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
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

相关课程

课程分类