Lợi ích của học viên
Khóa học Machine Learning in Investment giúp tận dụng triệt để các lợi thế của Machine Learning giúp PHÂN TÍCH ĐỊNH LƯỢNG các chiến lược giao dịch, quản lý rủi ro, tối ưu lợi nhuận, gia tăng hiệu suất đầu tư, loại bỏ yếu tố cảm xúc:
- Học viên hiểu được tổng quan về kiến thức phân tích dữ liệu tài chính định lượng, và phương pháp phân tích định lượng cho đầu tư chứng khoán.
- Giới thiệu về cơ hội nghề nghiệp trong nghề phân tích dữ liệu tài chính, chứng khoán và các nguyên lý.
- Học viên biết thực hiện triển khai phương pháp xây dựng chiến lược đầu tư phổ biến như: Chiến lược VIX cho SPY, Chiến lược Bearish GAP
- Học viên biết cách tự thực hiện xây dựng phương pháp Backtest chiến lược giao dịch đầu tư phù hợp hiệu quả thông qua phân tích dữ liệu (Các bộ chỉ số: Sharpe, Max Drawdown, Hit Rate,.)
- Giúp học viên biết cách đánh giá rủi ro để từ đó chủ động phân bổ nguồn vốn cho các giỏ đầu tư phù hợp theo phương pháp "Đánh giá rủi ro đầu tư theo mức độ biến động" .
- Học viên biết cách lấy API để tổng hợp thu thấp dữ liệu trong việc xây dựng các chiến lược phân tích.
- Học viên biết sử dụng công cụ lập trình Python, Visual Studio Code, Google Colab,... từ cơ bản nhất để thực hiện các chiến lược Backtetst, phân tích chứng khoán.
- Sau khóa học có thể tự xây dựng được BOT Auto Trading cho riêng cá nhân để thực hiện triển khai đầu tư.
- Biết cách triển khai và thực thi giao dịch tự động (Auto Trading) theo chiến lược hiệu quả đã phân tích nhằm tăng năng suất đầu tư với số vốn lớn.
Dự án của học viên
Thông tin giảng viên
Chuyên gia Huỳnh Văn Nam
CEO của công ty Asia Capital Group (ACG) - 16 năm kinh nghiệm giao dịch và đầu tư trong ngành tài chính
Thầy Đặng Trí Thanh
Giám đốc CNTT Hướng Nghiệp Á Âu, GĐ CNTT Bibica - Phân tích dữ liệu Sacombank, trưởng nhóm Phân tích dữ liệu Citibank
Thông tin lộ trình học
1.1 Giới thiệu chung về chương trình và phương pháp học (lý thuyết + thực hành)
1.2. Mục tiêu đạt được cho học viên (Lập trình + kiến thức định lượng + kiến thức tài chính)
1.3. Hướng dẫn cơ bản về một số vấn đề trong machine learning, khái niệm tài chính + lập trình cơ bản
2.1. Hướng dẫn sử dụng tool phân tích dữ liệu riêng cho khóa học (Visual Studio Code)
2.2. Giới thiệu về ngôn ngữ lập trình Python
2.3. Cơ sở dữ liệu/ các loại dữ liệu thường gặp/ chiều dữ liệu
2.4. Bài học thực tế: Sự thành lập của Kaggle và cuộc thi algo trading 100000 USD của qũy đầu tư Two Sigma
2.5. Bài tập về nhà
3.1. API
3.2. Tạo key, get data
3.3. Clean & chuẩn hóa data
3.4. Bài học thực tế: Sự phát triển của thị trường dữ liệu tài chính Mỹ cho các quỹ đầu tư định lượng
4.1. API
4.2. Tạo key, get data
4.3. Clean & chuẩn hóa data
4.4. Bài học thực tế: Sự phát triển của thị trường dữ liệu chứng khoán Vietnam
5.1. Vào lệnh bằng API SSI
5.2. Vào lệnh bằng API Binance
5.3. Vào lệnh bằng API MT5
6.1. Giới thiệu về cách thiết kế Auto Trade Chứng khoán SSI
6.2. Giới thiệu về cách thiết kế Auto Trade Coin sàn Binance
6.3. Giới thiệu về cách thiết kế Auto Trade Forex MT5
7.1. Một số khái niệm cơ bản trong toán học + xác suất (biến ngẫu nhiên, phân bố, hàm phân phối, phân bố chuẩn, hồi quy, etc.)
7.2. Ứng dụng xác suất thống kê cơ bản trong đầu tư tài chính (lịch sử ứng dụng chiến lược cơ bản: Statistical Arbitrage, Gamber's Ruin, Margintale etc.)
7.3. Bài học thực tế: Edward Thrope mathematics for gambling
7.4. Bài tập về nhà
8.1. Chuẩn hóa và xử lý dữ liệu bằng Python/ Pandas
8.2. Định nghĩa một chiến thuật đầu tư
8.3. Đánh giá chiến lược đầu tư bằng phương pháp định lượng (Sharpe, Max Drawdown, Hit Rate)
9.1. Kiểm định chiến lược đầu tư (Backtest)
9.2. Bài học thực tế: Backtest overfitting và sự sụp đổ của Quantopian
9.3. Bài tập về nhà: Xây dựng và backtest chiến lược đầu tư cơ bản bằng Momentum
10.1. Tổng quan về học máy
10.2. Tìm hiểu kỹ hơn về học có giám sát. Giới thiệu chung về một số thuật toán trong học có giám sát dựa trên hồi quy tuyến tính như Regression analysis (Phân tích hồi quy), Ridge, Lasso, Overfitting, Regularization
11.1. Ứng dụng của học có giám sát cho bài toán dự đoán lợi nhuận trong đầu tư
11.2. Bài học thưc tế: Ứng dụng của Linear Regression và Statistical Arbitrage trong Quant Trade
11.3. Bài tập về nhà: Xây dựng và backtest chiến lược đầu tư cơ bản và đánh giá sử dụng Linear Regression
12.1. Tìm hiểu kỹ hơn về các mô hình học có giám sát phi tuyến cùng ứng dụng trong đầu tư. Một số chủ đề bao gồm Decision Tree, Random Forest, K-Mean Classification, ..
13.1. Ứng dụng của các mô hình học có giám sát phi tuyến cho bài toán xây dựng mô hình giao dịch thông minh
13.2. Bài học thực tế: Chọn alpha dựa trên regime thị trường – yếu tố quyết định thành bại của các quỹ đầu tư định lượng ngày nay
13.3. Bài tập về nhà: Xây dựng và backtest chiến lược đầu tư cơ bản và đánh giá sử dụng các mô hình học có giám sát phi tuyến
14.1. Dữ liệu: crypto currency trên sàn Binance
14.2. Xây dựng model đoán price/volatility
14.3. Backtest
14.4. Paper trading
14.5. Demo/Live trading
14.6. Bài tập project thực tế: học viên tự chọn loại asset, backtest & trading
14.1. Dữ liệu: chứng khoán sàn SSI
14.2. Xây dựng model đoán price/volatility
14.3. Backtest
14.4. Paper trading
14.5. Demo/Live trading
14.6. Bài tập project thực tế: học viên tự chọn loại asset, backtest & trading
16.1. Dữ liệu: chứng khoán sàn Forex MT5
16.2. Xây dựng model đoán price/volatility
16.3. Backtest
16.4. Paper trading
16.5. Demo/Live trading
16.6. Bài tập project thực tế: học viên tự chọn loại asset, backtest & trading
17.1. Tổng kết kiến thức khóa học
17.2. Trao đổi project thực tế
Book lịch trực tiếp hoặc trực tuyến với Giảng viên
1.1. Giới thiệu sàn giao dịch Binance
1.2. Hướng dẫn cách đăng ký và sử dụng Binance
1.3. Giải thích các tính năng chính của Binance
1.4. An toàn và bảo mật trên Binance
1.5. Lấy API Key trên Binance
2.1. Giới thiệu phân tích cơ bản và kỹ thuật
2.2. Cách đọc báo cáo tài chính trong phân tích cơ bản
2.3. Các chỉ số kỹ thuật cơ bản và cách sử dụng chúng
2.4. Luyện tập phân tích thị trường với dữ liệu thực tế
3.1. Cách đọc và phân tích biểu đồ nến Nhật
3.2. Nhận diện các mô hình nến đảo chiều và tiếp tục
3.3. Áp dụng biểu đồ nến để xác định điểm vào và ra thị trường
3.4. Thực hành phân tích với dữ liệu thị trường thực
4.1. Giới thiệu về Python và ứng dụng trong phân tích dữ liệu
4.2. Cách sử dụng Python để kết nối và truy vấn dữ liệu từ cơ sở dữ liệu
4.3. Các thao tác cơ bản với DataFrame trong pandas
4.4. Xây dựng các truy vấn SQL đơn giản trong Python
4.5. Xây dựng Datawarehouse để lưu trữ dữ liệu
4.6. Cách thao tác Python kéo dữ liệu OHLC về Datawarehouse
5.1. Tìm hiểu các thao tác nâng cao hơn với pandas
5.2. Kỹ thuật join, merge, và concatenate các DataFrame
5.3. Visualize dữ liệu phân tích với matplotlib, plotly
5.4. Ứng dụng các hàm thống kê trong pandas để phân tích dữ liệu
6.1. Tìm hiểu về các chỉ báo kỹ thuật như Moving Average, Stochastic, MACD...
6.2. Cách thiết lập và diễn giải các chỉ báo trên biểu đồ giá
6.3. Tích hợp các chỉ báo vào chiến lược giao dịch của bạn
6.4. Thực hành tạo và kiểm tra các chỉ báo trên dữ liệu lịch sử
7.1 Các chỉ báo Bollinger Bands, RSI, MACD, MA…
8.1. Xây dựng các class, hàm common để sử dụng chung cho dự án Autotrade
8.2. Xây dựng chi tiết tất cả các hàm lấy dữ liệu hỗ trợ chiến lược và backtest
Cảm nhận của học viên
Câu hỏi thường gặp
Bạn đang học hoặc đã đăng ký một khóa học mà muốn đổi sang khóa khác thì phí đổi là 500,000/ lần đổi
Khi bạn đăng ký tham gia chương trình học, bạn sẽ được bảo lưu khóa học nếu chưa có thời gian học
Giảng viên, các trợ giảng sẽ hỗ trợ sau giờ học. Các khóa sẽ có cộng đồng trên Facebook và Zalo để hỗ trợ lẫn nhau.
Mỗi buổi học online sẽ được record lại và gửi lại cho học viên theo quy định của lớp
Khóa học dành cho mọi trình độ, dạy từ cơ bản đến nâng cao. Tuy nhiên, dù ở trình độ nào khóa học yêu cầu nỗ lực và kiên trì nhất định của học viên. Hãy chắc chắn bạn có đủ tinh thần để theo khóa học nhé!
