🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش گروه مطالعه: یادگیری ماشین برای مدیران دارایی
- آخرین آپدیت
دانلود Reading Group: Machine Learning for Asset Managers
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
کاوش در تقاطع هوش مصنوعی و بازارهای مالی: دوره جامع یادگیری ماشین در امور مالی
این دوره آموزشی جامع، شما را با مفاهیم و تکنیکهای پیشرفته یادگیری ماشین (ML) در حوزه امور مالی آشنا میکند. از مباحث پایه تا تحقیقات پیشرفته، شما را برای حل مشکلات دنیای واقعی در بازارهای مالی آماده میکنیم.
تسلط بر مفاهیم و تکنیکهای اصلی یادگیری ماشین در امور مالی
ارزیابی تحقیقات پیشرفته برای حل مشکلات مالی
کسب دانش در مورد ساخت پرتفوی پیشرفته
درک تکنیکهای مدیریت ریسک با استفاده از یادگیری ماشین
پیشنیازها: آشنایی با حسابان، امور مالی یا آمار
این دوره جامع، یک بررسی عمیق از یادگیری ماشین (ML) را ارائه میدهد که برای متخصصان و دانشجویان با پیشزمینهای در آمار و حسابان پایه طراحی شده است. هدف این دوره، مجهز کردن شرکتکنندگان با تحقیقات و تکنیکهای پیشرفته و همچنین درک درستی از ML در بازارهای مالی است.
برای مبتدیان، این دوره یک پایه محکم در جنبههای نظری یادگیری ماشین برای امور مالی فراهم میکند و اطمینان حاصل میکند که درک کاملی از تکنیکهای ML در امور مالی از طریق تجزیه و تحلیل تحقیقات عملی به دست میآید.
در عین حال، متخصصان با تجربه در امور مالی یا یادگیری ماشین، این دوره را غنیکننده خواهند یافت، زیرا شامل بحثهای عمیق در مورد موضوعات پیشرفته است. این دوره، بینشهای جدید و استراتژیهای پیشرفتهای را ارائه میدهد که میتوانند مستقیماً برای بهبود عملکرد حرفهای آنها اعمال شوند و آن را به یک منبع ارزشمند برای کسانی تبدیل میکند که به دنبال ماندن در خط مقدم نوآوری در مدیریت سرمایهگذاری هستند.
این دوره با ارائه مجموعهای از سخنرانیها که توسط گروه متنوعی از کارشناسان هدایت میشود، متمایز میشود و درک غنی و چندبعدی از هر موضوع را تضمین میکند. این مدل تدریس مشارکتی تضمین میکند که شرکتکنندگان درکی چند بعدی از چگونگی اعمال تکنیکهای ML برای بهینهسازی استراتژیهای سرمایهگذاری، مدیریت سبد سهام و عملیات معاملاتی به دست میآورند.
از طریق یک برنامه درسی با دقت انتخاب شده، شرکتکنندگان طیفی از موضوعات، از جمله معاملات الگوریتمی (LLM)، تکنیکهای متا-برچسبگذاری، استراتژیهای مدیریت سبد سهام، سرمایهگذاری فاکتوری، آربیتراژ آماری و پوشش ریسک برای خنثیسازی بازار را بررسی خواهند کرد.
در قلب هر سخنرانی، یک مقاله تحقیقاتی محوری قرار دارد که به عنوان پایهای برای بحث و تجزیه و تحلیل عمل میکند. این رویکرد، یک چارچوب قوی برای درک مبانی نظری و کاربردهای عملی ML در اختیار شرکتکنندگان قرار میدهد و درک عمیق و انتقادی از هر موضوع را تقویت میکند. مطالعه مقالات تحقیقاتی برای اعمال مفاهیم نظری در سناریوهای دنیای واقعی طراحی شده است و قابلیت کاربرد دانش به دست آمده را افزایش میدهد. این رویکرد، تفکر انتقادی و مهارتهای حل مسئله را تقویت میکند و شرکتکنندگان را برای چالشهای دنیای واقعی در مدیریت سرمایهگذاری آماده میکند.
این دوره جامع، طیف وسیعی از موضوعات را در بر میگیرد و با اصول اساسی یادگیری ماشین (ML) در سرمایهگذاری آغاز میشود، که در آن شرکتکنندگان با پتانسیل تحولآفرین ML در تغییر شکل استراتژیها و عملیات سرمایهگذاری آشنا میشوند.
شرکتکنندگان در متا-برچسبگذاری تسلط پیدا میکنند، یاد میگیرند که استراتژیهای معاملاتی را اصلاح کنند و عملکرد مدل را بهبود بخشند، و تکنیکهای بهینهسازی سبد سهام پیشرفته را بررسی خواهند کرد، از جمله تخصیص دارایی، مدیریت ریسک و تجزیه و تحلیل پیشبینیکننده. این برنامه درسی همچنین کاربرد ML در سرمایهگذاری فاکتوری و تحلیل بازار را پوشش میدهد، شناسایی و بهرهبرداری از عوامل بازار برای سرمایهگذاری استراتژیک.
علاوه بر این، شامل تکنیکهایی برای کشف فرصتهای آربیتراژ آماری و افزایش کارایی بازار است، که در نهایت به بررسی استراتژیهای ML برای پوشش ریسک و دستیابی به خنثیسازی بازار برای به حداقل رساندن قرار گرفتن در معرض نوسانات بازار ختم میشود. از طریق این سفر، این دوره شرکتکنندگان را به درک ظریف و مهارتهای عملی برای پیمایش در چشمانداز پیچیده ML در مدیریت سرمایهگذاری مجهز میکند.
سرفصل ها و درس ها
مقدمهای بر گروه مطالعه
Introduction to the Reading Group
درباره گروه مطالعه ما
About our Reading Group
یادگیری ماشین در مدیریت سرمایهگذاری
Machine Learning in Investment Management
فراتر از اقتصاد سنجی: نقشه راهی برای یادگیری ماشین
Beyond Econometrics: A Roadmap for Machine Learning
عدم تعادل جریان سفارش عمیق: استخراج آلفا در افقهای چندگانه
Deep Order Flow Imbalance: Extracting Alpha at Multiple Horizons
قیمتگذاری دارایی تجربی از طریق یادگیری ماشین
Empirical Asset Pricing Via Machine Learning
تکنیکها و دادههای یادگیری ماشین برای پیشبینی بازار سهام
Machine Learning Techniques and Data for Stock Market Forecasting
یک سیستم گروهبندی صنعتی همتا مبتنی بر هوش مصنوعی
An Artificial Intelligence-Based Industry Peer Grouping System
تشخیص سرنخ و خوشهبندی شبکه برای سریهای زمانی چند متغیره
Lead lag Detection and Network Clustering for Multivariate Time Series
اهمیت ویژگی: اثر انگشت مدل
Feature Importance: The Model Fingerprint
تعبیههای عصبی دادههای سری زمانی مالی
Neural Embeddings of Financial Time Series Data
مدلهای زبان بزرگ (LLMs) و معامله
Large Language Models (LLMs) and Trading
آیا ChatGPT میتواند حرکات قیمت سهام را پیشبینی کند؟
Can ChatGPT Forecast Stock Price Movements?
BloombergGPT: یک مدل زبان بزرگ برای امور مالی
BloombergGPT: A Large Language Model for Finance
اندازهبندی موقعیت با یادگیری ماشین (Meta-Labeling)
Position Sizing with Machine Learning (Meta-Labeling)
نظریه و چارچوب Meta-Labeling
Meta-Labeling Theory and Framework
نمایش نظرات