Market Data for Quant (ATA Certification Program)

Market Data for Quant
ดึง ตรวจ และเก็บข้อมูลตลาด

วิชานี้อยู่ในหลักสูตร Algorithmic Trading in Action (ATA) Certification Program — Quant Series
ของ GroundUp Academy เรียนแบบ Video on Demand ดูย้อนหลังได้ตลอด
สอนโดย คุณที รณวัฒน์

ข้อมูลที่ผิดหรือถูกปรับมาโดยไม่รู้ตัว ทำให้ backtest ผิดตั้งแต่ก่อนเริ่มเขียนกลยุทธ์
วิชานี้สอนให้ดึงข้อมูลจากแหล่งสาธารณะ ตรวจว่าข้อมูลถูกปรับอะไรมาบ้าง
และเก็บข้อมูลชุดเดียวกันด้วยรูปแบบไฟล์และฐานข้อมูลที่เหมาะกับงาน
ทุกแหล่งในคอร์สใช้ได้ฟรี และรันได้โดยไม่ต้องมี API key
เรียนผ่าน Google Colab โดย notebook รันต่อเนื่องจากบนลงล่างในไฟล์เดียว

เมื่อเรียนจบวิชานี้ คุณจะ
• ดึงข้อมูลราคา ข้อมูล factor และข้อมูล macro จากหลายแหล่งด้วย Python
• แยกความต่างของ Close กับ Adj Close และรู้ว่าข้อมูลแต่ละแหล่งถูกปรับ split ปันผล หน่วย หรือฤดูกาลมาแล้วหรือไม่
• ใช้ข้อมูล point-in-time และเลื่อนวันใช้สัญญาณตามวันเผยแพร่จริง เพื่อเลี่ยง look-ahead bias
• ตรวจความถูกต้องของข้อมูลด้วยการดึงตัวเดียวกันจากสองแหล่งมาเทียบกัน
• เลือกรูปแบบไฟล์ (CSV, JSON, HDF5, Parquet) และฐานข้อมูล (SQLite, PostgreSQL) ที่เหมาะกับงาน โดยวัดผลจากชุดข้อมูลเดียวกัน

เนื้อหา 6 clip
Clip 1: Price & Factor Data
• yfinance: ดึงหลายตัวในคำสั่งเดียว Close เทียบกับ Adj Close
• ข้อจำกัดของข้อมูล intraday และการตรวจว่าดึงข้อมูลได้จริง
• Fama-French factors: หน่วยข้อมูลและวันสุดท้ายของข้อมูลที่ต้องตรวจก่อน join
• factor regression ของหุ้นรายตัว

Clip 2: Macro Data
• FRED ทั้งแบบมีและไม่มี API key
• การจัดความถี่ข้อมูลที่ต่างกันก่อนใช้ร่วมกัน
• Point-in-time ด้วย ALFRED และผลของ revision ต่อ backtest
• OpenBB: เปลี่ยนแหล่งข้อมูลด้วย provider, OECD Composite Leading Indicator, เทียบ CPI จากสามแหล่ง

Clip 3: Crypto Data
• ข้อมูล on-chain จาก CoinMetrics และ mempool.space
• การดึงข้อมูลที่ API แบ่งเป็นหน้า และการเรียงลำดับเวลา
• การแปลงหน่วย hash rate เพื่อเทียบสองแหล่ง
• realized volatility และ funding rate

Clip 4: OpenBB: Regulatory Data
• การห่อ provider ด้วย try เมื่อบางแหล่งล่ม
• SEC EDGAR: 13F และรายการ filings
• FINRA short interest และ days to cover
• CFTC Commitments of Traders
• lag ระหว่างวันของข้อมูลกับวันเผยแพร่ของแต่ละแหล่ง

Clip 5: File Storage
• เทียบ CSV, JSON, HDF5 และ Parquet: เวลาเขียน อ่าน query และขนาดไฟล์
• PyTables: group, attribute, read_where
• เลือกรูปแบบไฟล์ตามงาน

Clip 6: Database Storage
• SQLite: primary key และ upsert
• PostgreSQL: COPY และ JSONB
• ความต่างด้านชนิดข้อมูลของสองฐาน
• รัน query เดียวกันบนสองฐาน และเลือกว่าจะใช้ฐานไหน

แหล่งข้อมูลที่ใช้: yfinance, Ken French Data Library, FRED/ALFRED, OECD, BLS, CoinMetrics, mempool.space, SEC, FINRA, CFTC

ใบรับรอง
ผู้เรียนที่เรียนครบทุกวิชาในหลักสูตรและส่งโปรเจกต์ backtest ระบบเทรด 1 ระบบ
จะได้รับใบรับรองจาก GroundUp Academy