Návrh Školení
AI v obchodování a správě aktiv
- Trendy v algoritmickém a AI založeném obchodování
- Přehled pracovních postupů kvantitativní finanční analýzy
- Klíčové nástroje, platformy a zdroje dat
Práce s finančními daty v Pythonu
- Zpracování časových řad pomocí Pandas
- Čištění, transformace a inženýrství funkcí dat
- Finanční indikátory a vytváření signálů
Nadzorované učení pro obchodovací signály
- Regresní a klasifikační modely pro předpověď trhu
- Hodnocení prediktivních modelů (např. přesnost, preciznost, Sharpe ratio)
- Případová studie: sestavení generátoru signálů založeného na ML
Nenadzorované učení a tržní režimy
- Klasifikace pro volatility režimy
- Redukce dimenzionality pro objevování vzorců
- Aplikace v košovém obchodování a seskupení rizik
Optimalizace portfolia pomocí AI technik
- Markowitzův rámec a jeho omezení
- Rovnováha rizik, Black-Litterman a optimalizace založená na ML
- Dynamické přehodnocení s prediktivními vstupy
Backtesting a hodnocení strategií
- Použití Backtraderu nebo vlastních frameworků
- Metriky výkonnosti s úpravou rizik
- Vyhnutí se přetréningu a nahlédnutí dopředu (look-ahead bias)
Nasazení AI modelů v reálném obchodování
- Integrace s rozhraními API pro obchodování a vykonyvačskými platformami
- Monitorování modelů a cykly přetréningu
- Etické, regulační a operační aspekty
Shrnutí a další kroky
Požadavky
- Porozumění základům statistiky a finančních trhů
- Zkušenosti s programováním v Pythonu
- Odborná znalost časových řad
Cílová skupina
- Kvantitativní analytici
- Obchodní profesionálové
- Manažeři portfolia
Reference (2)
otevřelo mi to oči pro nové nástroje, které mi mohou pomoci při vytváření automatizace
Alessandra Parpajola - Advanced Bionics AG
Kurz - Machine Learning & AI for Finance Professionals
Přeloženo strojem
Velmi jsem si cenil způsobu, jakým instruktor prezentoval všechny informace. Rozuměl jsem všemu, i když Finance není moje specializovaná oblast, zajistil, aby byli všichni účastníci na stejné úrovni, zároveň držel rytmus a čas. Cvičení byla umístěna ve vhodných intervaloch. Communication s účastníky byl vždy přítomen. Materiál byl dokonalý, nebylo to ani příliš málo, ani příliš mnoho. Důkladně vysvětlil některé komplexnější téma tak, aby je každý mohl pochopit.
Diana
Kurz - ChatGPT for Finance
Přeloženo strojem