Машинное обучение для умных бета-инвестиций

Традиционные индексные инвестиции развиваются, и количественное финансирование теперь опирается на систематические, основанные на правилах стратегии, чтобы превзойти рынок. Понимание того, как улучшить эти стратегии Smart Beta с помощью машинного обучения, является ключом к современному управлению портфелем. Этот текстовый курс поможет вам освоить основы количественного финансирования, показав, как применять модели машинного обучения для выявления, оценки и оптимизации инвестиционных факторов. Вы пройдете путь от базовых финансовых определений до построения и анализа умных бета-стратегий, основанных на данных, с использованием современных методов программирования на Python. Что вы узнаете: Понимание основных концепций Smart Beta и факторного инвестирования; Применение алгоритмов машинного обучения для анализа и отбора рыночных аномалий и факторов; Очистка и предварительная обработка финансовых данных с использованием современных библиотек Python и рабочих процессов; Построение систематических портфелей с использование моделей машинного образования, основанных на правилах; Оценка эффективности стратегии с использованием современных принципов ретестинга и метрик риска; Практика реализации моделей прогнозирования на исторических данных об активах с помощью структурированных упражнений по коду. Вы начнете с основных финансовых определений и теории факторного инвестирования, а затем перейдете к поэтапному письменному объяснению методов прогнозного моделирования, применяемых при выборе активов. Этот курс предназначен для начинающих, начинающих количественных аналитиков и розничных инвесторов, которые хотят узнать о пересечении науки данных и инвестирования, без каких-либо предварительных условий. Начните читать сегодня, чтобы построить свою первую инвестиционную стратегию, основанную на машинном обучении.