รายละเอียดคอร์ส
หลักสูตรนี้มุ่งเน้นสอนสร้าง ALGORITHMIC TRADING (หุ่นยนต์เทรด/ลงทุน) เป็นหลักสูตรที่เน้นสอนสร้างหุ่นยนต์ไปทำมาหากิน เราเน้นเทรด TFEX, FOREX, ทอง, หุ้นไทย, Crypto, ตลาดหุ้นต่างประเทศ
คลิปแนะนำคอร์สและแนะนำแนวทางการเรียน
คลิปแนะนำ Algorithmic Trading System & AI Robots
คลิปอธิบาย Building Blocks ใน Algo Trading Ecosystem จะได้ทราบว่าการทำระบบ Algo Trading มันไม่ได้มีแค่ท่อนโรบอทนะคร้าบ ^^
เรียนกันยาวๆ ค่อยๆ เรียน ค่อยๆ ฝึก ค่อยๆ ทำความรู้จักกัน
หลักสูตรนี้ออกแบบมาเพื่อคนที่มีความมุ่งมั่นผิดมนุษย์ปกติ สำหรับค่าเรียน ผมจะเอาไปเป็นทุนทำโปรเจ็คต์ในการนำ Deep Learning, Machine Learning, Reinforcement Learning มาใช้กับ Algo Trading และ การพัฒนาระบบในส่วนสำคัญอื่นๆ ซึ่งผู้เรียนสามารถมาเข้าร่วมทีมทำระบบกับผมได้
5 Level ในการเรียน สำหรับ Level 5 ไม่บังคับ เหมาะกับผู้ที่สนใจไอที
หัวข้อเรียนหลัก
Introduction:
- Intro to Algo Trading – มาทำความรู้จักกับระบบ algorithmic trading กันก่อน
- Building Blocks – องค์ประกอบสำคัญใน ecosystem ในระบบ algorithmic trading
- Problem Modeling – การถ่ายทอดความคิดและประสบการณ์ ปัญหาและความต้องการ เพื่อสร้างโมเดล
- พื้นฐานการลงทุนเบื้องต้น – พื้นฐานการลงทุนง่ายๆ
- กลยุทธ์การเทรดเบื้องต้น – กลยุทธ์การเทรดแบบต่างๆ เช่น trend following, scalping, HFT, contrarion, swing ฯลฯ
- การคำนวณ position size – สูตรการคำนวณ position size สำหรับตลาดต่างๆ
- การสร้างระบบสแกน – ฝึกสร้างระบบสแกนตามเงื่อนไขของตนเอง
AI, Data Science, Machine Learning, Python:
- Intro to AI, Data Science, Machine Learning – ทำความเข้าใจเบื้องต้นกับ AI, Data Science, Machine Learning
- Intro to Data Science – ทำความเข้าใจเพิ่มเติมกับ Data Science
- Installation & Preparation – มา install โปรแกรมต่างๆ และเตรียมไฟล์กับโปรเจ็คต์ต่างๆ ก่อนเริ่มเรียน
- Basic Python Coding – ทำความเข้าใจเบื้องต้นภาษา Python และฝึกเขียน Python ง่ายๆ ที่เพียงพอต่อการทำ algo trading
Charting & Technical Indicators:
- Basic Charting & Technical Indicators – ฝึกเซ็ตและดูอินดิเคเตอร์
- Time Series Overview – ทำความเข้าใจกับ time series data และมุมมองแบบ time series
- เขียน Python สร้าง Indicator และ Visualize Chart – ฝึกเขียน Python สร้างอินดิเคเตอร์และแสดงผลเป็นกราฟ
- Simple Rule Based Programming – ฝึกเขียนโค้ดเทคนิค rule based programming เบื้องต้น
Prepare Project & Run Systems Practice:
- Install และรัน Docker – ฝึก install และรัน Docker
- Install และรัน Redis กับ InfluxDB – ฝึก install และรัน Redis (Cache & Pub/Sub) กับ InfluxDB (Time Series Database)
- เซ็ตและรันระบบ ML Model Serving – ฝึกเซ็ตและรันระบบ ML Model Serving สำหรับให้บริการ ML model ผ่าน REST API
- เซ็ตและรันระบบ Data Feed – ฝึกเซ็ตและรันระบบ Data Feed สำหรับฟีดราคาเรียลไทม์
DQIF (DeepQuant Intelligence Factory):
- Data Preparation – ฝึกเตรียมข้อมูลไฟล์ราคา
- Dataset Engineering – ฝึก ‘ทำ’ ข้อมูล เช่น เตรียมอินดิเคเตอร์ สร้างฟีจเจอร์ นำ machine learning มาร่วมใช้ประกอบการเตรียมข้อมูล
- Rule Based Signal Modeling – ฝึกสร้างโมเดลเพื่อ predict signal โดยใช้เทคนิค rule based programming
- ML Signal Modeling – ฝึกสร้างโมเดลเพื่อ predict signal โดยใช้ Deep Learning, XGBoost, Deep Stacking Ensemble และข้อแนะนำในการใช้อัลกอริธึมอื่นๆ
- RL Signal Modeling – ฝึกสร้างโมเดลเพื่อ predict signal โดยใช้ Reinforcement Learning
- RL-TradeEntryProperties – ฝึกสร้างโมเดลเพื่อเลือก trade entry properties ที่เหมาะสมโดยใช้ Reinforcement Learning
- RL-TradeManagement – ฝึกสร้างโมเดลเพื่อเลือก action ที่เหมาะสมในการบริหารเทรดโดยใช้ Reinforcement Learning
- Backtesting – ฝึกเซ็ตและรัน backtesting โมเดลเดียวและหลายโมเดลพร้อมกัน
- Rule Based Programming – ฝึกเขียนโค้ดเทคนิค rule based programming
- Deep Learning, XGBoost, Other ML Algorithms – ทำความเข้าใจอัลกอริธึม machine learning สำคัญต่างๆ ที่เหมาะกับงาน algo tding
- Feature Engineering – ทำความเข้าใจหัวใจหลักในการเตรียมข้อมูล และฝึกออกแบบและเตรียมข้อมูล
Execution & Deployment:
- Prepare Execution & Run Bot Without Docker – ฝึกเซ็ตและเตรียมระบบ Execution และฝึกรันบอทโดยไม่ใช้ Docker
- Simple Execution Process Design – ทำความเข้าใจกับระบบ Execution และการออกแบบ Execution Process แบบเรียบง่ายที่ใช้ได้กับทุกตลาด
- Prepare Deployment & Run Bot Using Docker – ฝึกเซ็ตและเตรียมการ Deploy และฝึกรันบอทโดยใช้ Docker
- Deploy to Cloud – ฝึกเซ็ตและ Deploy ขึ้นคลาวด์
IT & Architecture for Algo Trading:
- DeepQuant Architecture
- System Architecture Overview
- Microservices, Serverless, Function as a Service
- Market Proxy/Gateway/API: Settrade Open API, MetaTrader, OANDA, Binance, Interactive Broker ฯลฯ
- Data Architecture
- Domain Modeling
- Execution Management System Design
- Software Product Line Architecting
- Data Lake
- Time Series Database
- Data Feed/Ingestion
- Message Broker
- Caching
- Architectural Tactics
- High Scalable & Available System Design
- Transaction Design
- Requirements Engineering & Non-Functional Requirements Engineering
- ฯลฯ
DeepQuant Core – แก่นหลักของการทำระบบของเรา
ดูรายละเอียดเพิ่มเติมของ DeepQuantProjects Overview ได้ที่
ผมและกลุ่ม DeepQuant เราจริงจังมากจนถึงขั้นพัฒนา algorithmic trading platform, ระบบ backtest, ระบบ price simulation, code template, data pool, data feed, data pipeline กันเอง
ค่าเรียน 48,000 บาท จ่ายครั้งเดียวเรียนหัวข้อใหม่ๆ ได้ตลอด
คอร์สนี้ไม่ได้ดีกว่าคอร์สอื่นๆ ที่สอนกันมากมาย
สิ่งที่แตกต่างคือ คอร์สนี้เน้นสอนทุกประเด็นสำคัญ ที่จำเป็นต่อการทำระบบ algorithmic trading system & robot แบบที่เราสามารถปล่อยมันทำมาหากินได้จริงๆ ทำกำไรได้ในหลายสินค้าและหลายตลาดพร้อมๆ กัน
เพราะต่อให้คุณเทรดเก่งแค่ไหน วิเคราะห์เก่งแค่ไหน ใช้ machine learning เก่งแค่ไหน เขียนโปรแกรมเก่งแค่ไหน คุณก็ไม่สามารถเก่งทุกอย่างและทำทุกอย่างได้ด้วยตัวคนเดียว
มาเรียนแล้วจะเข้าใจว่า การมี ecosystem ของระบบที่ครบครันและดีจะช่วยสนับสนุนการเทรดได้มากเพียงใด