介绍
统计学习(统计分析)和机器学习之间的区别
金融公司采用机器学习技术及招募相关人才
了解不同类型的机器学习
有监督学习 vs 无监督学习
迭代和评估
偏差方差权衡
结合有监督学习和无监督学习(半监督学习)
了解机器学习语言和工具集
开源 vs 专有系统和软件
Python vs R vs Matlab
库和框架
了解神经网络
了解金融基本概念
了解股票交易
了解时间序列数据
了解金融分析
金融领域机器学习案例研究
信号生成和测试
特征工程
人工智能算法交易
数量贸易预测
针对资产组合管理的机器人顾问
风险管理和欺诈检测
保险承保
实践:用于机器学习的Python
设置Workspace
获取Python机器学习库和包
使用Pandas
使用Scikit-Learn
将金融数据导入Python
使用Pandas
使用Quandl
与Excel集成
用Python处理时间序列数据
探索你的数据
可视化你的数据
用Python实现常见的金融分析
收益
移动窗口
波动性计算
普通小二乘回归(OLS)
用Python监督机器学习开发算法交易策略
了解动量交易策略
了解逆转交易策略
实施你的简单的移动平均线(SMA)交易策略
回溯测试(Backtesting)你的机器学习交易策略
学习回测的陷阱
你的回测器(Backtester)组件
使用Python回测工具
实现你的简单回测器
改进你的机器学习交易策略
KMeans
K近邻(KNN)算法
分类或回归树
遗传算法
使用多符号投资组合
使用风险管理框架
使用事件驱动的回测
评估你的机器学习交易策略的表现
使用夏普比率(Sharpe Ratio)
计算大跌幅
使用复合年增长率(CAGR)
衡量收益的分配
使用贸易水平指标
总结
故障排除 |