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.
Course Outline
Invoering
- Verschil tussen statistisch leren (statistische analyse) en machinaal leren
- Toepassing van machine learning-technologie en talent door financieringsmaatschappijen
Verschillende soorten begrijpen Machine Learning
- Begeleid leren versus onbegeleid leren
- Iteratie en evaluatie
- Afweging van bias en variantie
- Combineren van begeleid en onbegeleid leren (semi-begeleid leren)
Inzicht in Machine Learning Languages en toolsets
- Open source versus propriëtaire systemen en software
- Python versus R versus Matlab
- Bibliotheken en raamwerken
Begrijpen Neural Networks
Basisconcepten begrijpen in Finance
- Inzicht in aandelenhandel
- Tijdreeksgegevens begrijpen
- Financiële analyses begrijpen
Machine Learning Casestudies in Finance
- Signaalgeneratie en testen
- Functietechniek
- Algoritmische handel in kunstmatige intelligentie
- Kwantitatieve handelsvoorspellingen
- Robo-adviseurs voor portfolio Management
- Risico Management en fraudedetectie
- Verzekeringen afsluiten
Praktisch: Python voor Machine Learning
- De werkruimte instellen
- Het verkrijgen van Python machine learning-bibliotheken en -pakketten
- Werken met Pandas
- Werken met Scikit-Learn
Financiële gegevens importeren in Python
- Gebruik Pandas
- Quandl gebruiken
- Integreren met Excel
Werken met tijdreeksgegevens met Python
- Uw gegevens verkennen
- Uw gegevens visualiseren
Gemeenschappelijke financiële analyses implementeren met Python
- Geeft terug
- Ramen verplaatsen
- Berekening van de volatiliteit
- Gewone kleinste-kwadratenregressie (OLS)
Een algoritmische handelsstrategie ontwikkelen met behulp van Supervised Machine Learning met Python
- De Momentum-handelsstrategie begrijpen
- De Reversion Trading-strategie begrijpen
- Implementatie van uw Simple Moving Averages (SMA) handelsstrategie
Backtesting van uw Machine Learning handelsstrategie
- Valkuilen bij het backtesten leren
- Onderdelen van uw backtester
- Met behulp van Python backtestingtools
- Implementatie van uw eenvoudige backtester
Verbetering van uw Machine Learning handelsstrategie
- KBetekent
- K-dichtstbijzijnde buren (KNN)
- Classificatie- of regressiebomen
- Genetisch algoritme
- Werken met portefeuilles met meerdere symbolen
- Een risicokader Management gebruiken
- Met behulp van gebeurtenisgestuurde backtesting
Evalueer de prestaties van uw Machine Learning handelsstrategie
- Met behulp van de Sharpe-verhouding
- Een maximale opname berekenen
- Samengestelde jaarlijkse groeisnelheid (CAGR) gebruiken
- Meten van de verdeling van rendementen
- Statistieken op handelsniveau gebruiken
- Samenvatting
Probleemoplossen
Slotopmerkingen
Requirements
- Basiservaring met Python programmeren
- Basiskennis van statistiek en lineaire algebra
21 Hours