Kurzusleírás

A kereskedés és bérletkezelés mesterséges intelligenciájának helyzete

  • Az algoritmus-alapú és mesterséges intelligencia alapú kereskedelmi trendek
  • A kvantitatív pénzügyi munkafolyamatok áttekintése
  • Az alapvető eszközök, platformok és adatforrások

A Pythonban való pénzügyi adatkezelés

  • Idősoros adatok kezelése a Pandas használatával
  • Adatfeldolgozás, átalakítás és jellemzők kinyerése
  • Pénzügyi mutatók és jelzések készítése

Felügyelt tanulás a kereskedelmi jelzésekhez

  • Regressziós és osztályozó modellek piaci előrejelzésre
  • Előrejelező modellek értékelése (pl. pontosság, precizitás, Sharpe arány)
  • Esetenkénti tanulmány: egy mesterséges intelligencia-alapú jelzégenerátor készítése

Felügyelet nélküli tanulás és piaci állapotok

  • Klaszterezés a volatilitási állapotokhoz
  • Dimenzió csökkentése mintázatok felfedésére
  • Alkalmazások a csoportos kereskedésben és a kockázatcsoportokban

Portfolióoptimalizálás mesterséges intelligencia-megoldásokkal

  • A Markowitz modell és korlátai
  • Kockázategyenlőség, Black-Litterman és mesterséges intelligencia-alapú optimalizálás
  • Dinamikus újraprosztarna való előrejelező bemenetekkel

Visszatekintés és stratégiák értékelése

  • A Backtrader vagy egyéni keretrendszerek használata
  • Kockázat-alkalmazott teljesítménymutatók
  • Az overdopplázás és a look-ahead bias elkerülése

Mesterséges intelligencia modell végrehajtása élő kereskedésben

  • Integráció kereskedelmi API-kkal és végrehajtási platformokkal
  • Modell figyelése és újratanítási ciklusok
  • Etika, szabályozás és operatív szempontok

Összefoglalás és következő lépések

Követelmények

  • Alapvető statisztika és pénzügyi piacok ismerete
  • Python programozási tapasztalat
  • Idősoros adatok ismerete

Célcsoport

  • Kvantitatív analitikusok
  • Kereskedelmi szakemberek
  • Portfoliókezelők
 21 órák

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák