Python dla zarządzania aktywami: uczenie maszynowe i dane alternatywne

Instytucje finansowe coraz częściej zwracają się w kierunku danych alternatywnych, takich jak nastroje w mediach społecznościowych, obrazy satelitarne i zapisy transakcji, aby napędzać nowoczesne zarządzanie aktywami. W tym kursie tekstowym przejdziesz od tradycyjnej analizy finansowej do nowoczesnego zarządzania aktywami opartego na danych.Zdobędziesz solidne podstawy w potokach danych Pythona, nauczysz się przetwarzać nietradycyjne zestawy danych i stosować modele uczenia maszynowego do generowania możliwych do zastosowania sygnałów inwestycyjnych. Czego się nauczysz: - Zrozum podstawowe pojęcia danych alternatywnych i ich rolę w nowoczesnym zarządzaniu portfelem. - Przetwarzaj i czyść nieustrukturyzowane zbiory danych finansowych za pomocą zaawansowanych bibliotek Pythona i nowoczesnych przepływów danych. - Zastosuj algorytmy uczenia maszynowego do oceny ryzyka inwestycyjnego i przewidywania wydajności aktywów. - Buduj solidne potoki danych przy użyciu nowoczesnych środowisk wirtualnych i czystych standardów kodowania. - Zaprojektuj ramy backtestingowe, aby ocenić opłacalność alternatywnych strategii opartych na danych. Zaczniesz od podstawowej terminologii finansów ilościowych i danych alternatywnych, zanim przejdziesz krok po kroku przez praktyczne implementacje Pythona.Dzięki jasnym pisemnym wyjaśnieniom i uporządkowanej analizie kodu rozwiniesz umiejętności przyjmowania, czyszczenia i modelowania złożonych zestawów danych. Ten kurs jest przeznaczony dla początkujących analityków ilościowych, zarządzających portfelami i specjalistów ds. Finansów, którzy są nowi w uczeniu maszynowym i chcą praktycznego wprowadzenia do alternatywnych danych. Zacznij czytać już dziś, aby odblokować potencjał alternatywnych danych i podnieść swoje strategie inwestycyjne.