جلسه آشنایی با پایتون مقدماتی و برخی کتابخانه‌ها روز سه شنبه ساعت 18 خواهد بود. در این جلسه بعد از معرفی چند بستر برای کار با پایتون، نوتبوک‌های آموزشی معرفی می‌شوند تا دوستانی که با پایتون و بعضی کتابخانه‌ها آشنا نیستند یادگیری interactive با نوتبوک رو تجربه کنند و این قابلیت را پیدا کنند که به صورت خودخوان با نوتبوک‌ها پیش بروند. نیازی به نصب پایتون هم نیست.

جلسه خارج از ساعات دوره برگزار میشود و حضور برای عموم آزاد است. البته هدف اصلی آموزش اولیه پایتون به شرکت‌کنندگانی از دوره است که هیچ تجربه‌ای با پایتون ندارند تا بتوانند در جلسات اول با آشنایی بیشتری وارد شوند.

پ.ن: البته در طول دوره هم آموزش داریم و بر اساس فیدبک از دوستان پیش میرویم.

تعدادی بلیط دیرهنگام بخاطر درخواست‌ها اضافه شد و به مدت محدود میشه ثبت نام کرد.
link
شروع دوره: پنجشنبه ساعت ۱۶:۳۰
فردا (سه شنبه) هم که جلسه عمومی پایتون هست.

لطفا نوتبوک‌هایی که در لایو معرفی شد رو پیش برید تا با پیش‌زمینه دوره رو شروع کنید:

Python

Machine Learning

از دوستانی که دیرتر اومدن (چه سشن اول چه دوم) و درخواست جوین شدنشون دیر قبول شد عذر میخوام. گوگل میت این قضایا رو داره.
این موارد در دوره نخواهد بود چون لینک مخصوص برای شرکت کننده‌ها ارسال میشه و بستر هم اسکای روم هست.

گروه تلگرام دوره هم به زودی تشکیل میشه و در این کانال کمتر درباره دوره میگیم و به روال قبل برمیگرده

همچنین نوتبوک زیر رو جهت شروع پایتون از گیتهاب دکتر حبیب‌نیا میتونید ران کنید:
Notebook

دوره چند هفته در لیست پرفروش‌های evand قرار گرفته و همچنان هم هست. دمتون گرم

سیاست کاهش نرخ بهره یا interest rate cut که توسط Fed (فدرال رزرو: بانک مرکزی آمریکا) رخ داد در واقع یک سیاست انبساطی در علم اقتصاد هست. با کاهش نرخ بهره، در اصل هزینه قرض گرفتن پول از دولت کاهش پیدا میکنه که این همیشه باعث افزایش ریسک‌پذیری بین فعالان بازار و ورود پول به سهام growth یا بازار کریپتو هست.

این میتونه اساس یک سیستم detection ساده برای معاملات الگوریتیمی یا اعلان خبر هم باشه. در کاهش نیم درصدی (50 bps) نرخ بهره در هفته گذشته شخصا از بیتکوین و اتریوم سود خوبی گرفتم. این ازون مواردی هست که میتونید به فاندامنتال اتکا کنید و حتی درگیر ML یا سیستم‌های پیچیده هم نشید.

پ.ن: این مدت بخاطر مشغله ها کانال فعال نبود اما از امروز مطالب و پست هارو بیشتر میکنم.

همونطور که آگوست ۲۰۲۳ خبر ETF شدن بیتکوین و اهمیتش رو بررسی کردیم (بیتکوین ۲۷۰۰۰ دلاری) الان هم یک خبر مهم داریم.

اجازه معاملات Option روی ETF بیتکوین که درخواستش رو BlackRock داده بود توسط SEC صادر شده و این هم در رشد قیمت بیتکوین موثر بوده. این قابلیت در خود صرافی‌ها مثل بایننس وجود داره (نوع اروپاییِ option هست البته) اما در ETF نبوده.
Reuters Link

البته همچنان در ETF عملیاتی نیست و وقتی عملیاتی بشه قطعا سرمایه زیادی به سمت بیتکوین از طرف شرکت‌های سرمایه‌گذاری بزرگ مثل خودِ BlackRock خواهد اومد چرا که آپشن در عموم استراتژی‌های هج فاندها وجود داره و ضروری هم هست.

توضیح: معاملات آپشن این اجازه رو میده که شما اختیارِ خرید یا اختیارِ فروش یک دارایی رو در یک قیمت مشخص در آینده بخری که این قابلیت در دنیای مالی به دلیل نیاز به Hedge کردن و به نوعی محافظت و بیمه شدن دارایی‌ها و کاربردهای دیگه ایجاد شده.

مثال: فرض کنید شما مقدار زیادی بیتکوین دارید و به نوعی میخواید سرمایه تون رو بیمه کنید در مقابل اینکه فرضا بیتکوین قیمتش ناگهانی خیلی پایین بیاد. در این حالت شما اختیارِ فروشِ بیتکوین یا put option رو در قیمت مثلا ۵ الی ۱۰ درصد پایین تر برای چند هفته آینده میخری تا اگر قیمت خیلی پایین اومد باز هم شما در اون تاریخ اجازه داشته باشی با همون قیمت تعیین شده خارج شی.

در یک حالت دیگه فرض کنید شما پیشبینی میکنید بیتکوین در چند روز آینده مقدار زیادی بالا بره. شما اختیار خریدِ بیتکوین رو در ۲ درصد بالاتر از قیمتِ الان برای ۳ روز بعد میخری. اگر قیمت بیتکوین در ۳ روز بعد ۱۰۰ درصد هم رشد کنه باز شما میتونی با همون ۲ درصد بالاتر بخری و ۹۸ درصد سود کنی!

چند استراتژی برای trading با آپشن رو در یک voice قرار میدم.

@deeptimeai

خوشحالم که دوره
Machine Learning based Algorithmic Trading
با کیفیت بالایی برگزار شد.
ارائه فریمورک سیستم در قالب 3 کدبیس (از داده و فیچرسازی تا model experiment MLOPS و سیستم پروداکشن جهت trade) مهم ترین وجه تمایز دوره بود که در موردش توضیح خواهم داد.

ضمنا آشنایی با دوستان کاردرست در دوره برای تیم ما بسیار ارزشمند بود و به زودی همکاری‌هایی شکل خواهیم داد.

خبر خوب: دوره Machine Learning-based Algorithmic Trading

خوشبختانه با کمک دوستان، دوره در قالب SpotPlayer با حفظ امنیت در مقابل کپی، آماده ارائه است.

تا 6 آبان 40 درصد تخفیف. جهت ثبت نام به آیدی @TradeAI_admin پیام بدین.

وجه تمایز دوره: در این دوره علاوه بر پوشش دادن مسائل مربوط به آموزش ماشین لرنینگ، معاملات الگوریتمی، کاربرد ماشین لرنینگ در معاملات الگوریتمی و ... چند کدبیس و فریمورک کامل به همراه آموزش در اختیار دوستان قرار گرفت. یکی از کدبیس ها مربوط به آماده سازی داده و فیچر است. یکی مربوط به MLOps Walk Forward Experiment که شامل چند هزار خط کد هست اما به راحتی قابل استفاده هست و یک سیستم Realtime که عملا مدل ماشین لرنینگ انتخابی در کدبیس قبل رو جهت معامله در یک محیط production استفاده میکنید. تمامی کدها و موارد مربوط به docker و سرور هم حتی از بیس آموزش داده میشن تا هر کسی بتونه یک سیستم کامل رو پیاده کنه و ربات معامله‌گر هوش مصنوعی خودش رو داشته باشه.

دوستان دقت کنید که هیچ دوره ای (پولی، رایگان، کالا با کالا) از بهترین موسسات جهان یک سیستم کامل در این حوزه را در اختیار شما قرار نمیدهد. و مزیت اصلی وجود همچین سیستمی این هست که بزرگترین مشکل این حوزه یعنی گستردگی و پیچیدگی مهندسی برای شما حل میشه و شما تمرکز رو روی ارتقا سیستم و تیم سازی میذارین.

یک اصطلاحی در معاملات بازار هست که میگه شما اصولا نمیتونید "تاچ تابلو رو بزنید" یا "تاچ تابلو رو بگیرید" و در واقع به این معنی هست که احتمال خیلی ضعیفی داره که شما بتونید:
۱_ در پایین ترین قیمتی که بازار زده (تاچ شده)  یا مینیمم محلی خرید کنید
۲_ در بالاترین قیمتی که بازار زده (تاچ شده) یا ماکسیمم محلی بفروشید
۳_ هر دو کار برای یک دارایی انجام بدید

اما خوب مواردی هم پیش میاد که اینطور میشه با ترکیبی از فن و شانس. من باب مثال من از ۶۰ مجدد بیتکوین رو اضافه کردم (مینیمم محلی) و چون برای یکی دو ماه آینده نقد نیاز بود در ۶۸۳۰۰ خارج کردم (ماکسیمم محلی).
این که میگم ترکیبی از فن و شانس، قسمت فن همین درک از اهمیت قوانین تصویبی (پستی که بهش ریپلای شده) برای خرید بود و بحث جنگ و مقاومت تکنیکال و یکسری موارد دیگر برای فروش. البته که بیتکوین آینده خوبی داره خصوصا اگر درک درستی از فلسفش شکل بگیره. جدا از بحث trade باید یک بار در مورد فلسفه بیتکوین و تناقضی به نام آلتکوین صحبت کنیم!

KerasHub

حتما ببینید. همونطور که قبلا Keras3 و Keras Core معرفی شد، هدف KerasHub این هست که با استفاده از Keras3 و Kaggle مدل‌های pretrained از LLM برای training و Inference استفاده بشه. مزیت اساسی سینک بودن با Kaggle Models هست و البته همون مزیت جدید Keras یعنی قابلیت سوییچ بین Jax, Pytorch و TensorFlow. فقط نیاز به یک اکانت Kaggle و API Key هست.

برای مثال Stable Diffusion 3 رو ببینید.

تصمیم گرفتم تجربه دوستان شرکت کننده در دوره Machine Learning-based Algorithmic Trading رو اینجا به اشتراک بذارم. این ویدئو تجربه فرید هست.

احتمالاً با استفاده از ابزارهای هوش مصنوعی تصاویری با ظاهر بسیار واقعی تولید کرده‌اید. تئوری پشت این ابزارها diffusion models است. در کانال یوتیوب، ویدیوهای شماره ۸۱ تا ۸۹ از پلی لیست یادگیری عمیق را به این موضوع اختصاص داده‌ام. اسلایدهایی را که به همین منظور آماده کرده بودم، برایتان پیوست کرده‌ام.

@golemcourse

تجربه سروش سارابی، مدیر هوش مصنوعی RADERON از دوره Machine Learning-based Algorithmic Trading

شخصا بسیار خوشحالم از اینکه تجربه خوبی بوده حتی برای متخصصینی مثل سروش که سال‌هاست در زمینه هوش مصنوعی با فیلدهای مختلف فعال هستند.

اینکه اصولا چرا این دوره برگزار شد خوب قبلا گفتم چون نیروی متخصصی نیاز داشتیم برای کار با سیستم (تخصص در پایتون و ابزار، فایننس و trade، ماشین لرنینگ و دیتاساینس) خصوصا که کوفاندرم هم الان پادگان در حال هک هوب هک در شرایط جنگی هست. اما اینکه چرا یک فریمورک کامل به دوستان ارائه شد (شامل ۳ کدبیس) به دلیل دیدگاه من درباره قدرت و مزیت open source و کلا share کردن به حالت all in بود. بعدا در این مورد بیشتر مینویسم.

حتما کانال سروش، دانش، آگاهی رو هم عضو باشید.

اطلاعات ثبت نام دوره

اگر لایک‌ها بالا بود تخفیف رو تا یک هفته مجدد فعال میکنیم.

تخیف برای یک هفته تمدید شد

قبول دارم شاید یکی از سخت‌ترین کارها باشه اما تا میتونید از انجام همزمان کارها و از اون مهم تر وجود یک گوشی هوشمند با نوتیفیکیشن در کنارتون در زمان کار اجتناب کنید. دلیل فقط تمرکز یا productivity نیست (که خوب این واضحا همیشه بوده و میدونیم)، دلیل حافظه است! زمانی که multitasking میکنیم یا در هنگام انجام یک کار (حتی تفریحی) تمام حواسمون روی کار نیست و یک گوشی که بالقوه نوتیفیکیشن داره هم هست، حافظه ضعیف تری به اون کار اختصاص پیدا میکنه و فراموشی اتفاق میفته چرا که حافظه در این حالت چند fragment خواهد شد که باهم در رقابت هستند. راه حل: حالت focus mode رو فعال کنید در گوشی و یا گوشی رو شارژ نکنید (کنترل محیط)

نکته بسیار جالب بعدی در رابطه با حافظه و فراموشی این هست که اگر سعی کنید تمامِ یک تجربه را عکس یا فیلم بگیرید (به اصطلاح over document کنید) اتفاقا در آینده اون عکس‌ها رو زود رد می‌کنید اما اگر عکس‌ها یا فیلم‌های کوتاهی بگیرید که به عنوان سرنخ برای یادآوری آن تجربه باشند، آن مستند برای شما ارزشمند خواهد بود و به تقویت حافظه بسیار کمک می‌کند.

پ.ن: طبق عادت پشت فرمون پادکست Hubermanlab گوش میکنم که در اپیزود اخیرش یک متخصص و دانشمند در حوزه حافظه و تمرکز صحبت میکرد. اپیزود بسیار جالبی بود.

پ.ن۲: معتقدم اگر حافظه ضعیفی در کارها و حتی امور روزمره داشته باشیم، شاید زمان نسبتا زیادی از عمرمون بگذره اما حس کنیم کمتر تجربه کردیم. این البته شروع یک بحث عمیق تر هست در کتاب ماشین تجربه که اینجا میتونید بررسی کنید.

این پست برای تازه واردها در بازار‌های مالی هست. خیلی اوقات دوستانی میگن که میخوان وارد این حوزه بشن. همیشه چند نکته رو میگم:

۱_ از Trading کوتاه مدت در صورت تازه کار بودن اجتناب کنید تا پولتون به باد نره مگر اینکه یک سیستم کامل (احتمالا به همراه یک تیم با تخصص کوئانت) داشته باشید که تمام اصول و جزئیات رو رعایت میکنه. این سیستم نیاز به زمان، کار و تخصص زیادی داره که میشه موضوع مورد بحث در دوره‌ای که در این خصوص داریم.

۲_ حتی اگر یک سیستم برای معاملات الگوریتمی کوتاه مدت دارید، سعی کنید یک پرتفو مثلا از USDT، طلا (XAUT) و بیتکوین داشته باشید و البته اگر دسترسی دارید صندوق سهام آمریکا. اینجا با توجه به میزان ریسک و علمی که دارید درصدهارو گاها جا به جا کنید و معامله کنید و صد البته به مرور یک سیستم نرم‌افزاری براش توسعه بدید. یاد بگیرید که صبور باشید و با نوسانات کوتاه مدت هیجانی معامله نکنید.

۳_ نیاز نیست لزوما علم بالایی داشته باشید تا بتونید یک پرتفو رو بگردونید و سود کنید. با مطالعه و تجربه بخشی از پرتفو رو معامله کنید که این بخش با کسب تجربه میتونه بیشتر بشه. برای مثال با مشخص شدن نتایج انتخابات میتونستید بیتکوینِ پرتفوتون رو اضافه کنید. این مسئله با توجه به اظهار نظرهای ترامپ درباره بیتکوین قبل از انتخابات کاملا واضح بود. بعضی موارد نسبتا پیچیده تر مثل این پست هم به مرور میتونه مبنای معامله‌گری در پرتفوی شما باشه.

پ.ن: دیدیم که پست قبل هم در واقع تاچ تابلو زده نشد و قانون پابرجا بود (تاچ تابلو رو نمیشه زد!) و یا اگر هم زده شد شاید در یک بازه کوتاه بود.

خداحافظ Adam
با معرفی ADOPT بهتره Optimizer مدل‌های Deep Learning و LLM رو تغییر بدیم. مشکل اساسی Adam در واقع عدم تضمین convergence در فرآیند آپدیت وزن‌ها بود که در ADOPT حل شده. اما این برتری فقط در تئوری نیست و در عمل هم در اکثریت مسائل از جمله pretraining در GPT-2 بهتر بوده.

ایده اصلی و راه حل برای تضمین هم‌گرایی هم دو مورد هست:

۱_ حذف گرادیان کنونی از تخمین momentum دوم
۲_ نرمالایز کردن گرادیان، قبل از آپدیت momentum

Paper
Github
کد:

from adopt import ADOPT
#optimizer = Adam(model.parameters(), lr=1e-3)
optimizer = ADOPT(model.parameters(), lr=1e-3)

توضیح درباره یکی از جالب‌ترین ابزارهای معاملات و سرمایه‌گذاری‌ یعنی Options Trading یا اختیار معامله و نحوه سود کردن از آپشن با ماشین لرنینگ
Straddle & Strangle Strategies

پیرو بحث این پست

آقای Emmanuel Candès استاد ریاضی و statistics استنفرد از افرادی هست که باید در زمینه Conformal Prediction دنبال کنید. اهمیت کار تیم ایشون به نظرم دو مقاله‌ای بود که کمک کرد تنها فرض Conformal Prediction که Exchangeability هست هم کنار بره تا برای سری زمانی هم استفاده بشه. حالا در مقاله اخیر ایشون شاهد استفاده از Gradient Boosting هستیم برای بالا بردن دقت Coverage و کاهش طول interval ها. روش بسیار جالبه و همچنان به صورت post training هست یعنی مدل پیشبینی کننده شما میتونه هر مدلی باشه و فقط نیاز به خروجیش دارین. نکته کلیدی شاید انتخاب mis-coverage level به عنوان loss function در درخت boosting هست.

Paper

به روش redundancy که قبلا به عنوان عوامل پیشرفت گفتیم، با یک (یا چند) لیوان چای سخنرانی 35 دقیقه‌ای ایشون رو ببینید.