Anomaly in Capital Markets with Python
Buy now
Learn more
Introduction v.2025
Course Outline
Install Anaconda
Disclaimer
Anomaly in Capital Market.7z
Intro to Python (Optinonal)
01 ตัวแปร
02 บูลีน
03 ตัวดำเนินการทางคณิตศาสตร์
04 ลำดับความสำคัญ
05 การเปรียบเทียบ
06 List ลิสต์
07 Tuple
08 String ข้อมูลตัวหนังสือ
09 Slicing เข้าถึงข้อมูลแบลำดับ
10 ฟังก์ชั่นคืออะไร และ ลองใช้Bulilt-in Function
11 ฟังก์ชั่นจาก Library
12 ฟังก์ชั่นรีเทิร์น
13 สร้างฟังก์ชั่นเอง การรีเทิร์นค่า และไม่รีเทิร์นค่า
14 อินพุตและเอาท์พุตของฟังก์ชั่น
15 ตัวแปร Global และ ตัวแปร Local
16 อินพุตที่เป็นค่า Default ของฟังก์ชั่น
17 **kwargs คืออะไร
18 IF จริงๆแล้ว IF ทำงานอย่างไรกันแน่?
19 IF ELSE: ถ้าใช่ทำอะไร? ถ้าไม่ใช่ทำอะไร? ว่าด้วยการ Random ตัวเลข
20 IF ELIF: ถ้าไม่ใช่นี่ แล้วมันจะเป็นนั่นรึเปล่า?
21 Multiple Condition: ถ้ามันใช่สิ่งนี้แล้วใช่สิ่งนั้นด้วยไหมล่ะ?
22 Single Line If: เขียนให้มันสั้นๆ
23 For: ทำงานวนซ้ำๆ ทำกันอย่างไร
24 For: มาทอยเหรียญหัวก้อยกันหน่อย
25 Single Line For: เขียนวนลูปแบบสั้นๆ
26 Single Line For: ทอยเหรียญแบบสั้นๆ และ การใช้งาน Random.Choice
27 Continue และ Break: ไปทำงานต่อไป และ หยุดทำมันไปเลยเถอะ
28 ตัวอย่าง Continue และ Break: รักหมารักแมวแต่กลัวก๊อตซิลล่า
29 Enumerate: วนลูปและดึงข้อมูลและอินเด็กซ์ออกมาด้วยกันเลย
30 Zip: ไม่ใช่โปรแกรมบีบอัดข้อมูล!
31 While: ถ้ามันยังเป็นจริงก็ทำซ้ำต่อไปเรื่อยๆ
32 Try Except: จัดการกับ Error ที่มันเกิดขึ้นกันหน่อย
33 Raise Exception: ผิดพลาดอะไรก็บอกเขาหน่อย
34 Print: แสดงผลตัวหนังสือ
35 Line Plot: เบสิคของการพล๊อตรูปเส้น
36 Title Label: ตั้งชื่อให้รูปภาพ แกนต่างๆ และขนาดตัวหนังสือ
37 Scatter Plot: เบสิคของการพล๊อตวัดการกระจายตัวของข้อมูล
38 Size Color: ปรับแต่งขนาดและสีของจุดการกระจายตัว
39 Style: พล๊อตรูปอย่างมีสไตล์
40 Histogram: ดูการแจกแจงของข้อมูลด้วยฮิสโตแกรม
41 Text and Arrow: แปะคำเขียนในรูป และ ใส่ลูกศรชี้ตำแหน่ง
42 Subplot: พล๊อตมากกว่า 1 รูปในรูปเดียว?
43 สร้าง Function เล่นพนัน
44 Simulation คาสิโน
45 Monte Carlo Simulation ประเมินโอกาสชนะพนันด้วย Monte Carlo
01 Pandas: brief intro
01 Series คืออะไร
02 Dataframe
03 Acessing Dataframe
04 loc และ iloc
05 เลือกช่วงแถว
06 เลือกแถวและคอลัมน์
07 ตรวจสอบข้อมูลเบื้องต้นด้วย .info() .describe()
08 อ่านไฟล์ csv
09 Datetime Index
10 Timedelta
11 Condition
12 NA อยู่ไหน
13 Filling NA
14 Rolling
15 GBM
16 Outlier
02 Market Efficiency: Simulation และ Autocorrelation
01 ดึงข้อมูลหุ้น
02 เลือก Timeframe
03 Martingale Simulation การทอยเหรียญ
04 Simple RandomWalk ส่วนต่อขยายจากการทอยเหรียญ
05 ใช้ Logarithm มาช่วย Simulation Random Walk
06 เปรียบเทียบการ Simulation แต่ละแบบกับข้อมูลจริง
07 Autoregressive Model
08 สร้าง White Noise
09 Random Walk กับ AR model
10 AR Model กับข้อมูลจริง
11 Correlation และ Autocorrelation Function(ACF)
12 AR(N) และ ACF
13 ACF บนข้อมูลจริง
14 ทดลอง ACF ตามเปเปอร์ Eugene Fama (1965)
03 Market Efficiency: Distribution
01 ดูการแจกแจงว่าปรกติหรือไม่ด้วย Quantile to Quantile Plot
02 ทดสอบการแจกแจงด้วย Shapiro-Wilk Test
03 Probability Density Functions (PDFs) และ Cumulative Distribution Functions (CDFs)
04 Kolmogorov Smirnov test
05 Kolmogorov Smirnov test กับข้อมูลจริง
04 Market Efficiency: Run Test
01 วิเคราะห์การ Run
02 ทดการสุ่มด้วย Run test บนข้อมูลจำลอง
03 ทดสอบ Run test กับข้อมูลจริง
04(Optional)เขียน Run Test เองเพื่อความเข้าใจ
05 Seasonality Effect
01 สร้างหุ้นจำลองแบบมีฤดูกาล
02 ก้าวแรกของการทำนายด้วย Naive Forecast
03 Day of Week
04 ทดสอบสมมุติฐานทางสถิติ กับ Day of Week
05 Analysis of Variance (ANOVA)
06 January Barometer
07 Binomial Test กับ January
08 January Effect
09 การทดสอบทางสถิติ T-test
10 Sell in May and Go Away
11 Money Flow
06 Seasonality Events
01 Election Effect ในตลาดหุ้น
02 Elction Effect (ต่อ)
03 หา Effect ของ Events อื่นๆ
07 Statistical Test (Optional)
01 ทดสอบสมมุติฐานอย่างง่าย คน vs ลิง
02 T-test One-Sample
03 T-Test Two Sample
04 t-test on real data
08 Mustafa's "Stock market seasonality International Evidence 1983"
01 ภาพรวมเปเปอร์
02 ข้อมูลจำลอง
03 ทดสอบสมมุติฐานโดยไม่อาศัยการแจกแจงปรกติ Kruskal Wallis test
04 ข้อมูลที่ไม่แจงแจงปรกติและมี Outlier
05 ลองโค้ด Kruskal Wallis test ด้วยตัวเอง
06 จำลองข้อมูลตามเปเปอร์ของ Mustafa (1983)
07 ทำตามเปเปอร์บนข้อมูลจริง
08 Posthoc Analysis
09 Bouman's Sell in May and go away
01 ภาพรวมเปเปอร์และการคำนวณโอกาสการเกิด
02 อะไรคือ Regression
03 โค้ด Regression
04 ข้อมูลจริงและการสร้างตัวแปร Dummy
05 ทดสอบหลายตลาด
06 กลยุทธ์ลงทุนจากเปเปอร์
10 Liquidity Effect
01 เลือก Sample แบบ Random เพื่อใช้ทดสอบ
02 ดึงและกรองข้อมูล
03 คำนวณผลตอบแทนและความผันผวนแบบกลุ่ม
04 วิเคราะห์ผลตอบแทนตามสภาพคล่อง
05 ดึงข้อมูล MarketCap
06 จัดกลุ่มหุ้นตาม MarketCap
07 วิเคราะห์กลุ่ม Decile 1-10
11 Valuation Effect
01 Valuation Effect
02 Exploratory data analysis ของข้อมูลงบการเงิน
03 Exploratory data analysis ของข้อมูลงบการเงิน (ต่อ)
04 แสดงผล
05 จัดข้อมูลสำหรับสิ้นเดือนมีนาคมเพื่อเปรียบเทียบ
06 คำนวณ PE
07 คำนวณกลุ่มหุ้นตามมูลค่าและขนาดบริษัทบนข้อมูลจริง
08 คำนวณและแสดงผลตามมูลค่า
09 คำนวณและแสดงผลตามมูลค่าและขนาด
10 ดูผลลัพธ์รายปี
11 ดูผลลัพธ์รายปี (ต่อ)
12 Hurst Exponent
01 สร้าง Time Series แบบ Geometric Brownian motion, Trend, Mean Reversion
02 ทดสอบว่า Time Sries นั้นมีคุณสมบัติแบบไหน
03 Running Hurst
13 Simplest Backtest
01 สร้าง Indicator
02 กำหนดเงื่อนไขด้วย Loop
03 กดหนดเงื่อนไขด้วย Vectorize และ Pandas
04 Simulation
05 แสดงผลสัญญาณ
06 Assumption ของการคำนวณกำไร
07 Backtest โดยการเก็บจุดเข้าซื้อ
08 Long Short
14 Alexander Filter
01 Filter Rule
02 Backtest
03 In-Out of Sample
04 Optimization
05 ผลลัพธ์
06 Stop Long และ Stop Short
15 Time Series Momentum
01 Break out overview
02 Breakout Strategy
03 แสดงผลสัญญาญ
04 เลือกหุ้นและคำนวณ Returns
05 เราจะทำอะไรกัน
06 สร้างกลยุทธ์และจัดแบ่งน้ำหนักสำหรับหุ้นแต่ละรอบ
07 ผลลัพธ์
08 (Optional) โอกาสของการจัดหุ้น T ตัวจาก Universe N ตัว
09(Optional) เลือกชุดหุ้นที่ใช้ Test แบบ Random
10 (Optional) Optimize พารามิเตอร์แบบธรรมดา
11 (Optional) ปรับวันเริ่มทดสอบ
12 (Optional) ผลลัพธ์ heatmap และ Normalization
16 The Moving Average ว่าด้วยค่าเฉลี่ย
01 Simple Moving Average(SMA) ง่ายสุด เจอบ่อยสุด
02 Exponential Moving Average(EMA) ค่าเฉลี่ยที่เร็วขึ้น อะไรทำให้มันเร็ว
03 Double Exponential Moving Average(DEMA) ใช้ EMA 2 ตัวแล้วมันขจัด Lag ได้ยังไง
04 Volume Adjusted Moving Average (VAMA) ให้ความสำคัญกับวันที่โวลุ่มมากๆ
05 สร้างฟังก์ชั่นเพื่อเปรี่ยบเทียบ
06 สร้างฟังก์ชั่นเพื่อเปรี่ยบเทียบ(ต่อ)
07 Kaufman's Adaptive Moving Average (KAMA) เร็วหรือช้า เปลี่ยนหรือไม่เปลี่ยน ขึ้นกับความมีประสิทธิภาพของตลาด
08 Kaufman's Adaptive Moving Average (KAMA) คำนวณต่อ และ ทดสอบว่ามันใช้งานได้ดีในสถานการณ์ไหน
09 Least Squares Moving Average (LSMA) มันคืออะไร ใช้ OLS มาทำนายหรือ?
10 Least Squares Moving Average (LSMA) ดูผล
17 Cross Sectional Momentum
01 Cross Sectional Momentum คืออะไร
02 สร้าง Portfolio
03 ทำ Backtest
04 เลือกเฉพาะผู้ชนะเข้าพอร์ต
05 ปรับน้่ำหนัก
06 Cross-sectional Momentum บนข้อมูลทั้ง S&P500
18 Trend Following with Sentimental Data
01 ตัวอย่างข้อมูล Sentiment ดิบเกี่ยวกับหุ้น
02 ข้อมูล Sentiment ที่ผ่านการโปรเสจมาแล้ว
03 Merge ข้อมูลลงทุนกับข้อมูล Sentiment
04 (Optional) library ที่ใช้และ tweets
05 (Optional) Stopwords และLexicon Opinion
06 (Optional) ทำความสะอาดข้อมูล Text
07 (Optional) คำนวณ Sentiment ของ Tweets
08 (Optional) คำนวณกับข้อมูลทุกตัว
09 สร้าง Random Feature เพื่อดูว่า Feature ที่ไม่มี Alpha หน้าตาเป็นอย่างไร
10 ใช้ Ordinary least squares (OLS) วัดความมีอิทธิผลต่อ Return ของ Feature
11 Ordinary least squares (OLS) วัดผลเคสอื่นๆบนข้อมูลจริง
12 Trend Following บนข้อมูล Sentiment
13 Simulation
19 Alternative Data: Football
01 ว่าด้วยข้อมูลฟุตบอล
02 วันแข่งมี Momentum ไหม
03 ชนะ แพ้ หรือ เสมอ มีความแตกต่างกันไหม
04 Long/Short หุ้นด้วยผลบอลกันดีกว่า
20 Mean Reversion
01 Mean Reversion เบื้องต้น
02 Basic Mean Reversion Backtest
03 Relative Strength Index (RSI) คืออะไร คำนวณยังไง
04 Relative Strength Index (RSI): Backtest
05 Normal Distribution กับการครอบคลุมข้อมูล
06 ทำความเข้าใจ Bollinger Band®
07 Bollinger Band® Backtest
21 Pair Trading Basic
01 อะไรคือ Pairs Trading
02 Stationarity คืออะไร
03 ทดสอบความเป็น Stationary
04 เดา Beta ของหุ้นจำลองสองตัว
05 Ordinary least squares (OLS) แบบไม่มี Constant
06 Ordinary least squares (OLS) แบบมี Constant
07 Ordinary least squares (OLS) บนข้อมูลจริง
08 Order of Integration คืออะไร จะรู้ได้ยังไงว่าข้อมูลเราอยู่ใน Order ไหน (เกี่ยวข้องกับ Stationary)
09 Order of Integration บนข้อมูลจำลอง
10 Order of Integration บนข้อมูลจริง
22 Pair Trading Backtest
01 เลือก Pairs
02 Backtest Pair Trading แบบ Basic
23 VectorBT - Introduction
01 ดึงข้อมูลด้วย VectorBT
02 การใช้งาน VectorBT เบื้องต้น
03 VectorBT มีปัญหา Lookahead Bias หรือไม่ และ Long Short Portfolio
04 ทดสอบเทรนข้อมูลด้วย Moving Hurst
05 สร้างกลยุทธ์ Movign Average แบบ Manual
06 สร้างกลยุทธ์ Movign Average ด้วย Built-in Functions ของ VectorBT
07 เช็คว่ากลยุทธ์ Crossver มันทำงานถูกต้องหรือไม่
08 สร้างกลยุทธ์ Moving Average Crossover แบบ Manual
09 สร้างกลยุทธ์ Moving Average Crossover ด้วย VectorBT Built-in Fuction
10 ทดสอบกลยุทธ์แบบ Multiple Assets
11 ทดสอบแบบ multiple กลยุทธ์
12 สร้างการรายงานผลแบบ Custom
24 VectorBT - Optimization
01 1 Parameter Optimization Moving Average
02 2 Parameters Optimization Moving average convergencedivergence (MACD)
03 Split หุ้นหลายๆช่วงเวลามาทดสอบและสรุปผล
04 Stoploss และ Take Profit
05 Slippage และ Fees
06 Splitime
25 VectorBT - Custom Strategy
01 สร้างกลยุทธแบบ Custom แบบ Manual
02 Optimization แบบ Manual
03 สร้าง Custom Strategy และให้ Inherite ความสามารถของ Funcion ของ VectorBT
04 Backtest VectorBT Custom Strategy
05 Backtest VectorBT Custom Strategy ทดสอบแบบ Multiple Assets
06 Optimize จุด Stoploss และ จุด Take Profit
Products
Course
Section
Lesson
03 T-Test Two Sample
03 T-Test Two Sample
Anomaly in Capital Markets with Python
Buy now
Learn more
Introduction v.2025
Course Outline
Install Anaconda
Disclaimer
Anomaly in Capital Market.7z
Intro to Python (Optinonal)
01 ตัวแปร
02 บูลีน
03 ตัวดำเนินการทางคณิตศาสตร์
04 ลำดับความสำคัญ
05 การเปรียบเทียบ
06 List ลิสต์
07 Tuple
08 String ข้อมูลตัวหนังสือ
09 Slicing เข้าถึงข้อมูลแบลำดับ
10 ฟังก์ชั่นคืออะไร และ ลองใช้Bulilt-in Function
11 ฟังก์ชั่นจาก Library
12 ฟังก์ชั่นรีเทิร์น
13 สร้างฟังก์ชั่นเอง การรีเทิร์นค่า และไม่รีเทิร์นค่า
14 อินพุตและเอาท์พุตของฟังก์ชั่น
15 ตัวแปร Global และ ตัวแปร Local
16 อินพุตที่เป็นค่า Default ของฟังก์ชั่น
17 **kwargs คืออะไร
18 IF จริงๆแล้ว IF ทำงานอย่างไรกันแน่?
19 IF ELSE: ถ้าใช่ทำอะไร? ถ้าไม่ใช่ทำอะไร? ว่าด้วยการ Random ตัวเลข
20 IF ELIF: ถ้าไม่ใช่นี่ แล้วมันจะเป็นนั่นรึเปล่า?
21 Multiple Condition: ถ้ามันใช่สิ่งนี้แล้วใช่สิ่งนั้นด้วยไหมล่ะ?
22 Single Line If: เขียนให้มันสั้นๆ
23 For: ทำงานวนซ้ำๆ ทำกันอย่างไร
24 For: มาทอยเหรียญหัวก้อยกันหน่อย
25 Single Line For: เขียนวนลูปแบบสั้นๆ
26 Single Line For: ทอยเหรียญแบบสั้นๆ และ การใช้งาน Random.Choice
27 Continue และ Break: ไปทำงานต่อไป และ หยุดทำมันไปเลยเถอะ
28 ตัวอย่าง Continue และ Break: รักหมารักแมวแต่กลัวก๊อตซิลล่า
29 Enumerate: วนลูปและดึงข้อมูลและอินเด็กซ์ออกมาด้วยกันเลย
30 Zip: ไม่ใช่โปรแกรมบีบอัดข้อมูล!
31 While: ถ้ามันยังเป็นจริงก็ทำซ้ำต่อไปเรื่อยๆ
32 Try Except: จัดการกับ Error ที่มันเกิดขึ้นกันหน่อย
33 Raise Exception: ผิดพลาดอะไรก็บอกเขาหน่อย
34 Print: แสดงผลตัวหนังสือ
35 Line Plot: เบสิคของการพล๊อตรูปเส้น
36 Title Label: ตั้งชื่อให้รูปภาพ แกนต่างๆ และขนาดตัวหนังสือ
37 Scatter Plot: เบสิคของการพล๊อตวัดการกระจายตัวของข้อมูล
38 Size Color: ปรับแต่งขนาดและสีของจุดการกระจายตัว
39 Style: พล๊อตรูปอย่างมีสไตล์
40 Histogram: ดูการแจกแจงของข้อมูลด้วยฮิสโตแกรม
41 Text and Arrow: แปะคำเขียนในรูป และ ใส่ลูกศรชี้ตำแหน่ง
42 Subplot: พล๊อตมากกว่า 1 รูปในรูปเดียว?
43 สร้าง Function เล่นพนัน
44 Simulation คาสิโน
45 Monte Carlo Simulation ประเมินโอกาสชนะพนันด้วย Monte Carlo
01 Pandas: brief intro
01 Series คืออะไร
02 Dataframe
03 Acessing Dataframe
04 loc และ iloc
05 เลือกช่วงแถว
06 เลือกแถวและคอลัมน์
07 ตรวจสอบข้อมูลเบื้องต้นด้วย .info() .describe()
08 อ่านไฟล์ csv
09 Datetime Index
10 Timedelta
11 Condition
12 NA อยู่ไหน
13 Filling NA
14 Rolling
15 GBM
16 Outlier
02 Market Efficiency: Simulation และ Autocorrelation
01 ดึงข้อมูลหุ้น
02 เลือก Timeframe
03 Martingale Simulation การทอยเหรียญ
04 Simple RandomWalk ส่วนต่อขยายจากการทอยเหรียญ
05 ใช้ Logarithm มาช่วย Simulation Random Walk
06 เปรียบเทียบการ Simulation แต่ละแบบกับข้อมูลจริง
07 Autoregressive Model
08 สร้าง White Noise
09 Random Walk กับ AR model
10 AR Model กับข้อมูลจริง
11 Correlation และ Autocorrelation Function(ACF)
12 AR(N) และ ACF
13 ACF บนข้อมูลจริง
14 ทดลอง ACF ตามเปเปอร์ Eugene Fama (1965)
03 Market Efficiency: Distribution
01 ดูการแจกแจงว่าปรกติหรือไม่ด้วย Quantile to Quantile Plot
02 ทดสอบการแจกแจงด้วย Shapiro-Wilk Test
03 Probability Density Functions (PDFs) และ Cumulative Distribution Functions (CDFs)
04 Kolmogorov Smirnov test
05 Kolmogorov Smirnov test กับข้อมูลจริง
04 Market Efficiency: Run Test
01 วิเคราะห์การ Run
02 ทดการสุ่มด้วย Run test บนข้อมูลจำลอง
03 ทดสอบ Run test กับข้อมูลจริง
04(Optional)เขียน Run Test เองเพื่อความเข้าใจ
05 Seasonality Effect
01 สร้างหุ้นจำลองแบบมีฤดูกาล
02 ก้าวแรกของการทำนายด้วย Naive Forecast
03 Day of Week
04 ทดสอบสมมุติฐานทางสถิติ กับ Day of Week
05 Analysis of Variance (ANOVA)
06 January Barometer
07 Binomial Test กับ January
08 January Effect
09 การทดสอบทางสถิติ T-test
10 Sell in May and Go Away
11 Money Flow
06 Seasonality Events
01 Election Effect ในตลาดหุ้น
02 Elction Effect (ต่อ)
03 หา Effect ของ Events อื่นๆ
07 Statistical Test (Optional)
01 ทดสอบสมมุติฐานอย่างง่าย คน vs ลิง
02 T-test One-Sample
03 T-Test Two Sample
04 t-test on real data
08 Mustafa's "Stock market seasonality International Evidence 1983"
01 ภาพรวมเปเปอร์
02 ข้อมูลจำลอง
03 ทดสอบสมมุติฐานโดยไม่อาศัยการแจกแจงปรกติ Kruskal Wallis test
04 ข้อมูลที่ไม่แจงแจงปรกติและมี Outlier
05 ลองโค้ด Kruskal Wallis test ด้วยตัวเอง
06 จำลองข้อมูลตามเปเปอร์ของ Mustafa (1983)
07 ทำตามเปเปอร์บนข้อมูลจริง
08 Posthoc Analysis
09 Bouman's Sell in May and go away
01 ภาพรวมเปเปอร์และการคำนวณโอกาสการเกิด
02 อะไรคือ Regression
03 โค้ด Regression
04 ข้อมูลจริงและการสร้างตัวแปร Dummy
05 ทดสอบหลายตลาด
06 กลยุทธ์ลงทุนจากเปเปอร์
10 Liquidity Effect
01 เลือก Sample แบบ Random เพื่อใช้ทดสอบ
02 ดึงและกรองข้อมูล
03 คำนวณผลตอบแทนและความผันผวนแบบกลุ่ม
04 วิเคราะห์ผลตอบแทนตามสภาพคล่อง
05 ดึงข้อมูล MarketCap
06 จัดกลุ่มหุ้นตาม MarketCap
07 วิเคราะห์กลุ่ม Decile 1-10
11 Valuation Effect
01 Valuation Effect
02 Exploratory data analysis ของข้อมูลงบการเงิน
03 Exploratory data analysis ของข้อมูลงบการเงิน (ต่อ)
04 แสดงผล
05 จัดข้อมูลสำหรับสิ้นเดือนมีนาคมเพื่อเปรียบเทียบ
06 คำนวณ PE
07 คำนวณกลุ่มหุ้นตามมูลค่าและขนาดบริษัทบนข้อมูลจริง
08 คำนวณและแสดงผลตามมูลค่า
09 คำนวณและแสดงผลตามมูลค่าและขนาด
10 ดูผลลัพธ์รายปี
11 ดูผลลัพธ์รายปี (ต่อ)
12 Hurst Exponent
01 สร้าง Time Series แบบ Geometric Brownian motion, Trend, Mean Reversion
02 ทดสอบว่า Time Sries นั้นมีคุณสมบัติแบบไหน
03 Running Hurst
13 Simplest Backtest
01 สร้าง Indicator
02 กำหนดเงื่อนไขด้วย Loop
03 กดหนดเงื่อนไขด้วย Vectorize และ Pandas
04 Simulation
05 แสดงผลสัญญาณ
06 Assumption ของการคำนวณกำไร
07 Backtest โดยการเก็บจุดเข้าซื้อ
08 Long Short
14 Alexander Filter
01 Filter Rule
02 Backtest
03 In-Out of Sample
04 Optimization
05 ผลลัพธ์
06 Stop Long และ Stop Short
15 Time Series Momentum
01 Break out overview
02 Breakout Strategy
03 แสดงผลสัญญาญ
04 เลือกหุ้นและคำนวณ Returns
05 เราจะทำอะไรกัน
06 สร้างกลยุทธ์และจัดแบ่งน้ำหนักสำหรับหุ้นแต่ละรอบ
07 ผลลัพธ์
08 (Optional) โอกาสของการจัดหุ้น T ตัวจาก Universe N ตัว
09(Optional) เลือกชุดหุ้นที่ใช้ Test แบบ Random
10 (Optional) Optimize พารามิเตอร์แบบธรรมดา
11 (Optional) ปรับวันเริ่มทดสอบ
12 (Optional) ผลลัพธ์ heatmap และ Normalization
16 The Moving Average ว่าด้วยค่าเฉลี่ย
01 Simple Moving Average(SMA) ง่ายสุด เจอบ่อยสุด
02 Exponential Moving Average(EMA) ค่าเฉลี่ยที่เร็วขึ้น อะไรทำให้มันเร็ว
03 Double Exponential Moving Average(DEMA) ใช้ EMA 2 ตัวแล้วมันขจัด Lag ได้ยังไง
04 Volume Adjusted Moving Average (VAMA) ให้ความสำคัญกับวันที่โวลุ่มมากๆ
05 สร้างฟังก์ชั่นเพื่อเปรี่ยบเทียบ
06 สร้างฟังก์ชั่นเพื่อเปรี่ยบเทียบ(ต่อ)
07 Kaufman's Adaptive Moving Average (KAMA) เร็วหรือช้า เปลี่ยนหรือไม่เปลี่ยน ขึ้นกับความมีประสิทธิภาพของตลาด
08 Kaufman's Adaptive Moving Average (KAMA) คำนวณต่อ และ ทดสอบว่ามันใช้งานได้ดีในสถานการณ์ไหน
09 Least Squares Moving Average (LSMA) มันคืออะไร ใช้ OLS มาทำนายหรือ?
10 Least Squares Moving Average (LSMA) ดูผล
17 Cross Sectional Momentum
01 Cross Sectional Momentum คืออะไร
02 สร้าง Portfolio
03 ทำ Backtest
04 เลือกเฉพาะผู้ชนะเข้าพอร์ต
05 ปรับน้่ำหนัก
06 Cross-sectional Momentum บนข้อมูลทั้ง S&P500
18 Trend Following with Sentimental Data
01 ตัวอย่างข้อมูล Sentiment ดิบเกี่ยวกับหุ้น
02 ข้อมูล Sentiment ที่ผ่านการโปรเสจมาแล้ว
03 Merge ข้อมูลลงทุนกับข้อมูล Sentiment
04 (Optional) library ที่ใช้และ tweets
05 (Optional) Stopwords และLexicon Opinion
06 (Optional) ทำความสะอาดข้อมูล Text
07 (Optional) คำนวณ Sentiment ของ Tweets
08 (Optional) คำนวณกับข้อมูลทุกตัว
09 สร้าง Random Feature เพื่อดูว่า Feature ที่ไม่มี Alpha หน้าตาเป็นอย่างไร
10 ใช้ Ordinary least squares (OLS) วัดความมีอิทธิผลต่อ Return ของ Feature
11 Ordinary least squares (OLS) วัดผลเคสอื่นๆบนข้อมูลจริง
12 Trend Following บนข้อมูล Sentiment
13 Simulation
19 Alternative Data: Football
01 ว่าด้วยข้อมูลฟุตบอล
02 วันแข่งมี Momentum ไหม
03 ชนะ แพ้ หรือ เสมอ มีความแตกต่างกันไหม
04 Long/Short หุ้นด้วยผลบอลกันดีกว่า
20 Mean Reversion
01 Mean Reversion เบื้องต้น
02 Basic Mean Reversion Backtest
03 Relative Strength Index (RSI) คืออะไร คำนวณยังไง
04 Relative Strength Index (RSI): Backtest
05 Normal Distribution กับการครอบคลุมข้อมูล
06 ทำความเข้าใจ Bollinger Band®
07 Bollinger Band® Backtest
21 Pair Trading Basic
01 อะไรคือ Pairs Trading
02 Stationarity คืออะไร
03 ทดสอบความเป็น Stationary
04 เดา Beta ของหุ้นจำลองสองตัว
05 Ordinary least squares (OLS) แบบไม่มี Constant
06 Ordinary least squares (OLS) แบบมี Constant
07 Ordinary least squares (OLS) บนข้อมูลจริง
08 Order of Integration คืออะไร จะรู้ได้ยังไงว่าข้อมูลเราอยู่ใน Order ไหน (เกี่ยวข้องกับ Stationary)
09 Order of Integration บนข้อมูลจำลอง
10 Order of Integration บนข้อมูลจริง
22 Pair Trading Backtest
01 เลือก Pairs
02 Backtest Pair Trading แบบ Basic
23 VectorBT - Introduction
01 ดึงข้อมูลด้วย VectorBT
02 การใช้งาน VectorBT เบื้องต้น
03 VectorBT มีปัญหา Lookahead Bias หรือไม่ และ Long Short Portfolio
04 ทดสอบเทรนข้อมูลด้วย Moving Hurst
05 สร้างกลยุทธ์ Movign Average แบบ Manual
06 สร้างกลยุทธ์ Movign Average ด้วย Built-in Functions ของ VectorBT
07 เช็คว่ากลยุทธ์ Crossver มันทำงานถูกต้องหรือไม่
08 สร้างกลยุทธ์ Moving Average Crossover แบบ Manual
09 สร้างกลยุทธ์ Moving Average Crossover ด้วย VectorBT Built-in Fuction
10 ทดสอบกลยุทธ์แบบ Multiple Assets
11 ทดสอบแบบ multiple กลยุทธ์
12 สร้างการรายงานผลแบบ Custom
24 VectorBT - Optimization
01 1 Parameter Optimization Moving Average
02 2 Parameters Optimization Moving average convergencedivergence (MACD)
03 Split หุ้นหลายๆช่วงเวลามาทดสอบและสรุปผล
04 Stoploss และ Take Profit
05 Slippage และ Fees
06 Splitime
25 VectorBT - Custom Strategy
01 สร้างกลยุทธแบบ Custom แบบ Manual
02 Optimization แบบ Manual
03 สร้าง Custom Strategy และให้ Inherite ความสามารถของ Funcion ของ VectorBT
04 Backtest VectorBT Custom Strategy
05 Backtest VectorBT Custom Strategy ทดสอบแบบ Multiple Assets
06 Optimize จุด Stoploss และ จุด Take Profit
Lesson unavailable
Please
login to your account
or
buy the course
.