Programa do Curso
Introdução
- Diferença entre aprendizado estatístico (análise estatística) e aprendizado de máquina
- Adoção de tecnologia e talentos de aprendizado de máquina por empresas financeiras
Compreendendo diferentes tipos de Machine Learning
- Aprendizagem supervisionada versus aprendizagem não supervisionada
- Iteração e avaliação
- Troca de polarização-variância
- Combinando aprendizagem supervisionada e não supervisionada (aprendizagem semissupervisionada)
Compreendendo Machine Learning Languages e conjuntos de ferramentas
- Sistemas e software de código aberto versus proprietários
- Python vs R vs Matlab
- Bibliotecas e estruturas
Compreensão Neural Networks
Compreendendo os conceitos básicos em Finance
- Compreendendo a negociação de ações
- Compreendendo os dados de série temporal
- Compreendendo as análises financeiras
Machine Learning Estudos de caso em Finance
- Geração e teste de sinal
- Engenharia de recursos
- Negociação Algorítmica de Inteligência Artificial
- Previsões comerciais quantitativas
- Robo-Conselheiros para Portfólio Management
- Risco Management e detecção de fraude
- Subscrição de Seguros
Prática: Python para Machine Learning
- Configurando o espaço de trabalho
- Obtenção Python de bibliotecas e pacotes de aprendizado de máquina
- Trabalhando com Pandas
- Trabalhando com Scikit-Learn
Importando dados financeiros para Python
- Usando Pandas
- Usando Quandl
- Integrando com Excel
Trabalhando com dados de série temporal com Python
- Explorando seus dados
- Visualizando seus dados
Implementando análises financeiras comuns com Python
- Devoluções
- Movendo janelas
- Cálculo de Volatilidade
- Regressão ordinária de mínimos quadrados (OLS)
Desenvolvendo uma estratégia de negociação algorítmica usando supervisionado Machine Learning com Python
- Compreendendo a estratégia de negociação dinâmica
- Compreendendo a estratégia de negociação de reversão
- Implementando sua estratégia de negociação de médias móveis simples (SMA)
Backtesting de sua Machine Learning estratégia de negociação
- Aprendendo as armadilhas do backtesting
- Componentes do seu backtester
- Usando Python ferramentas de backtesting
- Implementando seu backtester simples
Melhorando sua Machine Learning estratégia de negociação
- KMeans
- K-vizinhos mais próximos (KNN)
- Árvores de Classificação ou Regressão
- Algoritmo genético
- Trabalhando com portfólios multisímbolos
- Usando uma estrutura de risco Management
- Usando backtesting baseado em eventos
Avaliando o desempenho da sua Machine Learning estratégia de negociação
- Usando a proporção de Sharpe
- Calculando um rebaixamento máximo
- Usando a taxa composta de crescimento anual (CAGR)
- Medindo a distribuição de retornos
- Usando métricas de nível comercial
- Resumo
Solução de problemas
Observações finais
Requisitos
- Experiência básica em programação Python
- Familiaridade básica com estatística e álgebra linear