コース概要

導入

  • 統計学習(統計解析)と機械学習の違い
  • 金融会社による機械学習テクノロジーと人材の採用

さまざまな種類の Machine Learning を理解する

  • 教師あり学習と教師なし学習
  • 反復と評価
  • バイアスと分散のトレードオフ
  • 教師あり学習と教師なし学習の組み合わせ(半教師あり学習)

Machine Learning Languages とツールセットについて

  • オープンソースと独自のシステムおよびソフトウェアの比較
  • Python vs R vs Matlab
  • ライブラリとフレームワーク

理解 Neural Networks

Finance の基本概念を理解する

  • 株式取引を理解する
  • 時系列データを理解する
  • 財務分析を理解する

Machine Learning Financeの事例紹介

  • 信号の生成とテスト
  • 特徴量エンジニアリング
  • 人工知能アルゴリズム取引
  • 定量的な貿易予測
  • ポートフォリオ用のロボアドバイザー Management
  • リスク Management と不正行為の検出
  • 保険引受業務

ハンズオン: Python 対 Machine Learning

  • ワークスペースのセットアップ
  • Python の機械学習ライブラリとパッケージの入手
  • Pandas を使用して作業する
  • Scikit-Learn の使用

Python への財務データのインポート

  • Pandasを使用する
  • カンドルの使用
  • Excelとの統合

Python による時系列データの操作

  • データの探索
  • データの視覚化

Python を使用した一般的な財務分析の実装

  • 戻り値
  • ウィンドウの移動
  • ボラティリティの計算
  • 通常最小二乗回帰 (OLS)

教師あり Machine Learning と Python を使用したアルゴリズム取引戦略の開発

  • モメンタム取引戦略を理解する
  • 反転取引戦略を理解する
  • 単純移動平均 (SMA) 取引戦略の実装

Machine Learning 取引戦略のバックテスト

  • バックテストの学習の落とし穴
  • バックテスターのコンポーネント
  • Python バックテストツールの使用
  • シンプルなバックテスターの実装

Machine Learning 取引戦略を改善する

  • K平均値
  • K 最近傍 (KNN)
  • 分類または回帰ツリー
  • 遺伝的アルゴリズム
  • 複数シンボルのポートフォリオの操作
  • リスク Management フレームワークの使用
  • イベント駆動型バックテストの使用

Machine Learning 取引戦略のパフォーマンスを評価する

  • シャープレシオの使用
  • 最大ドローダウンの計算
  • 年間平均成長率 (CAGR) の使用
  • 収益の分布の測定
  • 貿易レベルの指標の使用
  • まとめ

トラブルシューティング

閉会の辞

要求

  • Pythonプログラミングの基本的な経験
  • 統計学と線形代数に関する基本的な知識
  • 統計学と線形代数に関する基本的な知識
  • [0
  21 時間
 

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.
Open Training Courses require 5+ participants.

関連コース

関連カテゴリー