Ta kontakt

Kursplan

AI i landskapet for handel og porteføljestyring

  • Trender i algoritmisk og AI-basert handel
  • Oversikt over arbeidsflyter i kvantitativ finans
  • Værktøy, plattformer og datakilder av betydning

Å jobbe med finansielle data i Python

  • Håndtering av tidsrekkedata ved hjelp av Pandas
  • Datarensing, transformasjon og funksjonsgenerering (feature engineering)
  • Finansielle indikatorer og konstruksjon av signaler

Overvåket læring for handelssignaler

  • Regressjons- og klassifiseringsmodeller for markedsprediksjon
  • Vurdering av prediktive modeller (f.eks. nøyaktighet, presisjon, Sharpe-ratio)
  • Kasusstudie: å bygge en ML-basert signalgenerator

Ikke-overvåket læring og markedslag

  • Klyngeanalyse for volatilitetsregimer
  • Reduksjon av dimensjonalitet for mønstergjenkjenning
  • Anvendelser i korg-handel (basket trading) og risikogruppering

Porteføljeoptimalisering med AI-teknikker

  • Markowitz-rammeverket og dets begrensninger
  • Risiko-paritet, Black-Litterman og ML-basert optimalisering
  • Dynamisk rebalansering med prediktive innganger

Backtesting og strategievurdering

  • Bruk av Backtrader eller tilpassede rammeverk
  • Risikojusterte ytelsesindikatorer
  • Unngåing av overtilpasning (overfitting) og se-bak-bias (look-ahead bias)

Implementering av AI-modeller i live-handel

  • Integrering med handels-API-er og eksekveringsplattform
  • Modellovervåking og sykluser for nyopplæring
  • Etiske, regulatoriske og operasjonelle hensyn

Oppsummering og neste trinn

Krav

  • Forståelse av grunnleggende statistikk og finansielle markeder
  • Erfaring med Python-programmering
  • Kjenne til tidsrekkedata

Målgruppe

  • Kvantitative analytikere
  • Handelsprofesjonelle
  • Porteføljeledere
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier