموخت
    9:16
  • معرفی معاملات خودکار (الگوریتمی)
    14:14
  • مزایای معاملات الگوریتمی
    7:45
  • معایب معاملات الگوریتمی
    9:08
  • Investment Cycle (چرخه سرمایه‌گذاری)
    7:11
  • طبقه‌بندی الگوریتم‌های معاملاتی بر اساس "اهداف"
    15:43
  • طبقه‌بندی الگوریتمی‌های معاملاتی بر اساس "عملکرد"
    6:27
  • انواع الگوریتم‌های معاملاتی _ بخش اول
    13:12
  • انواع الگوریتم‌های معاملاتی _ بخش دوم
    15:46
  • الگوریتم‌های سیگنال یاب
    5:57
  • TRADING VENUE CLASSIFICATION
    6:52
  • فایل‌های مورد نیاز دوره
    0:03

  • معرفی هزینه‌های معاملاتی
    12:58
  • طبقه‌بندی هزینه‌های معاملاتی
    5:35
  • تجزیه‌وتحلیل TCA
    3:44
  • مقایسه الگوریتم‌های مختلف معاملاتی
    7:43
  • مدل‌های MARKET IMPACT
    16:49
  • استراتژی‌های معاملاتی
    6:51

  • ارتقای استراتژی معاملات زوجی با استفاده از یادگیری ماشین
    14:04
  • معاملات زوجی با استفاده از Hurst Exponent
    7:57
  • یکپارچه‌سازی آنالیز مؤلفه‌های اصلی و ماشین بردار پشتیبان وزنی برای پیش‌بینی سیگنال‌های معاملات سهام
    7:16
  • Grid Trading System Robot (GTSbot)
    4:52

  • نصب پایتون و Jupyter Notebook
    7:15
  • عملیات محاسباتی در پایتون
    14:02
  • List and Loops
    17:24
  • انواع مختلف داده‌ها و برش لیست‌ها _ بخش اول
    8:47
  • انواع مختلف داده‌ها و برش لیست‌ها _ بخش دوم
    20:46
  • حالات شرطی و حلقه While
    16:02
  • توابع (Functions)
    11:33
  • کتابخانه Numpy
    12:38
  • متدهای کتابخانه Numpy
    16:09
  • آرایه‌های چندبعدی
    8:12
  • کتابخانه Pandas برای داده‌های جدولی _ بخش اول
    18:21
  • کتابخانه Pandas برای داده‌های جدولی _ بخش دوم
    19:34
  • کتابخانه Pandas برای داده‌های جدولی _ بخش سوم
    17:46
  • مصورسازی داده‌ها با Matplotlib _ بخش اول
    12:35
  • مصورسازی داده‌ها با Seaborn
    14:01
  • مطالب پیشرفته Pandas
    18:52

  • ثبت‌نام در صرافی FXCM
    9:11
  • دریافت API از صرافی FXCM
    3:07
  • اتصال پایتون به صرافی FXCM
    6:39
  • رفع مشکل در اتصال به API صرافی FXCM
    2:33
  • دریافت داده‌های تاریخی Forex
    8:52
  • دریافت داده‌های زنده‌ی بازار از صرافی
    8:46
  • سفارش‌گذاری و خریدوفروش از صرافی FXCM در پایتون
    10:09
  • ثبت‌نام در صرافی OANDA و دریافت API
    7:49
  • اتصال پایتون به صرافی OANDA
    5:49
  • دریافت داده‌های تاریخی از صرافی OANDA
    8:32
  • دریافت داده‌های لایو بازار از صرافی OANDA
    11:16

  • کار با سری‌های زمانی و مرتب کردن آنها
    9:46
  • متد Resample
    9:39
  • دریافت داده‌های از دیتا سورس Yfinance
    8:19
  • تجزیه‌وتحلیل و مصورسازی داده‌ها
    9:25
  • متد ()Shift و بازده‌های درصدی
    8:41
  • طراحی SMA در پایتون
    14:24
  • برخی متدهای پیشرفته زمانی
    14:31

  • ساخت Class مالی به نام Forex
    14:09
  • ورود تابع Plot به Class Forex
    13:15
  • تعریف متد Set_Ticker به Class
    7:58
  • اضافه‌کردن متدهای بازدهی و ریسک به Class
    14:52
  • توضیحات Class به‌صورت Docstring
    5:09

  • استراتژی معاملاتی مبتنی بر SMA
    17:10
  • نتیجه استراتژی Crossover با استفاده از دو SMA
    9:15
  • ساخت تابع اجرایی استراتژی Crossover
    16:19
  • یافتن بهینه‌ترین استراتژی Crossover با استفاده از Product
    7:00
  • OOP برای استراتژی Crossover با SMA
    23:50
  • افزودن ()Test_Strategy به SMAclass
    11:27
  • افزودن تابع ()Plot_Results به SMAclass
    10:55
  • یافتن بهینه‌ترین استراتژی Crossover با استفاده از تابع ()Optimize_Parameters
    23:06
  • استراتژی معاملاتی مبتنی بر Bollinger Band
    17:14
  • پوزیشن گیری با Bollinger Band
    14:29
  • پیاده‌سازی استراتژی Bollinger Band
    15:44
  • OOP برای استراتژی Bollinger Band
    15:09
  • افزودن هزینه معاملاتی (transaction cost) به کلاس ()Bollinger
    12:40
  • یافتن بهینه‌ترین استراتژی Bollinger Band
    18:39
  • عملکرد کلاس ساخته شده ()Bollinger
    18:17
  • رگرسیون خطی (Linear Regression)
    16:19
  • رگرسیون غیرخطی (Non-Linear)
    12:43
  • استراتژی معاملاتی استفاده از مدل یادگیری ماشین Linear Regression
    18:07
  • استراتژی معاملاتی استفاده از مدل یادگیری ماشین رگرسیون None-Linear Regression
    11:10
  • عملکرد استراتژی معاملاتی رگرسیونی
    11:22
  • مبحث Train داده‌ها و Test آن‌ها در آینده
    10:19
  • رگرسیون لجستیک (Logistic Regression)
    17:24
  • طراحی استراتژی معاملاتی استفاده از مدل Logistic Regression
    15:37
  • پیاده‌سازی استراتژی Logistic Regression
    8:02
  • OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression _ بخش اول
    13:25
  • OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression _ بخش دوم
    28:45
  • OOP برای استراتژی معاملاتی مبتنی بر مدل Logistic Regression بخش سوم
    6:12
  • تست عملکرد کلاس مبتنی بر مدل Logistic Regression
    12:30
  • مطالب پیشرفته در هنگام طراحی استراتژی
    18:33
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش اول
    18:33
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش دوم
    24:16
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش سوم
    24:16
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش چهارم
    10:01
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش پنجم
    13:20
  • طراحی یک کلاس معامله‌گر حرفه‌ای (Advance_Class) _ بخش ششم
    8:02
  • طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش اول
    9:09
  • طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش دوم
    16:12
  • طراحی یک Sub_Class حرفه‌ای برای Test_Strategy _ بخش سوم
    21:44

  • مرور کتابخانه پایتون صرافی FXCM
    11:09
  • استریم حرفه‌ای داده‌ها و ذخیره‌سازی از صرافی
    6:48
  • متد Resample برای داده‌های لایو صرافی
    8:33
  • طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش اول
    16:10
  • طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش دوم
    7:52
  • طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش سوم
    17:24
  • طراحی Class برای استراتژی معامله‌گر خودکار Contrader _ بخش چهارم
    8:22
  • واردکردن استراتژی معاملاتی به کلاس معامله‌گر خودکار
    15:37
  • افزودن دستور Order_Trade برای اجرای لایو پوزیشن‌ها در صرافی
    24:35
  • افزودن تابع گزارش‌دهی معاملات (Report_Trade) به کلاس معامله‌گر خودکار
    23:03
  • طراحی Class برای استراتژی کراس اور(Crossover) معامله‌گر خودکار SMAtrader
    16:43
  • طراحی Class برای استراتژی باند بولینگر معامله‌گر خودکار Bollingertrader
    12:45
  • طراحی Class برای استراتژی ماشین لرنینگ رگرسیون لجستیک (Logistic Regression)
    16:55

  • مرور کتابخانه پایتون صرافی OANDA
    10:43
  • استریم حرفه‌ای داده‌های لایو از صرافی OANDA و ذخیره‌سازی
    17:08
  • طراحی کلاس معامله‌گر خودکار Contrader _ بخش اول
    21:05
  • طراحی کلاس معامله‌گر خودکار Contrader _ بخش دوم
    15:25
  • طراحی کلاس معامله‌گر خودکار Contrader _ بخش سوم
    6:16
  • افزودن استراتژی به کلاس معامله‌گر خودکار
    9:59
  • افزودن تابع اجرای لایو سفارشات در صرافی و تابع گزارش‌دهی حرفه‌ای معاملات لایو
    22:45
  • آنالیز بازار و کلام آخر
    14:10

  • مقدمه، نصب، راه‌اندازی و تنظیمات MetaTrader
    5:25
  • برقراری اتصال بین پایتون و MetaTrader – دریافت اطلاعات حساب
    4:37
  • استخراج اطلاعات نمادها از MetaTrader در پایتون
    3:40
  • تابع دریافت داده‌های ارزها توسط MetaTrader
    8:05
  • طریقه سفارش‌گذاری در MetaTrader توسط پایتون
    8:16
  • کد بستن سفارش‌های خریدوفروش در MetaTrader
    4:16
  • تابع جامع ()send_order برای ارسال سفارش‌ها
    8:53
  • کد Stop loss و Take profit - تابع ()risk_reward_threshold برای مدیریت سرمایه
    8:04
  • تابع ()position_size برای مشخص‌کردن حجم معامله
    7:43
  • طریقه ارسال Pending orders توسط پایتون
    3:26
  • تغییر tp و sl یک سفارش باز در MetaTrader توسط پایتون
    4:19
  • تابع ()resume و دریافت منظم پوزیشن‌های فعال
    5:41
  • Stop loss Trailing - بخش اول
    6:40
  • Stop loss Trailing - بخش دوم
    8:44
  • توابع ()trailing_stop_loss و ()verfi_tsl
    6:51
  • اجرای Stop loss Trailing
    2:31
  • مشخص‌کردن sl و tp سبد پوزیشن‌ها
    9:03
  • طریقه سیگنال گیری توسط هر استراتژی دلخواه
    8:43
  • کلاس همه‌جانبه MT5
    6:01
  • تابع ()RUN برای اجرای اردرها در MetaTrader
    10:46
  • تست لایو معامله الگوریتمی توسط ربات
    10:02

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,999,000 تومان
1,199,400 تومان
40% تخفیف

این دوره شامل:
11 فصل آموزشی
28 ساعت آموزش
دسترسی مادام‌العمر
سطح: متوسط
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/06
آخرین به‌روزرسانی: 2026-11-03 13:38:42
تعداد امتیازها: 39
تعداد دانشجو: 5391
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: