Schița de curs

Introducere

  • Diferența dintre învățarea statistică (analiza statistică) și învățarea automată
  • Adoptarea tehnologiei de învățare automată și a talentelor de către companiile financiare

Înțelegerea diferitelor tipuri de Machine Learning

  • Învățare supravegheată vs învățare nesupravegheată
  • Iterație și evaluare
  • Compensație părtinire-varianță
  • Combinarea învățării supravegheate și nesupravegheate (învățare semi-supravegheată)

Înțelegerea Machine Learning Languages și seturile de instrumente

  • Open source vs sisteme și software proprietar
  • Python vs R vs Matlab
  • Biblioteci și cadre

Înțelegerea Neural Networks

Înțelegerea conceptelor de bază în Finance

  • Înțelegerea tranzacționării cu acțiuni
  • Înțelegerea datelor din seria temporală
  • Înțelegerea analizelor financiare

Machine Learning Studii de caz în Finance

  • Generarea și testarea semnalului
  • Inginerie caracteristică
  • Tranzacționare algoritmică de inteligență artificială
  • Predicții comerciale cantitative
  • Robo-Consilieri pentru portofoliu Management
  • Detectarea riscurilor Management și a fraudei
  • Subscriere de asigurări

Introducere în R

  • Instalarea IDE-ului RStudio
  • Se încarcă pachetele R
  • Structuri de date
  • Vectori
  • Factori
  • Liste
  • Cadre de date
  • Matrici și tablouri

Importarea datelor financiare în R

  • Databases, Data Warehouses și date în flux
  • Stocare și procesare distribuite cu Hadoop și Spark
  • Importarea datelor dintr-un Database
  • Import de date din Excel și CSV

Implementarea analizei de regresie cu R

  • Regresie liniara
  • Generalizări și neliniaritate

Evaluarea performanței algoritmilor Machine Learning.

  • Validare încrucișată și reeșantionare
  • Bootstrap Agregare (însăcire)
  • Exercițiu

Dezvoltarea unei strategii de tranzacționare algoritmică cu R

  • Configurarea mediului de lucru
  • Colectarea și examinarea datelor de stoc
  • Implementarea unei strategii de urmărire a tendințelor

Backtesting dvs. Machine Learning Strategie de tranzacționare

  • Capcanele învățare backtesting
  • Componentele backtesterului dvs
  • Implementarea backtester-ului dvs. simplu

Îmbunătățirea strategiei de tranzacționare Machine Learning.

  • K Înseamnă
  • k-Cei mai apropiați vecini (KNN)
  • Arbori de clasificare sau regresie
  • Algoritm genetic
  • Lucrul cu portofolii cu mai multe simboluri
  • Utilizarea unui cadru de risc Management.
  • Utilizarea backtesting determinat de evenimente

Evaluarea performanței strategiei dvs. de tranzacționare Machine Learning.

  • Folosind raportul Sharpe
  • Calcularea unei reduceri maxime
  • Utilizarea ratei de creștere anuală compusă (CAGR)
  • Măsurarea distribuției returnărilor
  • Utilizarea valorilor la nivel comercial

Extinderea capacităţilor companiei dumneavoastră

  • Dezvoltarea modelelor în cloud
  • Folosind GPUs pentru a accelera Deep Learning
  • Aplicarea Deep Learning Neural Networks pentru Computer Viziune, Recunoaștere vocală și Analiză text

Rezumat și Concluzie

Cerințe

  • Programming experiență cu orice limbă
  • Familiaritate de bază cu statistica și algebra liniară
  28 ore
 

Numărul de participanți


Dată început

Dată sfârșit


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Cursuri înrudite

Categorii înrudite