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
 

Antal deltagare


Starts

Ends


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

Relaterade Kurser

Relaterade Kategorier