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

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.

Price per participant

関連コース

関連カテゴリー