Thank you for sending your enquiry! One of our team member will contact you shortly.
Thank you for sending your booking! One of our team member will contact you shortly.
Kursplan
Introduktion
- Skillnad mellan statistisk inlärning (statistisk analys) och maskininlärning
- Adoption av maskininlärningsteknik och talang av finansbolag
Förstå olika typer av Machine Learning
- Övervakat lärande vs oövervakat lärande
- Iteration och utvärdering
- Avvägning mellan partiskhet och varians
- Kombinera övervakat och oövervakat lärande (semi-övervakat lärande)
Förstå Machine Learning Languages och verktygsuppsättningar
- Öppen källkod kontra proprietära system och mjukvara
- Python vs R vs Matlab
- Bibliotek och ramar
Förståelse Neural Networks
Förstå grundläggande begrepp i Finance
- Förstå aktiehandel
- Förstå tidsseriedata
- Förstå finansiella analyser
Machine Learning Fallstudier i Finance
- Signalgenerering och testning
- Funktionsteknik
- Algoritmisk handel med artificiell intelligens
- Kvantitativa handelsförutsägelser
- Robo-rådgivare för portfölj Management
- Risk Management och bedrägeriupptäckt
- Försäkringsgaranti
Hands-on: Python för Machine Learning
- Konfigurera arbetsytan
- Skaffa Python maskininlärningsbibliotek och -paket
- Arbeta med Pandas
- Arbeta med Scikit-Learn
Importera finansiella data till Python
- Använder Pandas
- Använder Quandl
- Integrering med Excel
Arbeta med tidsseriedata med Python
- Utforska dina data
- Visualisera dina data
Implementera gemensamma finansiella analyser med Python
- Returnerar
- Flytta Windows
- Volatilitetsberäkning
- Ordinary Least-Squares Regression (OLS)
Utveckla en algoritmisk handelsstrategi med hjälp av övervakad Machine Learning med Python
- Förstå strategin för Momentum Trading
- Förstå strategin för återgångshandel
- Implementera din handelsstrategi för enkla rörliga medelvärden (SMA).
Backtesting av din Machine Learning handelsstrategi
- Lär dig backtesting fallgropar
- Komponenter i din Backtester
- Använda Python Backtesting Tools
- Implementera din enkla Backtester
Förbättra din Machine Learning handelsstrategi
- KMeans
- K-Nearest Neighbors (KNN)
- Klassificerings- eller regressionsträd
- Genetisk algoritm
- Arbeta med Multi-Symbol Portfolios
- Använda ett ramverk för risk Management
- Använder händelsedriven backtesting
Utvärdera din Machine Learning handelsstrategis prestanda
- Använda Sharpe Ratio
- Beräknar ett maximalt uttag
- Använder Compound Annual Growth Rate (CAGR)
- Mätning av fördelning av avkastning
- Använda mätvärden på handelsnivå
- Sammanfattning
Felsökning
Avslutande kommentarer
Krav
- Grundläggande erfarenhet av Python programmering
- Grundläggande förtrogenhet med statistik och linjär algebra
21 timmar