欢迎学习《Python基于技术分析和指标的日间交易策略回测和优化视频教程》课程，你将学习使用技术分析和指标进行（日内）交易，并使用 Python 创建、回测和优化 TA 交易策略。您将学到什么：使用 Python 将技术指标转换为合理的交易策略。正确使用技术分析和技术指标。使用两个或多个技术指标创建和回测组合策略。使用 Python 和 Plotly 可视化技术指标和趋势/支撑/阻力线。指数移动平均线 (EMA) 策略相对强弱指数 (RSI) 策略基于技术分析/指标的回测和远期测试交易策略。使用 Python 和 Plotly 创建交互式图表（线、体积、OHLC 等）。使用 Pandas、Numpy 和面向对象编程 (OOP) 进行技术分析和交易。要求能够传输高清视频的互联网连接。能够存储和运行 Anaconda 的台式计算机（Windows、Mac 或 Linux）。本课程将引导您安装必要的免费软件。 Pandas、Numpy 和 Matplotlib 的基本编码技巧说明本课程显然超越了规则、理论、模糊的预测和漂亮的图表。（这些很有用，但交易者需要的不止这些。）这是关于技术分析的第一个 100% 数据驱动的课程。我们将使用严格的回溯测试/前瞻测试来确定和优化基于技术分析/指标的适当交易策略。本课程将允许您测试和挑战您的交易想法和假设。它提供了 Python 编码框架和模板，使您能够在几分钟内编写和测试数千种交易策略。确定有利可图的策略并废弃无利可图的策略！本课程涵盖以下技术分析工具和指标：交互式折线图和烛台图交互式成交量图表趋势线、支撑线和阻力线简单移动平均线 (SMA) 指数移动平均线 (EMA) 移动平均收敛散度 (MACD) 相对强弱指数 (RSI) 随机振荡器布林带枢轴点（价格行为）斐波那契回撤（价格行为）组合/混合策略等。这不仅是一门关于技术分析和交易的课程。这是一门关于 Python 及其数据科学库 Numpy、Pandas、Matplotlib、Plotly 等的深入编码课程。您将学习如何使用和掌握这些库进行（金融）数据分析、技术分析和交易。量化交易总结量化交易使用统计模型来识别机会量化交易员通常具有数学背景，结合计算机和编码知识量化系统有四个组成部分：策略、回测、执行和风险管理一些常见的策略包括均值回归、趋势跟踪、统计套利和算法模式识别虽然大多数量化分析师为对冲基金和投资公司工作，但也有许多散户交易员 DIY量化交易大多数量化交易是由对冲基金和投资公司进行的。这些将聘请量化团队来分析数据集，寻找新机会，然后围绕它们制定策略。然而，越来越多的个体交易者也参与其中。自己开始量化交易所需的技能与对冲基金大致相同。您将需要非凡的数学知识，以便您可以测试和构建您的统计模型。您还需要大量的编码经验才能从头开始创建系统。许多经纪商和交易提供商现在允许客户通过 API 和传统平台进行交易。这使 DIY 量化交易员能够编写自己的自动执行系统。本课程适用于希望将其业务专业化的（日间）交易员和投资者。想要正确使用技术分析的交易者和投资者。希望通过强大的 Python 编码改进工作/分析的技术分析师和图表师 MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch 类型：电子学习 | 语言：英语+srt | 持续时间：11 次讲座 (53m) | 大小：855.6 MB 猜你喜欢2020新版Python自然语言处理（NLP）视频教程 (0.803)深度学习视频教程：Python中的卷积神经网络（更新8/2020） (0.803)Python静态和交互式数据可视化视频教程 (0.803)机器学习初学者教程三：学习使用Python，Matplotlib和Seaborn掌握数据可视化和执行探索性数据分析（EDA） (0.798)面向Python初学者的深度学习视频教程包含12个实践项目 (0.798)