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
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Cursos Relacionados

Categorías Relacionadas