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.
课程大纲
介绍
- 统计学习(统计分析)与机器学习的区别
- 金融公司采用机器学习技术和人才
了解不同类型的 Machine Learning
- 监督学习与无监督学习
- 迭代和评估
- 偏差-方差权衡
- 结合监督学习和无监督学习(半监督学习)
了解 Machine Learning 语言和工具集
- 开源与专有系统和软件
- Python 与 R 与 Matlab
- 库和框架
了解 Neural Networks
了解 Finance 中的基本概念
- 了解股票交易
- 了解时序数据
- 了解财务分析
Machine Learning 金融案例研究
- 信号生成和测试
- 特征工程
- 人工智能算法交易
- 量化交易预测
- 用于投资组合管理的机器人顾问
- Risk Management 和欺诈检测
- 保险承保
动手实践:Python 机器学习
- 设置工作区
- 获取 Python 个机器学习库和包
- 使用 Pandas
- 使用 Scikit-Learn
将财务数据导入 Python
- 使用 Pandas
- 使用 Quandl
- 与 Excel 集成
使用 Python 处理时间序列数据
- 探索数据
- 可视化数据
使用 Python 实现通用财务分析
- 返回
- 移动窗口
- 波动率计算
- 普通最小二乘回归 (OLS)
使用监督机器学习开发算法交易策略 Python
- 了解动量交易策略
- 了解回归交易策略
- 实施您的简单移动平均线 (SMA) 交易策略
回测您的 Machine Learning 交易策略
- 学习回测陷阱
- 回溯测试器的组件
- 使用 Python 回测工具
- 实现简单的回溯测试器
改进您的 Machine Learning 交易策略
- KMeans(英语:KMeans)
- K 最近邻 (KNN)
- 分类树或回归树
- 遗传算法
- 使用多品种投资组合
- 使用 Risk Management 框架
- 使用事件驱动的回测
评估您的 Machine Learning 交易策略的表现
- 使用夏普比率
- 计算最大回撤
- 使用复合年增长率 (CAGR)
- 衡量回报分布
- 使用交易级指标
- 总结
故障 排除
闭幕致辞
要求
- 具有 Python 编程的基本经验
- 基本熟悉统计学和线性代数
21 小时