Programa del Curso

Introducción

  • Diferencia entre aprendizaje estadístico (análisis estadístico) y aprendizaje automático
  • Adopción de tecnología y talento de machine learning por parte de las empresas financieras

Comprender los diferentes tipos de Machine Learning

  • Aprendizaje supervisado frente a aprendizaje no supervisado
  • Iteración y evaluación
  • Equilibrio entre sesgo y varianza
  • Combinación de aprendizaje supervisado y no supervisado (aprendizaje semisupervisado)

Comprensión Machine Learning de lenguajes y conjuntos de herramientas

  • Código abierto frente a sistemas y software propietarios
  • Python vs R vs Matlab
  • Bibliotecas y frameworks

Comprensión Neural Networks

Comprensión de los conceptos básicos en Finance

  • Entendiendo el Trading de Acciones
  • Descripción de los datos de series temporales
  • Comprensión de los análisis financieros

Machine Learning Estudios de caso en finanzas

  • Generación y pruebas de señales
  • Ingeniería de características
  • Trading algorítmico de inteligencia artificial
  • Predicciones Cuantitativas de Trading
  • Robo-Advisors para la gestión de carteras
  • Risk Management y detección de fraudes
  • Suscripción de seguros

Práctico: Python para el aprendizaje automático

  • Configuración del espacio de trabajo
  • Obtención de Python bibliotecas y paquetes de aprendizaje automático
  • Trabajar con pandas
  • Trabajar con Scikit-Learn

Importación de datos financieros en Python

  • Uso de Pandas
  • Uso de Quandl
  • Integración con Excel

Trabajar con datos de series temporales con Python

  • Exploración de los datos
  • Visualización de los datos

Implementación de Análisis Financieros Comunes con Python

  • Devuelve
  • Mover ventanas
  • Cálculo de la volatilidad
  • Regresión de mínimos cuadrados ordinarios (OLS)

Desarrollo de una estrategia de trading algorítmico mediante el aprendizaje automático supervisado con Python

  • Entendiendo la estrategia de Momentum Trading
  • Entendiendo la Estrategia de Trading de Reversión
  • Implementación de su estrategia de trading de medias móviles simples (SMA)

Backtesting de su Machine Learning estrategia de trading

  • Dificultades del backtesting de aprendizaje
  • Componentes de su Backtester
  • Uso de Python herramientas de backtesting
  • Implementación de su Backtester simple

Mejorando su Machine Learning estrategia de trading

  • KMeans
  • K-Vecinos más cercanos (KNN)
  • Árboles de clasificación o regresión
  • Algoritmo genético
  • Trabajar con carteras multisímbolo
  • Uso de un marco Risk Management
  • Uso de backtesting basado en eventos

Evaluando el rendimiento de su Machine Learning estrategia de trading

  • Uso de la relación de Sharpe
  • Cálculo de una reducción máxima
  • Uso de la tasa de crecimiento anual compuesta (CAGR)
  • Medición de la distribución de los rendimientos
  • Uso de métricas a nivel comercial
  • Resumen

Solución de problemas

Palabras finales

Requerimientos

  • Experiencia básica con Python programación
  • Familiaridad básica con la estadística y el álgebra lineal
  21 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Cursos Relacionados

Categorías Relacionadas