#مسیر_یادگیری
#قسمت_اول

اگه بخوام با توجه به مسیری که در طول چند سال گذشته در دنیای کوانت ها و اونهایی که با مدل های ریاضی و ماشین لرنینگ سعی در پیش بینی بازارهای مالی و مسایل اقتصادی دارن، نقشه راهی به دوستان تازه کار پیشنهاد بدم، اون نقشه این طوری خواهد بود:

📎 اگه رشته تون مثل من ربطی به مالی و اقتصاد و بازار نداره، حتما شروع کنید به یادگیری در خصوص دینامیک بازار و اقتصاد. شما تا سیستمی رو نشناسید حتی اگه بتونید مدل های خوبی بسازید، چون ورودی خراب یا خیلی نویزی به مدل میدید، نمیتونید انتظار گرفتن خروجی خوبی رو داشته باشید. اصطلاحا به این مورد میگن Bussiness Knowledge که باید کسب کنید. ایده هایی که شما در آینده به کار خواهید بست بخش بزرگی اش از اینجا میاد. پس دست کم نگیریدش! این مورد، همیشه باید یه درصدی تو پورتفوی فعالیت های شما داشته باشه و هیچ وقت صفر نباشه.

📎 یه زبان برنامه نویسی یاد بگیرید. پیشنهاد من پایتونه به هزاران دلیل که میتونید بگردید و بخونید و آمارها رو ببینید و ... پایتون یه هسته اصلی داره و یه سری ماژول یا لایبرری. هسته اصلی پایتون چیزی هست که همه زبان های برنامه نویسی دارند اما ماژول های پایتون یه سری توابع و امکانات به شما میدن که میتونید کدهاتون رو راحت تر و سریع تر بنویسید. اینجا منظور من اینه که خود پایتون و ماژول های با کاربرد عمومی تر اش مثل pandas، numpy، matplotlib و ... رو یاد بگیرید. با اینا شما میتونید مثلا یه فایل اکسل بخونید نمودار رسم کنید، چه میدونم اندیکاتور و فرمول های مالی رو پیاده کنید و ...

📎 کم کم وقت یادگرفتن ماشین لرنینگ هست. کتابها و مراجعی که برای یادگیری ماشین لرنینگ در زمینه مالی هست برای شروع سنگین اند (حداقل برای من که اینطوری بود) بهتره برید سراغ یه مرجعی که یه تعادل خوبی بین بخش برنامه نویسی روش ها و آموزش مفاهیم و اندکی ریاضیات پشت مدل (نه اونقدر که گیج بشید) داشته باشه. پیشنهادی که براتون دارم (با فرض اینکه مشکلی در زبان انگلیسی ندارید) استفاده از آموزش های IBM هست. دنبال
Deep Learning و
Reinforcement Learning
هم نباشید فعلا!

📎 حالا شما در مرحله ای هستید که میتونید شروع به استفاده از روش های ماشین لرنینگ در مسایل مالی و اقتصادی کنید. میتونید برای شروع همین کتابی که در کانال معرفی کردیم رو یه نگاهی بندازید. اگر مراحل قبل رو خوب طی کرده باشید، خوندن این کتاب (یا هر کتاب مشابه دیگه) مثل اینه که شما الان دارید مثال هایی از ماشین لرنینگ در مسایل مالی و اقتصادی و بازاری رو مرور میکنید. اینم یه مرحله هست که لازمه طی بشه. این کتاب رو میگم:
https://t.me/FinPy/175

📎 بعدش پیشنهاد میکنم کتاب های آقای Marcos Lopez Deprada رو بخونید و نکاتی که میگه رو تو مدل های قبلی تون و حتی پیش پردازش دیتایی که میخوایید استفاده کنید هم به کار ببندید. کتاب های ایشون رو ما نزاشتیم تو کانال چون به نظر ما یه کم پیشرفته هست و شروع از اونجا میتونه سرخورده بکنه آدم رو!

📎 بعدش اگه خواستید برید سراغ Deep Learning و Reinforcement Learning هر چند اگه همون روش های قبلی رو درست به کار ببرید به نظر من نیاز چندانی به اینها نخواهید داشت. ولی خوب بحث داغی هست این روزها این دو موضوع در دنیای مالی به ویژه Reinforcement Learning.

@FinPy