Struttura del corso

L'IA nel Trading e nella Gestione del Patrimonio

  • Tendenze nel trading algoritmico basato sull'IA
  • Panoramica dei flussi di lavoro della finanza quantitativa
  • Strumenti chiave, piattaforme e fonti dati

Lavorare con i Dati Finanziari in Python

  • Gestione dei dati di serie temporale utilizzando Pandas
  • Pulizia, trasformazione e ingegneria delle caratteristiche dei dati
  • Indicatori finanziari e costruzione di segnali

Apprendimento Supervisionato per i Segnali di Trading

  • Modelli di regressione e classificazione per la previsione del mercato
  • Valutazione dei modelli predittivi (es. accuratezza, precisione, rapporto Sharpe)
  • Studio di caso: costruzione di un generatore di segnali basato sull'ML

Apprendimento Non Supervisionato e Regimi del Mercato

  • Clustering per regimi di volatilità
  • Riduzione della dimensionalità per la scoperta di pattern
  • Applicazioni nel trading di basket e nella suddivisione del rischio

Ottimizzazione delle Portfolio con Tecniche di IA

  • Framework di Markowitz e le sue limitazioni
  • Parità del rischio, Black-Litterman e ottimizzazione basata sull'ML
  • Ribalanciamento dinamico con input predittivi

Backtesting e Valutazione delle Strategie

  • Utilizzo di Backtrader o framework personalizzati
  • Metriche di prestazioni a rischio aggiustato
  • Evitare il sovradattamento e il bias dell'anticipazione

Implementazione di Modelli AI nel Trading Reale

  • Integrazione con API di trading e piattaforme di esecuzione
  • Monitoraggio dei modelli e cicli di riarredo
  • Considerazioni etiche, regolamentari e operative

Riepilogo e Passi Successivi

Requisiti

  • Conoscenza di base delle statistiche e dei mercati finanziari
  • Esperienza con la programmazione in Python
  • Familiarità con i dati di serie temporale

Pubblico Obiettivo

  • Analisti quantitativi
  • Professionisti del trading
  • Gestori di portfolio
 21 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative