Course Outline

소개

  • 통계학습(통계분석)과 머신러닝의 차이점
  • 금융회사의 머신러닝 기술 및 인재 도입

다양한 유형의 이해 Machine Learning

  • 지도 학습과 비지도 학습
  • 반복 및 평가
  • 편향-분산 트레이드오프
  • 지도 학습과 비지도 학습 결합(반지도 학습)

Machine Learning Languages 및 도구 세트 이해

  • 오픈 소스와 독점 시스템 및 소프트웨어 비교
  • Python R 대 Matlab 대
  • 라이브러리 및 프레임워크

이해 Neural Networks

Finance의 기본 개념 이해

  • 주식 거래 이해
  • 시계열 데이터 이해
  • 재무 분석 이해

Machine Learning Finance의 사례 연구

  • 신호 생성 및 테스트
  • 기능 엔지니어링
  • 인공지능 알고리즘 트레이딩
  • 정량적 무역 예측
  • 포트폴리오를 위한 로보어드바이저 Management
  • 위험 Management 및 사기 탐지
  • 보험 인수

실습: Machine Learning의 경우 Python

  • 작업공간 설정
  • Python 기계 학습 라이브러리 및 패키지 얻기
  • Pandas과 함께 일하기
  • Scikit-Learn 작업

재무 데이터를 Python로 가져오기

  • Pandas을 사용하여
  • Quandl 사용하기
  • Excel과 통합

Python을 사용하여 시계열 데이터 작업

  • 데이터 탐색
  • 데이터 시각화

Python을 사용하여 일반적인 재무 분석 구현

  • 보고
  • 움직이는 창문
  • 변동성 계산
  • 일반 최소제곱 회귀(OLS)

Python과 함께 감독 Machine Learning을 사용하여 알고리즘 거래 전략 개발

  • 모멘텀 트레이딩 전략 이해
  • 복귀 거래 전략 이해
  • 단순 이동 평균(SMA) 거래 전략 구현

Machine Learning 거래 전략 백테스트

  • 백테스팅의 함정 배우기
  • 백테스터의 구성 요소
  • Python 백테스팅 도구 사용
  • 간단한 백테스터 구현

귀하의 Machine Learning 거래 전략 개선

  • KMeans
  • K-최근접이웃(KNN)
  • 분류 또는 회귀 트리
  • 유전 알고리즘
  • 다중 기호 포트폴리오 작업
  • 위험 Management 프레임워크 사용
  • 이벤트 기반 백테스팅 사용

귀하의 Machine Learning 거래 전략 성과 평가

  • 샤프 비율 사용
  • 최대 하락폭 계산
  • CAGR(복합 연간 성장률) 사용
  • 수익 분포 측정
  • 거래 수준 지표 사용
  • 요약

문제 해결

맺음말

Requirements

  • Python 프로그래밍에 대한 기본 경험
  • 통계 및 선형 대수학에 대한 기본 지식
  21 Hours
 

Number of participants


Starts

Ends


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

Related Courses

Related Categories