Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
AI a kereskedési és vagyonkezelési környezetben
- Algoritmikus és AI-alapú kereskedési trendek
- A kvantitatív pénzügyi munkafolyamatok áttekintése
- Kulcsfontosságú eszközök, platformok és adatforrások
Pénzügyi adatok kezelése Pythonban
- Idősor-adatok kezelése Pandas segítségével
- Adattisztítás, átalakítás és jellemzőtervezés
- Pénzügyi indikátorok és jelépítés
Felügyelt tanulás kereskedési jelekhez
- Regressziós és osztályozási modellek piaci előrejelzéshez
- Prediktív modellek értékelése (pl. pontosság, precizitás, Sharpe-mutató)
- Esettanulmány: ML-alapú jelgenerátor építése
Felügyelet nélküli tanulás és piaci rezsimek
- Klaszterezés volatilitási rezsimekhez
- Dimenziócsökkentés mintázatfelismeréshez
- Alkalmazások kosárkereskedésben és kockázati csoportosításban
Portfólióoptimalizálás AI-technikákkal
- A Markowitz-keretrendszer és korlátai
- Kockázati paritás, Black-Litterman és ML-alapú optimalizálás
- Dinamikus újrasúlyozás prediktív bemenetekkel
Visszatesztelés és stratégiaértékelés
- Backtrader vagy egyedi keretrendszerek használata
- Kockázattal korrigált teljesítménymutatók
- Túlillesztés és előretekintési torzítás elkerülése
AI-modellek bevezetése élő kereskedésben
- Integráció kereskedési API-kkal és végrehajtási platformokkal
- Modellfigyelés és újratanítási ciklusok
- Etikai, szabályozási és működési megfontolások
Összefoglalás és következő lépések
Követelmények
- Alapvető statisztikai ismeretek és a pénzügyi piacok megértése
- Python programozási tapasztalat
- Idősor-adatok ismerete
Célközönség
- Kvantitatív elemzők
- Kereskedési szakemberek
- Portfóliómenedzserek
21 Órák
Vélemények (1)
már van néhány jelentésem, amit ismerek, a ma áttekintett felszólítások közül fogok néhányat használni
Kelly Cotham
Kurzus - Copilot for Finance and Accounting Professionals
Gépi fordítás
