Struttura del corso
Introduzione
- Differenza tra apprendimento statistico (analisi statistica) e apprendimento automatico
- Adozione della tecnologia di machine learning e dei talenti da parte delle società finanziarie
Comprendere i diversi tipi di Machine Learning
- Apprendimento supervisionato vs apprendimento non supervisionato
- Iterazione e valutazione
- Compromesso distorsione-varianza
- Combinare l'apprendimento supervisionato e non supervisionato (apprendimento semi-supervisionato)
Comprendere Machine Learning i linguaggi e i set di strumenti
- Sistemi e software open source e proprietari a confronto
- Python contro R contro Matlab
- Librerie e framework
Comprensione Neural Networks
Comprendere i concetti di base in Finance
- Capire il trading azionario
- Informazioni sui dati delle serie temporali
- Comprendere le analisi finanziarie
Machine Learning Casi di studio in ambito finanziario
- Generazione e test del segnale
- Progettazione delle funzionalità
- Trading algoritmico basato sull'intelligenza artificiale
- Previsioni quantitative sul commercio
- Robo-advisor per la gestione del portafoglio
- Risk Management e il rilevamento delle frodi
- Sottoscrizione assicurativa
Hands-on: Python per l'apprendimento automatico
- Impostazione dell'area di lavoro
- Ottenere Python librerie e pacchetti di machine learning
- Lavorare con i panda
- Lavorare con Scikit-Learn
Importazione di dati finanziari in Python
- Utilizzo di Pandas
- Utilizzo di Quandl
- Integrazione con Excel
Utilizzo dei dati Time Series con Python
- Esplorazione dei dati
- Visualizzazione dei dati
Implementazione di analisi finanziarie comuni con Python
- Rendiconto
- Spostamento di finestre
- Calcolo della volatilità
- Regressione dei minimi quadrati ordinari (OLS)
Sviluppo di una strategia di trading algoritmico utilizzando l'apprendimento automatico supervisionato con Python
- Comprendere la strategia di Momentum Trading
- Comprendere la strategia di reversion trading
- Implementare la tua strategia di trading con le medie mobili semplici (SMA)
Backtesting della tua Machine Learning strategia di trading
- Imparare le insidie del backtesting
- Componenti del tuo Backtester
- Utilizzo degli strumenti di backtesting Python
- Implementazione del backtester semplice
Migliorare la tua Machine Learning strategia di trading
- KMeans
- K-Vicini più prossimi (KNN)
- Alberi di classificazione o regressione
- Algoritmo genetico
- Utilizzo di portafogli multi-simbolo
- Utilizzo di un framework Risk Management
- Utilizzo del backtesting basato su eventi
Valutare le prestazioni della tua Machine Learning strategia di trading
- Utilizzo del rapporto di Sharpe
- Calcolo di un drawdown massimo
- Utilizzo del tasso di crescita annuale composto (CAGR)
- Misurare la distribuzione dei rendimenti
- Utilizzo delle metriche a livello di trade
- Sommario
Risoluzione dei problemi
Osservazioni conclusive
Requisiti
- Esperienza di base con la programmazione Python
- Familiarità di base con la statistica e l'algebra lineare