Apmācību programma
Mašīnmācīšanās
investīcijās
Kā algoritmi analizē tirgus datus, atpazīst likumsakarības un palīdz pieņemt lēmumus, ko cilvēks vienatnē nepaspēj novērtēt.
Par ko ir šī programma
Daudziem cilvēkiem investīcijas šķiet intuitīvs process — nopērc lēti, pārdod dārgi. Tomēr finanšu tirgos šāda pieeja ilgtermiņā nestrādā.
Šī programma paskaidro, kā mašīnmācīšanās modeļi tiek izmantoti, lai apstrādātu lielu apjomu tirgus datu, atpazītu atkārtojošas likumsakarības un ģenerētu lēmumu atbalsta signālus. Mēs nerunājam par automatizētām tirdzniecības sistēmām, kas sola peļņu — mēs pētām rīkus, kas palīdz saprast tirgus struktūru.
Programma ietver praktiskas nodarbības ar Python bibliotēkām, portfeļa optimizācijas modeļiem un riska izvērtēšanas metodēm. Zināšanas pielietojamas reālos aprēķinos.
Kā notiek mācību process
Pamatu nodaļas
Statistika, varbūtību teorija un Python vides sagatavošana darbam ar finanšu datiem.
Modeļu izveide
Regresijas, koka modeļi un neironu tīkli — ko katrs prot un kad katru lietot.
Backtesting prakse
Modeļa testēšana uz vēsturiskiem datiem, kļūdu meklēšana un pārmērīgas pielāgošanas izvairīšanās.
Gala projekts
Pašu izvēlēta uzdevuma izstrāde ar mentora atgriezenisko saiti un koda pārskatīšanu.
Tirgus datu analīze
Iegūsiet prasmi strādāt ar akciju, obligāciju un ETF vēsturiskiem datiem. Pandas un NumPy lietošana apjomīgu datu kopumu apstrādei.
8 praktiskas nodarbības
Portfeļa optimizācija
Markowitz efektīvās robežas aprēķins, Sharpe koeficients un dažādu aktīvu svaru izvēle atbilstoši riska tolerancei.
6 modelēšanas uzdevumi
Riska mērīšana
Value at Risk aprēķins, Monte Carlo simulācijas portfeļa scenāriju modelēšanai un stresa testēšana ar vēsturiskiem satricinājumiem.
5 scenāriju analīzes
Ko saka dalībnieki
Dagmāra Ozola
Finanšu analītiķe, Rīga
Pirms šīs programmas mašīnmācīšanās man šķita ļoti abstrakta. Nodarbības ar reāliem datiem palīdzēja saprast, kur šie rīki tiešām der un kur ne.
Raimonds Vīksne
Privātais investors, Valmiera
Programma ir godīga — tā nepiesola brīnumus. Tā māca domāt ar datiem un pārbaudīt savas idejas skaitliskā veidā. Man tā bija tieši vajadzīgā pieeja.
Terēza Kalniņa
Datu zinātniece
Finanšu konteksts man bija jauns. Programma skaidri izskaidroja, kā tehniskie rīki, ko jau pārzināju, tiek pielietoti investīciju vidē.
4
moduļi ar praksi
19
nodarbības kopā
lv
valoda