Kurzusleírás

Bevezetés az LLM-ekbe a pénzügyekben

  • Az AI és az LLM-ek szerepe a pénzügyi elemzésben
  • Az LLM-ek áttekintése és képességeik a szövegelemzésben
  • Esettanulmányok: LLM-ek a pénzügyi előrejelzésben és kockázatbecslésben

LLM-ek a pénzügyi adatok feldolgozásához

  • Pénzügyi mutatók kinyerése strukturálatlan adatokból LLM-ekkel
  • LLM-ek betanítása pénzügyi szövegekre hangulatelemzés céljából
  • Hírek hangulata és piaci mozgások korrelációja

Előrejelző modellek készítése LLM-ekkel

  • LLM-alapú modellek tervezése részvényár-előrejelzéshez
  • Gazdasági trendek előrejelzése LLM-ből származó elemzések alapján
  • Modellek visszatesztelése történelmi pénzügyi adatokkal

LLM-ek integrálása befektetési stratégiákba

  • LLM-elemzések beépítése a kvantitatív kereskedésbe
  • LLM-ek a portfólióoptimalizálás és kockázatkezelés területén
  • AI-alapú elemzések kommunikálása az érdekelt felek felé

Gyakorlati labor: Pénzügyi piaci előrejelzési projekt

  • Pénzügyi adatelemzési környezet beállítása LLM-ekkel
  • Piaci előrejelző modell fejlesztése LLM-ek használatával
  • Modell teljesítményének értékelése és javítások végrehajtása

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek a pénzügyi piacokról és eszközökről
  • Tapasztalat Python programozásban és adatelemzésben
  • Ismeretek a gépi tanulás alapfogalmaiban és statisztikai modellekben

Célközönség

  • Pénzügyi elemzők
  • Adattudósok
  • Befektetési szakemberek
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák