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

Introdução ao R

  • Instalando o IDE RStudio
  • Carregando pacotes R
  • Estruturas de dados
  • Vetores
  • Fatores
  • Listas
  • Quadros de dados
  • Matrizes e matrizes

Importando dados financeiros para R

  • Databases, Data Warehouses e dados de streaming
  • Armazenamento e processamento distribuído com Hadoop e Spark
  • Importando dados de um Database
  • Importando dados de Excel e CSV

Implementando Análise de Regressão com R

  • Regressão linear
  • Generalizações e Não Linearidade

Avaliando o desempenho de Machine Learning algoritmos

  • Validação cruzada e reamostragem
  • Bootstrap Agregação (ensacamento)
  • Exercício

Desenvolvendo uma estratégia de negociação algorítmica com R

  • Configurando seu ambiente de trabalho
  • Coletando e examinando dados de estoque
  • Implementando uma estratégia de acompanhamento de tendências

Backtesting de sua Machine Learning estratégia de negociação

  • Aprendendo as armadilhas do backtesting
  • Componentes do seu backtester
  • 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

Ampliando as capacidades da sua empresa

  • Desenvolvendo modelos na nuvem
  • Usando GPUs para acelerar Deep Learning
  • Aplicando Deep Learning Neural Networks para Computer Visão, Reconhecimento de Voz e Análise de Texto

Resumo e conclusão

Requisitos

  • Programming experiência com qualquer língua
  • Familiaridade básica com estatística e álgebra linear
  28 horas
 

Cursos Relacionados

Categorias Relacionadas