Schița de curs
Introducere
- Diferența dintre învățarea statistică (analiza statistică) și învățarea automată
- Adoptarea tehnologiei de învățare automată și a talentelor de către companiile financiare
Înțelegerea diferitelor tipuri de Machine Learning
- Învățare supravegheată vs învățare nesupravegheată
- Iterație și evaluare
- Compensație părtinire-varianță
- Combinarea învățării supravegheate și nesupravegheate (învățare semi-supravegheată)
Înțelegerea Machine Learning Languages și seturile de instrumente
- Open source vs sisteme și software proprietar
- Python vs R vs Matlab
- Biblioteci și cadre
Înțelegerea Neural Networks
Înțelegerea conceptelor de bază în Finance
- Înțelegerea tranzacționării cu acțiuni
- Înțelegerea datelor din seria temporală
- Înțelegerea analizelor financiare
Machine Learning Studii de caz în Finance
- Generarea și testarea semnalului
- Inginerie caracteristică
- Trading algoritmic de inteligență artificială
- Predicții comerciale cantitative
- Robo-Consilieri pentru portofoliu Management
- Detectarea riscurilor Management și a fraudei
- Subscriere de asigurări
Practic: Python pentru Machine Learning
- Configurarea spațiului de lucru
- Obținerea Python biblioteci și pachete de învățare automată
- Lucrul cu Pandas
- Lucrul cu Scikit-Learn
Importarea datelor financiare în Python
- Folosind Pandas
- Folosind Quandl
- Integrarea cu Excel
Lucrul cu date din seria temporală cu Python
- Explorarea datelor dvs
- Vizualizarea datelor dvs
Implementarea analizelor financiare comune cu Python
- Se intoarce
- Mutarea ferestrelor
- Calculul volatilității
- Regresie ordinară cu cele mai mici pătrate (OLS)
Dezvoltarea unei strategii de tranzacționare algoritmică utilizând Supervised Machine Learning cu Python
- Înțelegerea strategiei de tranzacționare Momentum
- Înțelegerea strategiei de tranzacționare inversă
- Implementarea strategiei de tranzacționare cu mediile mobile simple (SMA).
Backtesting dvs. Machine Learning Strategie de tranzacționare
- Capcanele învățare backtesting
- Componentele backtesterului dvs
- Utilizarea Python Backtesting Tools
- Implementarea backtesterului dvs. simplu
Îmbunătățirea strategiei dvs. de tranzacționare Machine Learning.
- K Înseamnă
- K-Cei mai apropiați vecini (KNN)
- Arbori de clasificare sau regresie
- Algoritm genetic
- Lucrul cu portofolii cu mai multe simboluri
- Utilizarea unui cadru de risc Management.
- Utilizarea backtesting determinat de evenimente
Evaluarea performanței strategiei dvs. de tranzacționare Machine Learning.
- Folosind raportul Sharpe
- Calcularea unei reduceri maxime
- Utilizarea ratei de creștere anuală compusă (CAGR)
- Măsurarea distribuției returnărilor
- Utilizarea valorilor la nivel comercial
- rezumat
Depanare
Observații de încheiere
Cerințe
- Experiență de bază în programare Python
- Familiaritate de bază cu statistica și algebra liniară