Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
介紹
- 統計學習(統計分析)與機器學習的區別
- 金融公司採用機器學習技術和人才
瞭解不同類型的 Machine Learning
- 監督學習與無監督學習
- 反覆運算和評估
- 偏差-方差權衡
- 結合監督學習和無監督學習(半監督學習)
瞭解 Machine Learning 語言和工具集
- 開源與專有系統和軟體
- Python 與 R 與 Matlab
- 庫和框架
瞭解 Neural Networks
瞭解 Finance 中的基本概念
- 瞭解股票交易
- 瞭解時序數據
- 瞭解財務分析
Machine Learning 金融案例研究
- 信號生成和測試
- 特徵工程
- 人工智慧演算法交易
- 量化交易預測
- 用於投資組合管理的機器人顧問
- Risk Management 和欺詐檢測
- 保險承保
動手實踐:Python 機器學習
- 設置工作區
- 獲取 Python 個機器學習庫和包
- 使用 Pandas
- 使用 Scikit-Learn
將財務資料匯入 Python
- 使用 Pandas
- 使用 Quandl
- 與 Excel 集成
使用 Python 處理時間序列數據
- 探索數據
- 可視化數據
使用 Python 實現通用財務分析
- 返回
- 移動視窗
- 波動率計算
- 普通最小二乘回歸 (OLS)
使用監督機器學習開發演算法交易策略 Python
- 了解動量交易策略
- 了解回歸交易策略
- 實施您的簡單移動平均線 (SMA) 交易策略
回測您的 Machine Learning 交易策略
- 學習回測陷阱
- 回溯測試器的元件
- 使用 Python 回測工具
- 實現簡單的回溯測試器
改進您的 Machine Learning 交易策略
- KMeans(英语:KMeans)
- K 最近鄰 (KNN)
- 分類樹或回歸樹
- 遺傳演算法
- 使用多品種投資組合
- 使用 Risk Management 框架
- 使用事件驅動的回測
評估您的 Machine Learning 交易策略的表現
- 使用夏普比率
- 計算最大回撤
- 使用複合年增長率 (CAGR)
- 衡量回報分佈
- 使用交易級指標
- 總結
故障排除
閉幕致辭
最低要求
- 具有 Python 程式設計的基本經驗
- 基本熟悉統計學和線性代數
21 時間: