Contattataci

Struttura del corso

L’intelligenza artificiale nel contesto del trading e della gestione patrimoniale

  • Tendenze attuali nel trading algoritmico e basato sull’IA
  • Panoramica sui flussi di lavoro tipici della finanza quantitativa
  • Strumenti, piattaforme e fonti dati più utilizzati

Lavorare con i dati finanziari in Python

  • Gestione dei dati temporali mediante Pandas
  • Pulizia, trasformazione e costruzione delle feature dai dati finanziari
  • Indicatori finanziari e generazione di segnali di trading

Apprendimento supervisionato per la creazione di segnali di trading

  • Modelli di regressione e classificazione per la previsione dei movimenti di mercato
  • Valutazione dei modelli predittivi (ad esempio accuratezza, precisione, rapporto Sharpe)
  • Studio di caso: sviluppo di un generatore di segnali basato sul machine learning

Apprendimento non supervisionato e analisi dei regimi di mercato

  • Utilizzo del clustering per identificare fasi caratterizzate da diversa volatilità
  • Riduzione della dimensionalità al fine di individuare pattern ricorrenti nei dati
  • Applicazioni pratiche nel trading multi-asset e nella classificazione dei rischi

Ottimizzazione dei portafogli con tecniche di intelligenza artificiale

  • Il modello di Markowitz e i suoi limiti strutturali
  • Approcci come l’equal risk contribution, il modello Black-Litterman e le soluzioni basate sul machine learning
  • Ricomposizione dinamica dei portafogli integrando previsioni strategiche

Backtesting e valutazione delle strategie di trading

  • Utilizzo di strumenti come Backtrader o framework personalizzati
  • Metriche per la valutazione della performance considerando il rischio sottostante
  • Modalità per prevenire il sovrafitting e i bias legati all’utilizzo di dati futuri

Implementazione dei modelli di intelligenza artificiale nel trading reale

  • Integrazione con API di trading e piattaforme di esecuzione ordini
  • Monitoraggio continuo dei modelli e cicli di riaddestramento
  • Aspetti etici, normativi e operativi da considerare nell’implementazione pratica

Riepilogo e prossimi passi

Requisiti

  • Conoscenza di base della statistica e dei mercati finanziari
  • Esperienza nella programmazione con Python
  • Familiarità con i dati temporali (time series)

Destinatari

  • Analisti quantitativi
  • Professionisti del trading
  • Gestori di portafoglio
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative