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 vs Matlab
  • 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

R 소개

  • RStudio IDE 설치
  • R 패키지 로드
  • 데이터 구조
  • 벡터
  • 요인
  • 기울기
  • 데이터 프레임
  • 행렬과 배열

재무 데이터를 R로 가져오기

  • Database, Data Warehouse 및 스트리밍 데이터
  • Hadoop 및 Spark를 사용한 분산 저장 및 처리
  • Database에서 데이터 가져오기
  • Excel 및 CSV에서 데이터 가져오기

R을 사용한 회귀 분석 구현

  • 선형 회귀
  • 일반화 및 비선형성

Machine Learning 알고리즘의 성능 평가

  • 교차 검증 및 리샘플링
  • Bootstrap 집계(배깅)
  • 운동

R을 이용한 알고리즘 트레이딩 전략 개발

  • 작업 환경 설정
  • 주식 데이터 수집 및 조사
  • 추세 추종 전략 구현

Machine Learning 거래 전략 백테스트

  • 백테스팅의 함정 배우기
  • 백테스터의 구성 요소
  • 간단한 백테스터 구현

귀하의 Machine Learning 거래 전략 개선

  • KMeans
  • k-최근접 이웃(KNN)
  • 분류 또는 회귀 트리
  • 유전 알고리즘
  • 다중 기호 포트폴리오 작업
  • 위험 Management 프레임워크 사용
  • 이벤트 중심 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

회사의 역량 확장

  • 클라우드에서 모델 개발
  • GPU을 사용하여 가속 Deep Learning
  • Computer 시각, 음성 인식, 텍스트 분석에 Deep Learning Neural Networks 적용

요약 및 결론

Requirements

  • Programming 모든 언어 경험
  • 통계 및 선형 대수학에 대한 기본 지식
  28 Hours

Number of participants


Starts

Ends


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

Price per participant

Related Courses

Related Categories