Návrh Školení

Úvod

    Rozdíl mezi statistickým učením (statistická analýza) a strojovým učením Přijetí technologie strojového učení a talentu finančními společnostmi

Pochopení různých typů Machine Learning

    Učení pod dohledem vs učení bez dohledu Iterace a hodnocení Kompromis zkreslení a odchylek Kombinace učení pod dohledem a učení bez dohledu (učení s částečným dohledem)

Pochopení Machine Learning Jazyky a sady nástrojů

    Open source vs proprietární systémy a software Python vs R vs Matlab knihovny a rámce

Pochopení Neural Networks

Pochopení základních pojmů v Finance

    Porozumění obchodování s akciemi Porozumění datům časových řad Porozumění finančním analýzám

Machine Learning Případové studie ve financích

    Generování signálu a testování Funkce Inženýrství Umělá inteligence Algoritmické obchodování Kvantitativní obchodní předpovědi Robo-poradci pro správu portfolia Risk Management a detekce podvodů Upisování pojištění

Úvod do R

    Instalace RStudio IDE Načítání balíčků R Datové struktury Vektory Faktory Seznamy datových rámců Matice a pole

Import finančních dat do R

    Databáze, datové sklady a streamování dat Distribuované ukládání a zpracování pomocí Hadoop a Spark Import dat z databáze Import dat z Excelu a CSV

Implementace regresní analýzy s R

    Lineární regresní zobecnění a nelinearita

Hodnocení výkonnosti Machine Learning algoritmů

    Křížová validace a převzorkování Bootstrap Cvičení agregace (bagování).

Vývoj algoritmické obchodní strategie s R

    Nastavení pracovního prostředí Shromažďování a zkoumání údajů o zásobách Implementace strategie sledování trendů

Zpětné testování vaší obchodní strategie Machine Learning

    Učení se úskalí backtestingu Komponenty vašeho backtesteru Implementace vašeho jednoduchého backtesteru

Zlepšení vaší Machine Learning obchodní strategie

    Klasifikace nebo regresní stromy KMeans k-Nearest Neighbors (KNN) Genetický algoritmus Práce s portfolii s více symboly pomocí rámce Risk Management pomocí zpětného testování řízeného událostmi

Hodnocení výkonnosti vaší obchodní strategie Machine Learning

    Použití Sharpe Ratio Výpočet maximálního čerpání pomocí složené roční míry růstu (CAGR) Měření distribuce výnosů pomocí metrik na úrovni obchodu

Rozšíření schopností vaší společnosti

    Vývoj modelů v cloudu s využitím GPU k urychlení hloubkového učení Použití hloubkového učení Neural Networks pro počítačové vidění, rozpoznávání hlasu a analýzu textu

Shrnutí a závěr

Požadavky

  • Programming zkušenost s jakýmkoli jazykem
  • Základní znalost statistiky a lineární algebry
  28 hodiny

Počet účastníků



Price per participant

Související kurzy

Související kategorie