Course Code: mlfinancepython
Duration: 21 hours
Prerequisites:

  • Experiência básica em programação Python
  • Familiaridade básica com estatística e álgebra linear

Overview:

A aprendizagem automática é um ramo da Inteligência Artificial em que os computadores têm a capacidade de aprender sem serem explicitamente programados. A linguagem de programação Python é famosa pela sua sintaxe clara e legibilidade. Oferece uma excelente coleção de bibliotecas e técnicas bem testadas para o desenvolvimento de aplicações de aprendizagem automática.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como aplicar técnicas e ferramentas de aprendizado de máquina para resolver problemas do mundo real no setor financeiro.

Os participantes aprendem primeiro os princípios-chave e, em seguida, colocam seus conhecimentos em prática, construindo seus próprios modelos de aprendizado de máquina e usando-os para concluir uma série de projetos de equipe.

No final deste treinamento, os participantes serão capazes de:

  • Compreender os conceitos fundamentais no aprendizado de máquina
  • Aprender as aplicações e usos do aprendizado de máquina em finanças
  • Desenvolver sua própria estratégia de negociação algorítmica usando aprendizado de máquina com Python

Público-alvo

  • Programadores
  • Cientistas de dados

Formato do curso

  • Parte palestra, parte discussão, exercícios e prática prática pesada

Course Outline:

Introdução

  • Diferença entre aprendizagem estatística (análise estatística) e aprendizagem automática
  • Adoção da tecnologia e do talento da aprendizagem automática pelas empresas financeiras

Compreender os diferentes tipos de Machine Learning

  • Aprendizagem supervisionada vs aprendizagem não supervisionada
  • Iteração e avaliação
  • Compensação entre desvio e variância
  • Combinação de aprendizagem supervisionada e não supervisionada (aprendizagem semi-supervisionada)

Compreender Machine Learning Languages e conjuntos de ferramentas

  • Sistemas e software de fonte aberta vs sistemas proprietários
  • Python vs R vs Matlab
  • Bibliotecas e quadros

Compreender Neural Networks

Compreender os conceitos básicos em Finance

  • Compreender a negociação de acções
  • Compreender dados de séries temporais
  • Compreender as análises financeiras

Machine Learning Estudos de caso em Finance

  • Geração e teste de sinais
  • Engenharia de características
  • Inteligência artificial Negociação algorítmica
  • Previsões quantitativas de transacções
  • Robo-conselheiros para carteiras Management
  • Deteção de riscos Management e fraudes
  • Subscrição de seguros

Actividades práticas: Python para Machine Learning

  • Configurar o espaço de trabalho
  • Obtenção de bibliotecas e pacotes de aprendizagem automática Python
  • Trabalhar com Pandas
  • Trabalhar com o Scikit-Learn

Importar dados financeiros para Python

  • Utilizar Pandas
  • Utilizar o Quandl
  • Integrar com Excel

Trabalhando com dados de séries temporais com Python

  • Explorando seus dados
  • Visualizando seus dados

Implementando análises financeiras comuns com Python

  • Retornos
  • Janelas Móveis
  • Cálculo de Volatilidade
  • Regressão de Mínimos Quadrados Ordinários (OLS)

Desenvolvimento de uma estratégia de negociação algorítmica usando Machine Learning supervisionado com Python

  • Compreender a Estratégia de Negociação Momentum
  • Compreender a estratégia de negociação de reversão
  • Implementando sua estratégia de negociação com médias móveis simples (SMA)

Fazendo backtesting da sua estratégia de negociação Machine Learning

  • Aprendendo as armadilhas do Backtesting
  • Componentes do seu Backtester
  • Usando Python Ferramentas de Backtesting
  • Implementando seu Backtester Simples

Melhorar a sua Machine Learning Estratégia de Negociação

  • KMeans
  • K-Nearest Neighbors (KNN)
  • Árvores de Classificação ou Regressão
  • Algoritmo Genético
  • Trabalhar com carteiras multi-símbolos
  • Usando uma estrutura de risco Management
  • Usando backtesting orientado a eventos

Avaliar o desempenho da sua Machine Learning estratégia de negociação

  • Usando o Rácio de Sharpe
  • Calculando um Drawdown Máximo
  • Usando a taxa de crescimento anual composta (CAGR)
  • Medindo a distribuição de retornos
  • Usando métricas ao nível da transação
  • Resumo

Resolução de problemas

Observações finais

Overview in Category: