دوره علم داده در بازارهای مالی و معاملات الگوریتمی با Python

پس از انقلاب صنعتی چهارم، مهمترین دارایی شرکت های فناور، داده هایی است که روزانه تولید و استفاده می شود. دلیل اینکه مجله کسب و کار هاروارد علم داده را جذاب ترین دانش سال 2021 نامیده است، اهمیت بالای داده در کسب و کارهای نوین امروز است.

همانطور که می‌دانید بازار مالی در واقع محلی برای «رقابت» است، هرکس که در این رقابت پیروز شود، می‌تواند بازدهی بالاتری کسب کند، از این رو دانشمندان حوزه‌های مختلف علمی از ریاضیات تا آمار و هوش‌مصنوعی و علم مالی همه به دنبال پیروزی در این رقابت هستند، هر شرکت و فردی که بتواند از ابزارهای پیرامون خود استفاده بهتری کند،می‌تواند در این رقابت پیروز شده و بازدهی بالاتری کسب کند! در گذشته با توجه به حجم کم داده، متخصصین علم مالی برنده این بازی بودند، اما هرچه به سمت جلو حرکت می‌کنیم، دانشمندان علم داده و هوش مصنوعی که درک بالایی نسبت به علم مالی دارند، توانمندی‌های بالاتری در کسب بازده از بازارها به دست می‌آورند. در واقع  با گذشت زمان و توسعه صنعت مالی، عملا توانمندی انسان برای تحلیل و بررسی بازار مالی بسیار محدود شده است، تنها در بازار سرمایه ایران بیش از 700 شرکت حضور فعال دارند که تحلیل و بررسی این تعداد نماد از توان هر تحلیلگری خارج است. هوش مصنوعی و علم داده به ما ابزاری می‌دهد که با استفاده از آن بتوانیم تحلیل‌های دقیق‌‌تر و سریعتری نسبت به بقیه داشته باشیم و با استفاده از این ابزار می‌توانیم در «رقابت» پیروز شده و بازدهی بالاتری کسب کنیم.  

متخصصین هوش‌‎مصنوعی در دنیای مالی فرصت داشتند تا با استفاده از علم داده و هوش‌مصنوعی، مسیر خود را به سوی معاملات خودکار هموار سازند. در واقع دانشمندان هوش مصنوعی به این نتیجه رسیدند که به جای تمرکز بر عاملی همچون «رویای پیشبینی» بازار، به مزیت واقعی معاملات الگوریتمی که همان حرکت به سمت معاملات خودکار و کمک به هوش انسان برای تصمیم‌گیری بهتر است،گام بردارند. در واقع هوش مصنوعی نه ابزاری برای جایگزینی انسان، بلکه ابزاری برای کمک به انسان به منظور افزایش بازده او است.  

در این دوره آموزشی، دانشجویان ابتدا با مفاهیم ابتدایی آمار و احتمال آشنا می‌شوند، سپس با پایتون در علم داده و مدل‌سازی مالی با استفاده از آن آشنا شده و مفاهیم گوناگونی همچون کشف تقلب در داده‌ها را آموزش می‌بینند و در نهایت دو پروژه عملیاتی یکی در بازار بورس تهران و دیگری در بازار کریپتو اجرا می‌کنند

پروژه‌های مرتبط در بازار داخلی شامل پیاده سازی یک مدل یادگیری ماشین با استفاده از درخت‌های تصادفی برای پیش‌بینی نمادهای بورسی که بازدهی بیشتر از شاخص در افق 10 روزه و مدیریت ریسک سبد دارایی مشتقه در استراتژی کاوردکال و پیاده سازی داشبورد مدیریتی برای رصد لحظه‌ای اتفاقات لحظه‌ای بازار است

 در حوزه بازارهای جهانی نیز تحلیل و بررسی داده های قیمتی رمزارزهای دیجیتال و کشف ارتباط بین ویژگی های on-chain و قیمت آنها در تایم فریم های دقیقه‌ای و روزانه  و ساخت یک ربات معامله‌گر در یک صرافی ارز دیجیتال ایرانی به عنوان یک پروژه عملیاتی به دانش‌پژوهان تدریس می‌شود.