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
  21 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

Categorie relative