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.
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 de Machine Learning 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
Introducción a R
- Instalación del IDE de RStudio
- Carga de paquetes de R
- Estructuras de datos
- Vectores
- Factores
- Listas
- Marcos de datos
- Matrices y matrices
Importación de datos financieros en R
- Bases de datos, almacenes de datos y transmisión de datos
- Almacenamiento y procesamiento distribuidos con Hadoop y Spark
- Importación de datos desde una base de datos
- Importación de datos desde Excel y CSV
Implementación del análisis de regresión con R
- Regresión lineal
- Generalizaciones y no linealidad
Evaluación del rendimiento de Machine Learning algoritmos
- Validación cruzada y remuestreo
- Bootstrap Agregación (embolsado)
- Ejercicio
Desarrollo de una estrategia de trading algorítmico con R
- Configuración de su entorno de trabajo
- Recopilación y examen de datos de existencias
- Implementación de una estrategia de seguimiento de tendencias
Backtesting de tu Machine Learning estrategia de trading
- Dificultades del backtesting de aprendizaje
- Componentes de su Backtester
- Implementación de su Backtester simple
Mejorando tu 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 tu 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
Ampliación de las capacidades de su empresa
- Desarrollo de modelos en la nube
- Uso de GPU para acelerar el aprendizaje profundo
- Aplicación del aprendizaje profundo Neural Networks para la visión artificial, el reconocimiento de voz y el análisis de texto
Resumen y conclusión
Requerimientos
- Programming Experiencia con cualquier idioma
- Familiaridad básica con la estadística y el álgebra lineal
28 horas