План на курса

Въведение

    Разлика между статистическо обучение (статистически анализ) и машинно обучение Възприемане на технологии за машинно обучение и талант от финансовите компании

Разбиране на различните видове Machine Learning

    Контролирано обучение срещу неконтролирано обучение Итерация и оценка Компромис от отклонение Комбиниране на контролирано и неконтролирано обучение (полуконтролирано обучение)

Разбиране на Machine Learning Езици и набори от инструменти

    Отворен код срещу патентовани системи и софтуер Python срещу R срещу Matlab Библиотеки и рамки

разбиране Neural Networks

Разбиране на основните понятия в Finance

    Разбиране на търговията с акции Разбиране на данни от времеви редове Разбиране на финансови анализи

Machine Learning Казуси по финанси

    Генериране на сигнали и функция за тестване Инженеринг Изкуствен интелект Алгоритмична търговия Количествени търговски прогнози Робо-съветници за управление на портфолио Risk Management и откриване на измами Застраховане

Практически: Python за машинно обучение

    Настройване на работното пространство Получаване на Python библиотеки и пакети за машинно обучение Работа с Pandas Работа със Scikit-Learn

Импортиране на финансови данни в Python

    Използване на Pandas Използване на Quandl Интегриране с Excel

Работа с данни от времеви серии с Python

    Проучване на вашите данни Визуализиране на вашите данни

Прилагане на общи финансови анализи с Python

    Връща Изчисляване на движеща се променливост на Windows Обикновена регресия на най-малките квадрати (OLS)

Разработване на стратегия за алгоритмична търговия с помощта на контролирано машинно обучение с Python

    Разбиране на стратегията за търговия с инерция Разбиране на стратегията за търговия с реверсия Прилагане на вашата стратегия за търговия с обикновени подвижни средни (SMA)

Ретро тестване на вашата Machine Learning стратегия за търговия

    Изучаване на клопки при бектестиране Компоненти на вашия Backtester Използване на Python инструменти за бектестиране Внедряване на вашия прост Backtester

Подобряване на вашата Machine Learning търговска стратегия

    KMeans K-най-близки съседи (KNN) Класификация или регресионни дървета Генетичен алгоритъм Работа с многосимволни портфейли Използване на Risk Management рамка Използване на задно тестване, управлявано от събития

Оценяване на ефективността на вашата Machine Learning търговска стратегия

    Използване на съотношението на Шарп Изчисляване на максимално усвояване с помощта на сложен годишен темп на растеж (CAGR) Измерване на разпределението на възвръщаемостта с помощта на показатели на търговско ниво Резюме

Отстраняване на неизправности

Заключителни бележки

Изисквания

  • Основен опит с Python програмиране
  • Основни познания по статистика и линейна алгебра
  21 Hours
 

Брой участници


Започва

Свършва


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Свързани Kурсове

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Свързани Kатегории