Skip to main content

Машинное обучение и доказательный алготрейдинг

О курсе

Машинное обучение и алготрейдинг

Особенностью этого курса является широкое использование доказательных подходов, т.е. применение на любом этапе – от разработки алгоритма до исполнения торговых заявок – только тех методов, эффективность которых подтверждается, с одной стороны надежными статистическими доказательствами, а с другой – пониманием (или осознанным, строгим гипотезированием) содержания процессов, лежащих в основе ценообразования. Если вы уже знакомы с тематикой алгоритмического трейдинга, вы знаете, что стандартным подтверждением эффективности торгового алгоритма является простой исторический бэктест. Однако с ростом компьютерной мощности и сложности алгоритмов, в особенности – с внедрением машинного обучения в практику разработки торговых алгоритмов, исторические бэктесты утратили статус надежного доказательства будущей работоспособности алгоритма. От современного разработчика требуется способность создать не столько алгоритм, сколько мета-алгоритм, то есть, систему, порождающую периодически обновляемый портфель торговых алгоритмов. И разработка методов тестирования таких алгоритмов является частью самого мета-алгоритма. В данном курсе вы найдете концепции, инструменты, подходы, техники, идеи для построения именно таких мета-алгоритмов.

Курс будет полезен:

Курс предназначен для бакалавров 3-4 курса обучения, а также магистрантов и действующих специалистов, имеющих навыки в сфере программирования и машинного обучения, и желающих получить углубленную профильную подготовку для применения своих навыков на финансовых рынках. Он также может подойти студентам финансово-экономического профиля при условии освоения ими самостоятельно машинного обучения в среде R.

Содержание курса:

Первая неделя

  • Введение
  • Информация и цены
  • Технический анализ
  • Фундаментальный анализ
  • Источники данных
  • Прототипирование алгоритмов в R
  • Заключение

Вторая неделя

  • Введение
  • Технические альфа-модели
  • Фундаментальные альфа-модели
  • Стилизованные факты
  • Бэктест Альфа-модели
  • Метрики в бэктестах
  • Особенности HFT

Третья неделя

  • Введение
  • Риск на уровне сигнала
  • Риск на уровне позиции
  • Подбор уровня Стоп-Лосса
  • Риск на уровне стратегии и портфеля

Четвертая неделя

  • Введение
  • Подходы к аллокации
  • Краткая история «постсовременной» теории портфеля
  • Оценка качества портфельной модели
  • Качество различных портфельных моделей
  • Портфельная оптимизация (повторение пройденного)
  • Алгоритмы и модели исполнения

Требования к участникам

  • знание английского языка
  • знание основных алгоритмов машинного обучения и подходов к их тренировке;
  • знание основ рынка ценных бумаг
  • знание основ математической статистики
  • умение программировать в R

Об авторе курса

Course Staff Image #1

Диденко Александр Сергеевич

кандидат экономических наук, доцент

доцент Департамента анализа данных, принятия решений и финансовых технологий Финансового университета при Правительстве Российской Федерации; соучредитель и главный исследователь стартапа 70!; директор по исследованиям лаборатории Thalamus Lab.

Часто задаваемые вопросы

Какой веб-браузер нужно использовать для работы с курсом?

Платформа Open edX работает с текущими версиями Chrome, Firefox, Internet Explorer.

Enroll