菜鳥救星 菜鳥救星
為什麼要學?
  1. 你是否被美國總統川普一條推特,吐回所有獲利?
  2. 你是否加入投資社團,聽名牌卻沒效果,投資心好累?
  3. 你是否想過量化金融投資,但工作忙,沒時間看盤?
  4. 你有投資經驗,但獲利不穩定,找不到適合選股策略?
學習痛點
  1. 迷失的自學者,在各種網路資訊中迷失,難以找到明確且系統化的學習目標,花了大把時間跟精力,卻還是難以達到專業。
  2. 脫離不了「新手舒適圈」,Python是最容易學的語言,但還是只會改sample code ,缺乏實務應用。
  3. 投資初學者,缺乏金融常識,自己買教科書來看又覺得艱澀難懂,花時間google後的資訊也難以消化。
  4. 投資老手,沒有時間盯盤,想穩定獲利卻又不知道該擬定哪種策略,缺乏獨立分析的能力,想透過Python智慧投資建立回測模型。
適合誰來學?
  1. 無投資經驗菜鳥,想學習投資為自己加薪,但想賺怕賠。
  2. 投資新手小資男,沒時間看盤,想用量化方法進行投資。
  3. 社會新鮮小資女,想簡單投資,產生源源不絕被動收入。
  4. 死命工作窮忙族,職場奮鬥比誰都努力,收入卻沒增加。
上完課後你可以
  1. 輕鬆創造被動收入
  2. 輕鬆找到投資標的
  3. 建立穩定投資模組
我能學到什麼?
  1. 建立投資概念,認識金融投資商品差異。
  2. 學習投資策略,建立正確量化分析概念。
  3. 利用即時資料與歷史回測,分析自己投資策略。
  4. 使用程式篩選策略與指標,找出可行投資標的。
  5. 建立專屬投資策略程式,不斷優化選股模組程式。
課程優勢
  1. 老師曾任職券商及IT產業,專注於類神經決策模型及分散式共識系統,實戰經驗豐富。
  2. 老師擁有多年教學經驗,瞭解量化投資初學者痛點,由專家領航初學者也能輕鬆學習。
  3. 多數人會耗費80%的時間處理資料,本課程透過開源資料庫提供台灣官方標的物資料量。
  4. 專為散戶投資人打造的課程,學習建立屬於自己完整的投資策略,創造更好的投資績效。
  5. 手把手教學,課程中Live同步實作,提供完整課程程式碼範例,省去自己串接資料庫的困擾。
  6. 直播課程零時差!有別於一般線上課程,課間即時發問即時回答,不必苦等解答,大幅提升成效。
注意事項
  1. 收到款項後,若不克參加申請退費,請參閱退費規則
  2. 投資理財有賺有賠,本課程不保證任何投資獲利成效。
  3. 課程執行單位保留調整課程內容、日程與講師之權利。
課程大綱
  • 單元1:為什麼要學Python
  • 單元2:軟體與硬體基礎
  • 單元3:使用Python - 運算單位與運算
  • 單元4:使用Python - 條件與循環控制
  • 單元5:使用Python - 函式

  • 作業1:練習基礎運算、條件與循環
  • 作業2:練習函數
  • 單元1:使用Python - 物件導向
  • 單元2:使用Python - 副程式與封裝
  • 單元3:使用Python - IPC與網路
  • 單元4:使用Python - 資料處理函式庫

  • 作業1:練習物件導向
  • 作業2:練習資料處理
  • 單元1:交易框架與函式庫介紹
  • 單元2:使用交易物件
  • 單元3:操作交易策略模組
  • 單元4:操作交易資料進行運算
  • 單元5:建構交易策略
  • 單元6:交易框架應用練習

  • 作業1:三分鐘自動交易程式
  • 作業2:交易策略編寫(MA、RSI、KD)
  • 單元1:交易是什麼
  • 單元2:經濟體、商品、市場、價值與共識
  • 單元3:傳統交易理論
  • 單元4:股票定價原理
  • 單元6:交易策略優化與驗證方法

  • 作業1:自訂交易策略
  • 作業2:回測驗證與篩選
  • 單元1:抽象概念實現—要素因子建構法、目標結果逼近法
  • 單元2:機器學習概論
  • 單元3:使用sklearn建立機器學習模型
  • 單元4:AI概論
  • 單元5:使用tensorflow、keras建立深度學習模型

  • 作業1:機器學習模型優化
  • 作業2:機器學習交易策略
  • 單元1:類神經網路模型
  • 單元2:前傳導、後傳導
  • 單元3:信號、權重、誤差、激發函數與神經元
  • 單元4:損失函數與梯度下降方法
  • 單元5:回歸與分類模型

  • 作業1:類神經網路練習
  • 作業2:建立回歸與分類模型應用
  • 單元1:監督學習概論
  • 單元2:Representation and Genralization in AI
  • 單元3:監督學習回歸應用 - 預測北市不動產價格
  • 單元4:監督學習時間序列應用 - 預測北市未來降雨量
  • 單元5:監督學習交易應用 - 預測交易標的物未來價格

  • 作業1:監督學習練習
  • 作業2:監督學習交易策略
  • 單元1:強化學習概論
  • 單元2:Exploration&Exploitation / Tempral Credit Assignment in AI
  • 單元3:強化學習基礎運行框架、目標近似函數設計
  • 單元4:馬可夫決策模型、貝曼函數
  • 單元5:Value base RL - Dynamic Programming Method
  • 單元6:Policy base RL - Gradium Ascend Method
  • 單元7:強化學習應用(DQN、PPO、A3C)

  • 作業1:強化學習框架與應用練習
  • 作業2:強化學習交易
關於講師
張尹文
簡介
大家好我是Wen,是資料科學家,專注於類神經決策模型及分散式共識系統,曾任職券商與IT產業。擅長以淺顯易懂的方式引導學員,並由淺入深講解金融交易及演算法的本質,幫助學員建立明確紮實的核心知識,希望大家藉此建立屬於自己的優秀交易策略。
經歷
統一證券交易員
群益證券交易員
亞特蘭提斯技術支援PM
BMG專案經理
學員回饋