Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kurzusleírás
Bevezetés
- A statisztikai tanulás (statisztikai elemzés) és a gépi tanulás közötti különbség
- A gépi tanulási technológia és a tehetségek átvétele a pénzügyi vállalatok által
A Machine Learning különböző típusainak megértése
- Felügyelt tanulás kontra felügyelet nélküli tanulás
- Iteráció és értékelés
- Bias-variance kompromisszum
- A felügyelt és a nem felügyelt tanulás kombinálása (félig felügyelt tanulás)
A Machine Learning Languages és az eszközkészletek megértése
- Nyílt forráskód vs. védett rendszerek és szoftverek
- Python vs R vs Matlab
- Könyvtárak és keretrendszerek
Megértés Neural Networks
Az alapfogalmak megértése itt: Finance
- A tőzsdei kereskedés megértése
- Az idősoros adatok megértése
- Pénzügyi elemzések megértése
Machine Learning Esettanulmányok in Finance
- Jelgenerálás és -tesztelés
- Feature Engineering
- Mesterséges intelligencia algoritmikus kereskedés
- Mennyiségi kereskedelmi előrejelzések
- Robo-Advisors for Portfolio Management
- Kockázat Management és csalás felderítése
- Biztosítási kötelezettségvállalás
Gyakorlati: Python – Machine Learning
- A munkaterület beállítása
- Python gépi tanulási könyvtár és csomag beszerzése
- Munka a következővel: Pandas
- Munka a Scikit-Learn segítségével
Pénzügyi adatok importálása ide: Python
- A Pandas használata
- Quandl használatával
- Integrálás a Excel-val
Munka idősoros adatokkal a Python segítségével
- Adatainak feltárása
- Az Ön adatainak megjelenítése
Közös pénzügyi elemzések végrehajtása Python
- Visszatér
- A Windows mozgatása
- Volatilitás számítása
- Közönséges legkisebb négyzetes regresszió (OLS)
Algoritmikus kereskedési stratégia kidolgozása felügyelt Machine Learning és Python segítségével
- A Momentum kereskedési stratégia megértése
- A visszaváltási kereskedési stratégia megértése
- Az egyszerű mozgóátlagok (SMA) kereskedési stratégiájának megvalósítása
Az Ön Machine Learning kereskedési stratégiájának utólagos tesztelése
- Tanulási visszatesztelés buktatói
- A Backtester összetevői
- Python Visszatesztelő eszközök használata
- Az egyszerű Backtester megvalósítása
Az Ön Machine Learning kereskedési stratégiájának javítása
- KMeans
- K-Legközelebbi szomszédok (KNN)
- Osztályozási vagy regressziós fák
- Genetikai algoritmus
- Többszimbólum-portfóliók használata
- Kockázati Management keretrendszer használata
- Eseményvezérelt utólagos tesztelés használata
Az Ön Machine Learning kereskedési stratégiája teljesítményének értékelése
- A Sharpe-arány használata
- Maximális lehívás kiszámítása
- Összetett éves növekedési ráta (CAGR) használata
- A hozamok eloszlásának mérése
- Kereskedelmi szintű mutatók használata
- Összegzés
Hibaelhárítás
Zárszó
Követelmények
- Alapvető tapasztalat a Python programozásban
- Statisztikai és lineáris algebrai alapismeretek
21 Hours