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
理解 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
R 簡介
- 安裝 RStudio IDE
- 載入 R 包
- 數據結構
- 向量
- 因素
- 清單
- 數據幀
- 矩陣和陣列
將財務數據導入 R
- 資料庫、數據倉庫和流數據
- 使用 Hadoop 和Spark進行分散式存儲和處理
- 從資料庫導入數據
- 從 Excel 和 CSV 導入數據
使用 R 實現回歸分析
- 線性回歸
- 泛化和非線性
評估 Machine Learning 演算法的性能
- 交叉驗證和重採樣
- Bootstrap 聚集(裝袋)
- 鍛煉
使用 R 開發演算法交易策略
- 設置您的工作環境
- 收集和檢查庫存數據
- 實施趨勢跟蹤策略
回測您的 Machine Learning 交易策略
- 學習回測陷阱
- 回溯測試器的元件
- 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
擴展公司的能力
- 在雲中開發模型
- 使用 GPU 加速深度學習
- 將深度學習 Neural Networks 應用於計算機視覺、語音辨識和文本分析
總結和結論
最低要求
- Programming 使用任何語言的經驗
- 基本熟悉統計學和線性代數
28 時間: