Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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導入
さまざまなタイプの理解 Machine Learning
- 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 のケーススタディ
- 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
R の紹介
- RStudio IDE のインストール
- R パッケージのロード
- データ構造
- ベクトル
- 要因
- リスト
- データフレーム
- 行列と配列
財務データを R にインポートする
- Database、Data Warehouse、およびストリーミング データ
- Hadoop と Spark による分散ストレージと処理
- Database からのデータのインポート
- Excel および CSV からのデータのインポート
R を使用した回帰分析の実装
- 線形回帰
- 一般化と非線形性
Machine Learning アルゴリズムのパフォーマンスの評価
- 相互検証とリサンプリング
- Bootstrap 集計(袋詰め)
- エクササイズ
R を使用したアルゴリズム取引戦略の開発
- 作業環境のセットアップ
- 株式データの収集と検討
- トレンドフォロー戦略の導入
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
- 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の評価
- 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
会社の能力を拡張する
- クラウドでのモデルの開発
- GPU を使用して Deep Learning を加速する
- Computer 視覚、音声認識、テキスト分析に Deep Learning Neural Networks を適用
要約と結論
要求
- Programming何らかの言語を使用した経験
- 統計学と線形代数に精通していること 。
28 時間