Cursusaanbod

AI in het handel en assetbeheerlandschap

  • Trends in algoritmegebaseerde en AI-gebaseerde handel
  • Overzicht van quantitative finance werkprocessen
  • Belangrijke tools, platforms en datasources

Werken met financiële gegevens in Python

  • Tijdreeksgegevens verwerken met behulp van Pandas
  • Gegevensreiniging, transformatie en feature engineering
  • Financiële indicatoren en signaalconstructie

Gesuperviseerd leren voor handelse signalen

  • Regressie- en classificatiemodellen voor marktpredicties
  • Predictieve modellen evalueren (bijv. nauwkeurigheid, precisie, Sharpe ratio)
  • Case study: een ML-gebaseerde signaalgeneratie bouwen

Ongesuperviseerd leren en marktregeringen

  • Clustering voor volatiliteitsregimes
  • Dimensionaliteitsherleiden voor patroondetectie
  • Toepassingen in basket handel en risicogroepeerings

Portefeuilleoptimalisatie met AI-technieken

  • Markowitz framework en de beperkingen ervan
  • Risk parity, Black-Litterman en ML-gebaseerde optimalisatie
  • Dynamische herbalansing met voorspellende invoer

Terugtesten en strategie-evaluatie

  • Gebruik van Backtrader of aangepaste frameworks
  • Risicogecorrigeerde prestatie-indicatoren
  • Overfitting en look-ahead bias voorkomen

AI-modellen implementeren in live handel

  • Integratie met trading APIs en uitvoerplatforms
  • Model monitoring en re-training cycles
  • Ethische, regulatoire en operationele overwegingen

Samenvatting en volgende stappen

Vereisten

  • Een begrip van basistechnieken in statistiek en financiële markten
  • Ervaring met Python programmeren
  • Vertrouwdheid met tijdreeksgegevens

Doelgroep

  • Kwantitatieve analisten
  • Handelsprofessionals
  • Portefeuillebeheerders
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën