Kurzusleírás

MI a kereskedés és vagyonkezelés területén

  • Trendek az algoritmikus és MI-alapú kereskedésben
  • A kvantitatív pénzügyi munkafolyamatok áttekintése
  • Kulcsfontosságú eszközök, platformok és adatforrások

Pénzügyi adatok kezelése Pythonban

  • Idősorok kezelése Pandas segítségével
  • Adattisztítás, átalakítás és jellemzőképzés
  • Pénzügyi mutatók és jelkonstrukció

Felügyelt tanulás a kereskedési jelekhez

  • Regressziós és osztályozási modellek piaci előrejelzéshez
  • Prediktív modellek értékelése (pl. pontosság, precízió, Sharpe-arány)
  • Esettanulmány: MI-alapú jelgenerátor építése

Nem felügyelt tanulás és piaci rezsimek

  • Klaszterezés a volatilitási rezsimekhez
  • Dimenziócsökkentés a mintafelismeréshez
  • Alkalmazások kosárkereskedésben és kockázatcsoportosításban

Portfólió-optimalizálás MI technikákkal

  • Markowitz-keretrendszer és korlátai
  • Kockázati paritás, Black-Litterman és MI-alapú optimalizálás
  • Dinamikus újraegyensúlyozás prediktív bemenetekkel

Visszatesztelés és stratégiaértékelés

  • Backtrader vagy egyéni keretrendszerek használata
  • Kockázatkorrigált teljesítménymutatók
  • Túlillesztés és előretekintési torzítás elkerülése

MI modellek üzembe helyezése élő kereskedésben

  • Integráció kereskedési API-kkal és végrehajtó platformokkal
  • Modellek monitorozása és újratanítási ciklusok
  • Etikai, szabályozási és üzemeltetési szempontok

Összefoglalás és következő lépések

Követelmények

  • Alapvető statisztikai és pénzügyi piaci ismeretek
  • Tapasztalat Python programozásban
  • Ismeret az idősorokkal kapcsolatban

Célközönség

  • Kvantitatív elemzők
  • Kereskedelmi szakemberek
  • Portfóliómenedzserek
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák