介紹
統(tǒng)計學習（統(tǒng)計分析）和機器學習之間的區(qū)別
金融公司采用機器學習技術及招募相關人才
了解不同類型的機器學習
有監(jiān)督學習 vs 無監(jiān)督學習
迭代和評估
偏差方差權衡
結合有監(jiān)督學習和無監(jiān)督學習（半監(jiān)督學習）
了解機器學習語言和工具集
開源 vs 專有系統(tǒng)和軟件
Python vs R vs Matlab
庫和框架
了解神經(jīng)網(wǎng)絡
了解金融基本概念
了解股票交易
了解時間序列數(shù)據(jù)
了解金融分析
金融領域機器學習案例研究
信號生成和測試
特征工程
人工智能算法交易
數(shù)量貿易預測
針對資產(chǎn)組合管理的機器人顧問
風險管理和欺詐檢測
保險承保
實踐：用于機器學習的Python
設置Workspace
獲取Python機器學習庫和包
使用Pandas
使用Scikit-Learn
將金融數(shù)據(jù)導入Python
使用Pandas
使用Quandl
與Excel集成
用Python處理時間序列數(shù)據(jù)
探索你的數(shù)據(jù)
可視化你的數(shù)據(jù)
用Python實現(xiàn)常見的金融分析
收益
移動窗口
波動性計算
普通最小二乘回歸（OLS）
用Python監(jiān)督機器學習開發(fā)算法交易策略
了解動量交易策略
了解逆轉交易策略
實施你的簡單的移動平均線（SMA）交易策略
回溯測試（Backtesting）你的機器學習交易策略
學習回測的陷阱
你的回測器（Backtester）組件
使用Python回測工具
實現(xiàn)你的簡單回測器
改進你的機器學習交易策略
KMeans
K最近鄰（KNN）算法
分類或回歸樹
遺傳算法
使用多符號投資組合
使用風險管理框架
使用事件驅動的回測
評估你的機器學習交易策略的表現(xiàn)
使用夏普比率（Sharpe Ratio）
計算最大跌幅
使用復合年增長率（CAGR）
衡量收益的分配
使用貿易水平指標
總結
故障排除 |
合作伙伴與授權機構
總部李老師
