Plan du cours

Introduction

  • Différence entre l'apprentissage statistique (analyse statistique) et l'apprentissage automatique (machine learning)
  • Adoption de la technologie et des talents d'apprentissage automatique par les sociétés financières

Comprendre les différents types d'apprentissage Machine Learning

  • Apprentissage supervisé et apprentissage non supervisé
  • Itération et évaluation
  • Compromis biais-variance
  • Combinaison de l'apprentissage supervisé et non supervisé (apprentissage semi-supervisé)

Comprendre Machine Learning Languages et les outils

  • Systèmes et logiciels libres ou propriétaires
  • [R et Matlab
  • Bibliothèques et cadres de travail

Comprendre Neural Networks

Comprendre les concepts de base en Finance

  • Comprendre la négociation des actions
  • Comprendre les données de séries temporelles
  • Comprendre les analyses financières

Machine Learning Études de cas en Finance

  • Génération et test de signaux
  • Ingénierie des caractéristiques
  • Intelligence artificielle Trading algorithmique
  • Prédictions quantitatives des transactions
  • Robo-conseillers pour les portefeuilles Management
  • Détection des risques Management et des fraudes
  • Souscription d'assurance

Pratique : Python pour Machine Learning

  • Configuration de l'espace de travail
  • Obtention des bibliothèques et paquets d'apprentissage automatique Python.
  • Travailler avec Pandas
  • Travailler avec Scikit-Learn

Importer des données financières dans Python

  • Utilisation de Pandas
  • Utilisation de Quandl
  • Intégrer avec Excel

Travailler avec des données de séries temporelles avec Python

  • Explorer vos données
  • Visualiser vos données

Mise en œuvre d'analyses financières courantes avec Python

  • Retours
  • Fenêtres mobiles
  • Calcul de la volatilité
  • Régression ordinaire des moindres carrés (MCO)

Développer une stratégie de trading algorithmique en utilisant les méthodes supervisées Machine Learning avec Python

  • Comprendre la stratégie de trading du momentum
  • Comprendre la stratégie de trading de réversion
  • Mettre en œuvre votre stratégie de trading avec les moyennes mobiles simples (SMA)

Backtesting de votre stratégie de trading Machine Learning

  • Apprendre les pièges du backtesting
  • Composants de votre backtester
  • Utilisation des Python outils de backtesting
  • Mise en œuvre de votre backtester simple

Améliorer votre Machine Learning stratégie de trading

  • KMeans
  • K-Voisins les plus proches (KNN)
  • Arbres de classification ou de régression
  • Algorithme génétique
  • Travailler avec des portefeuilles multi-symboles
  • Utilisation d'un cadre de risque Management
  • Utiliser le backtesting piloté par les événements

Évaluer la performance de votre Machine Learning stratégie de trading

  • Utiliser le ratio de Sharpe
  • Calculer un Drawdown maximum
  • Utiliser le taux de croissance annuel composé (TCAC)
  • Mesurer la distribution des rendements
  • Utilisation de mesures au niveau de l'opération
  • Résumé

Résolution des problèmes

Remarques finales

Pré requis

  • Expérience de base de la programmation Python
  • .
  • Familiarité de base avec les statistiques et l'algèbre linéaire
  21 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Cours Similaires

Catégories Similaires