Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Unterschied zwischen statistischem Lernen (statistische Analyse) und maschinellem Lernen
- Übernahme von Technologien und Talenten des maschinellen Lernens durch Finanzunternehmen
Verständnis der verschiedenen Arten von Machine Learning
- Überwachtes Lernen vs. unüberwachtes Lernen
- Iteration und Bewertung
- Bias-Varianz-Abwägung
- Kombination von überwachtem und unüberwachtem Lernen (semi-supervised learning)
Verstehen von Machine Learning Languages und Toolsets
- Open Source vs. proprietäre Systeme und Software
- Python vs. R vs. Matlab
- Bibliotheken und Frameworks
Verstehen Neural Networks
Verstehen der grundlegenden Konzepte in Finance
- Verstehen des Aktienhandels
- Verstehen von Zeitreihendaten
- Verstehen von Finanzanalysen
Machine Learning Fallstudien in Finance
- Signalerzeugung und -prüfung
- Merkmalstechnik
- Künstliche Intelligenz Algorithmischer Handel
- Quantitative Handelsvorhersagen
- Robo-Advisors für Portfolio Management
- Risiko Management und Betrugserkennung
- Underwriting von Versicherungen
Einführung in R
- Installieren der RStudio IDE
- Laden von R-Paketen
- Daten-Strukturen
- Vektoren
- Faktoren
- Listen
- Daten-Rahmen
- Matrizen und Arrays
Importieren von Finanzdaten in R
- Databases, Data Warehouses und Streaming-Daten
- Verteilte Speicherung und Verarbeitung mit Hadoop und Spark
- Importieren von Daten aus einem Database
- Importieren von Daten aus Excel und CSV
Implementierung der Regressionsanalyse mit R
- Lineare Regression
- Verallgemeinerungen und Nichtlinearität
Evaluierung der Leistung von Machine Learning Algorithmen
- Kreuzvalidierung und Resampling
- Bootstrap Aggregation (Bagging)
- Übung
Entwickeln einer algorithmischen Handelsstrategie mit R
- Einrichten Ihrer Arbeitsumgebung
- Sammeln und Untersuchen von Aktiendaten
- Implementieren einer Trendfolgestrategie
Backtesting Ihrer Machine Learning Handelsstrategie
- Backtesting-Fallen lernen
- Komponenten Ihres Backtesters
- Implementierung Ihres einfachen Backtesters
Verbessern Sie Ihre Machine Learning-Handelsstrategie
- KMeans
- k-Nächste Nachbarn (KNN)
- Klassifizierungs- oder Regressionsbäume
- Genetischer Algorithmus
- Arbeiten mit Multi-Symbol-Portfolios
- Verwendung eines Risiko Management Rahmens
- Ereignisgesteuertes Backtesting verwenden
Bewertung der Leistung Ihrer Machine Learning Handelsstrategie
- Verwendung der Sharpe Ratio
- Berechnen eines maximalen Drawdowns
- Verwendung der Compound Annual Growth Rate (CAGR)
- Messung der Verteilung der Erträge
- Verwendung von Metriken auf Handelsebene
Erweitern der Fähigkeiten Ihres Unternehmens
- Entwickeln von Modellen in der Cloud
- Verwendung von GPUs zur Beschleunigung von Deep Learning
- Anwendung von Deep Learning Neural Networks für Computer Vision, Spracherkennung und Textanalyse
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Programming Erfahrung mit einer beliebigen Sprache
- Grundlegende Vertrautheit mit Statistik und linearer Algebra
28 Stunden