1、缺乏理论认知和实践经验,分析工具选择难;
2、经常做基础重复的工作,依赖数据产出决策,以数据为导向;
3、自学数据分析知识,缺乏大型企业真实场景的实战经验;
▼
11月17日&量化交易入门:
用Python做股票指标分析和买卖时机选择
场景和工具:Pandas工具分解RSI指标
流程处理:业务场景分析建模和可视化
学习成果:使用RSI指标模型做买卖点搜索、交易回溯
实战项目:利用A股数据模型,制定投资策略
场景工具:用Tableau学习如何管理数据
流程处理: 利用业务拆解找到数据指标、进行数据可视化
学习成果:高效的对数据驱动型业务作出精准决策
实战案例:利用可视化工具构建旅游客流量趋势地图
场景工具:利用pandas工具分解KDJ指标构成
流程处理: 交易数据爬取,业务场景分析建模和可视化
分析结果:用KDJ指标模型对比特币行情买卖点搜索&交易回溯
实战项目:掌握根据数据指数和分析工具寻找虚拟货币买卖原理
若扫码人数过多,显示频繁
请稍后再扫码添加~
实战项目讲解
打破传统思维 知识化繁为简 巩固技能
理论实操结合 在线有奖答题
左右滑动查看更多
(更多精彩内容 等你解锁)
如果在学习过程中遇到问题,不用怕
<专属社群,实时答疑>
面对知识点 边学边练