문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
거래 및 자산 관리 분야에서 AI의 현황
- 알고리즘 및 AI 기반 트레이딩의 트렌드
- 정량 금융 워크플로우 개요
- 주요 도구, 플랫폼 및 데이터 소스
Python으로 금융 데이터 처리하기
- Pandas를 사용한 시계열 데이터 처리
- 데이터 클리닝, 변환 및 특징 추출(FEATURE ENGINEERING)
- 금융 지표 및 시그널 구성
트레이딩 시그널을 위한 지도 학습
- 시장 예측을 위한 회귀 및 분류 모델
- 예측 모델 평가 (예: 정확도, 정밀도, 샤프 비율)
- 사례 연구: ML 기반 시그널 생성기 구축
비지도 학습과 시장 리짐(Regime)
- 변동성 리짐을 위한 클러스터링
- 패턴 발견을 위한 차원 축소
- 바스켓 트레이딩 및 리스크 그룹핑에의 적용
AI 기법을 활용한 포트폴리오 최적화
- 마코위츠(Markowitz) 프레임워크 및 그 한계
- 리스크 패리티, 블랙-리터먼, ML 기반 최적화
- 예측 입력값을 활용한 동적 리밸런싱
백테스팅 및 전략 평가
- Backtrader 또는 자체 프레임워크 활용
- 리스크 조정 수익률 지표
- 과적합 및 선행 편향(Look-ahead bias) 방지
라이브 트레이딩에 AI 모델 배포하기
- 트레이딩 API 및 실행 플랫폼과의 통합
- 모델 모니터링 및 재학습 주기
- 윤리적, 규제적 및 운영적 고려 사항
요약 및 다음 단계
요건
- 기본 통계학 및 금융 시장 이해
- Python 프로그래밍 경험
- 시계열 데이터에 대한 친숙함
대상 독자층
- 정량 분석가
- 트레이딩 전문가
- 포트폴리오 매니저
21 시간
회원 평가 (1)
이미 몇몇 리포트를 알고 있으며, 오늘 확인한 프롬프트 중 일부를 사용할 예정입니다.
Kelly Cotham
코스 - Copilot for Finance and Accounting Professionals
기계 번역됨