Plan Szkolenia

AI w krajobrazie handlu i zarządzania aktywami

  • Trendy w algorytmicznym i opartym na AI handlu
  • Przegląd procesów finansów kwantytywnych
  • Kluczowe narzędzia, platformy i źródła danych

Praca z danymi finansowymi w Pythonie

  • Obsługa danych szeregów czasowych za pomocą Pandas
  • Czyszczenie, transformacja i inżynieria cech danych
  • Wskaźniki finansowe i konstrukcja sygnałów

Nadzorowane uczenie do tworzenia sygnałów handlowych

  • Modele regresyjne i klasyfikacyjne do prognozy rynku
  • Ocenianie modeli predykcyjnych (np. dokładność, precyzja, współczynnik Sharpe)
  • Studium przypadku: budowa generаторa sygnałów opartego na ML

Nienadzorowane uczenie i reżymy rynkowe

  • Klasterowanie do identyfikacji reżimów zmienności
  • Redukcja wymiarowości dla odkrywania wzorców
  • Zastosowania w handlu koszykowym i grupowaniu ryzyka

Optymalizacja portfeli za pomocą technik AI

  • Ramy Markowitza i ich ograniczenia
  • Równość ryzyka, Black-Litterman i optymalizacja oparta na ML
  • Dynamiczne rebalansowanie z wykorzystaniem predykcyjnych danych wejściowych

Testowanie wstecz i ewaluacja strategii

  • Używanie Backtradera lub własnych frameworków
  • Metryki wydajności dostosowane do ryzyka
  • Unikanie przeciążenia i biasu przyszłościowego (look-ahead)

Wdrażanie modeli AI w handlu na żywo

  • Integracja z interfejsami API i platformami egzekucji
  • Monitorowanie modeli i cykle ponownego treningu
  • Rozważenia etyczne, regulacyjne i operacyjne

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie podstaw statystyki i rynków finansowych
  • Doświadczenie w programowaniu w Pythonie
  • Znajomość danych szeregów czasowych

Odbiorcy

  • Analistów kwantytywnych
  • Profesjonalistów handlowych
  • Menedżerów portfeli
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie