هر کس که سرمایه‌ای را در بازار مالی می‌چرخاند، ایده‌هایی برای سودآوری دارد و مطابق همان ایده‌ها معامله می‌کند. هر چقدر ایده‌ها و تصمیم‌های برآمده از آن، از سازگاری منطقی بیشتری برخوردار باشد رفتار معامله‌گر سنجش‌پذیرتر خواهد بود. مزیت مهم تبعیت از یک استراتژی معاملاتی مشخص، ارزیابیِ کمّیِ بازدهِ آن قبل از ورود به بازار است. این کار با پیاده‌سازی استراتژی روی داده‌های گذشته با استفاده از روش‌های آماری امکان‌پذیر است. داده‌های بورسی مانند آزمایشگاهی هستند که در آن می‌توان با به کارگیری روش‌های تحلیل داده عملکرد استراتژی‌های جدید را اندازه گرفت. این کار نه تنها از هدر رفتن سرمایه جلوگیری می‌کند، بلکه موقعیت بی‌سابقه‌ای برای رسیدن به استراژی‌های مطمئن و سودآور در اختیار بازیگران بازار بورس قرار می‌دهد.

برای توسعه استراتژی‌های معاملاتی با تحلیل داده قبل از هر چیز باید کار با یک زبان برنامه‌نویسی را یاد بگیریم. در این دوره آموزشی از همین جا شروع می‌کنیم. در بخش اول بدون هیچ پیش‌نیاز و مقدمه‌ای با زبان پایتون و تفکر الگوریتمی آشنا می‌شویم، در بخش دوم سراغ روش‌های تحلیل و مصورسازی داده می‌رویم، در بخش سوم نوبت به آشنایی با بازار بورس و منابع داده آن می‌رسد و در نهایت در بخش چهارم با مهم‌ترین ایده‌ها برای توسعه استراتژی‌های معاملاتی موثر و مفاهیم آماری مورد نیاز برای ارزیابی (بک‌تست) آن‌ها آشنا می‌شویم و برای هر کدام نمونه‌هایی کاربردی را در بازار بورس ایران مورد بررسی قرار می‌دهیم.

مخاطبان 

بازارهای مالی یکی از پردرآمدترین حوزه‌های کار در علوم داده است. به همین خاطر، این دوره نه تنها برای بازیگران بازار بورس بلکه برای کسانی که به تحلیل داده و کاربردهای آن در بازارهای مالی علاقه‌ دارند و می‌خواهند در این بازار مشغول به کار شوند بسیار مفید خواهد بود. 

معاملات الگوریتمی به خاطر بازدهی بالا در دنیا بسیار مورد توجه است و علاقه‌مندان زیادی در بازارهای سرمایه دارد. این دوره برای کسانی که در پی پیاده‌سازی معاملات الگوریتمی در سبدگردانی هستند به صورت ویژه توصیه می‌شود، چرا که استراتژی‌های معاملاتی هسته اصلی معاملات الگوریتمی هستند و بدون توانایی تحلیل و ارزیابی آن‌ها نمی‌توان عملکرد موفقی در طراحی الگوریتم‌های معاملاتی داشت.  

پیش‌نیاز

مهم‌ترین پیش‌نیاز این دوره علاقه و سخت‌کوشی است. اگر دنبال حضوری روشمند و مبتنی بر داده‌ و برنامه در بازارهای مالی هستید، در این دوره آموزشی سرنخ‌های ارزشمندی پیدا خواهید کرد. این یک دوره مقدماتی برای علاقه‌مندان بازار سرمایه و همینطور علاقه‌مندان تحلیل داده‌های مالی است و پیش‌نیاز چندانی لازم ندارد، پس دسترسی به کامپیوتر و اینترنت برای شروع کافی است.

موضوعات هر بخش در ادامه با جزئیات بیشتر آمده است.

۱. آشنایی با پایتون و تفکر الگوریتمی - ۱۰ جلسه

• کاربردهای تحلیل داده در بازارهای مالی و معرفی عناوین و اهداف دوره
• آشنایی با تفکر الگوریتمی 
• نصب پایتون و معرفی ویرایشگرها، عملگر و انواع مقدار و متغیر
• دستورات ورودی و خروجی، انواع خطا، کدنویسی خوانا (توضیح‌گذاری و جدانویسی)
• ساختار انتخاب و حلقه های تکرار در پایتون (if-else و while و for)
• تعریف توابع جدید در پایتون (پارامتر، آرگومان و حوزه تعریف متغیرها)، توابع بازگشتی، متدها
• مقدارهای پیمایش پذیر و ساختارهای داده: رشته، چندتایی، لیست، مجموعه، دیکشنری 
• آشنایی با الگوریتم و ساختار داده: تحلیل پیچیدگی محاسباتی الگوریتم‌ها، پشته و صف، تحلیل الگوریتم‌های مرتب‌سازی و جستجو
  

• آشنایی با برنامه نویسی پیمانه‌ای (ماژولار) و توسعه کتابخانه در پایتون
• تولید اعداد شبه تصادفی در پایتون 
• کار با کتابخانه random
• شبیه‌سازی مونت‌کارلو و bootstrap
• محاسبات عددی با کتابخانه numpy 
• آشنایی با ساختارهای جدولی برای ذخیره و نگهداری داده ها، آشنایی کتابخانه pandas 
• پردازش داده های بورس با کتابخانه pandas
  

• مصورسازی داده های بورس با کتابخانه matplotlib 
• تحلیل اکتشافی برای سر درآوردن از داده های بورس 
• آشنایی با بازار بورس ایران و منابع داده آن 
• آشنایی با ساختارهای ذخیره سازی داده و خواندن و نوشتن پرونده های متنی در پایتون 
• آشنایی با روش های استخراج داده از صفحات وب 
• بررسی چند نمونه کاربردی برای استخراج داده های بورسی از صفحات وب
  

• توسعه استراتژی‌‌های Quantitative Momentum، اندیکاتورهای میانگین متحرک، ایده های پشت هر استراتژی معاملاتی و چگونگی پیاده‌سازی در پایتون
• ارزیابی عملکرد یک استراتژی معاملاتی با روش بک‌تست: متغیر تصادفی، توزیع احتمال، نمونه‌گیری، بازه‌اطمینان، آزمون فرض، همبستگی متغیرهای تصادفی، بک‌تست استراتژی‌های Quantitative Momentum
• توسعه استراتژی معاملاتی مبتنی بر مدل‌های رگرسیون: آشنایی با رگرسیون ساده و چندگانه، پیاده‌سازی استراتژی معاملاتی با کمک مدل رگرسیون و بک‌تست استراتژی
• توسعه استراتژی‌‌ Quantitative Value: آشنایی با داده‌های بنیادی سهام، پیاده‌سازی یک نمونه استراتژی Quantitative Value و بک‌تست استراتژی 
• توسعه استراتژی‌‌‌های Copy Trading: آشنایی با داده‌های Copy Trading و پیاده‌سازی یک نمونه از استراتژی‌های آن و بک‌تست استراتژی
  

• تعداد کل جلسات: ۳۲ جلسه 
• دو روز در هفته شنبه و دوشنبه: ساعت ۱۷:۳۰ تا ۲۰:۴۵
• شروع دوره: ۱۸ شهریور ۱۴۰۲
• شیوه برگزاری: آنلاین (دو جلسه جهت آشنایی، رفع اشکال و ایجاد ارتباط به صورت حضوری و آنلاین در دانشگاه برگزار می‌شود که زمان آن از قبل اعلام خواهد شد)
• مدت زمان هر جلسه: ۹۰ دقیقه 
• مدت زمان کل دوره: ۴۸ ساعت (۹ هفته) 
• شیوه ارزیابی: بررسی پاسخ تمرین‌ها و ارائه بازخورد 
• شیوه پشتیبانی: دسترسی محتوای آموزشی تکمیلی برای هر جلسه و امکان پرسش‌ و پاسخ و رفع اشکال روی پلتفرم آموزشی و چت در گروه مجازی مربوط به دوره و ارسال فایل ضبط‌شده کلاس به صورت اختصاصی برای شرکت‌کنندگان پس از اتمام هر جلسه
• شیوه ارائه گواهی پایانی و کارنامه: ارائه گواهی پایان دوره از طرف دانشگاه شریف برای کسانی که دوره را با موفقیت به پایان می‌رسانند و گواهی پایان دوره با درجه عالی برای کسانی که علاوه بر به پایان رساندن موفق دوره وضعیت مناسبی در ارزیابی‌ها دارند. 
• شهریه: ۱۳ میلیون تومان – قابل پرداخت در چهار نوبت