コース概要

AI in the Trading and Asset Management Landscape

  • アルゴリズミック取引とAIベースの取引のトレンド
  • 量的金融ワークフローの概要
  • 主なツール、プラットフォーム、データソース

Working with Financial Data in Python

  • Pandasを使用した時系列データの取り扱い
  • データクリーニング、変換、および特徴量エンジニアリング
  • 金融指標とシグナル構築

Supervised Learning for Trading Signals

  • 市場予測のための回帰モデルと分類モデル
  • 予測モデルの評価(例:精度、適合率、シャープ比率)
  • ケーススタディ:MLベースのシグナルジェネレータの構築

Unsupervised Learning and Market Regimes

  • ボラティリティ体制のクラスタリング
  • パターン発見のための次元削減
  • バスケット取引とリスクグループ化への応用

Portfolio Optimization with AI Techniques

  • マーコウィッツフレームワークとその制限
  • リスクパリティ、ブラックリターマン、およびMLベースの最適化
  • 予測入力を使用した動的なリバランス

Backtesting and Strategy Evaluation

  • Backtraderまたはカスタムフレームワークの使用
  • リスク調整パフォーマンス指標
  • 過学習と先見バイアスの回避

Deploying AI Models in Live Trading

  • 取引APIと執行プラットフォームとの統合
  • モデルの監視と再学習サイクル
  • エチカル、規制、および運用上の考慮事項

まとめと次の一歩

要求

  • 基本的な統計と金融市場の理解
  • Pythonプログラミングの経験
  • 時系列データに関する知識

対象者

  • 量的アナリスト
  • 取引プロフェッショナル
  • ポートフォリオマネージャー
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (3)

今後のコース

関連カテゴリー