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