友情链接:
合作联系
|
ASPEN培训课程
金融领域数据分析和量化交易人员，具备编程基础，希望将机器学习技术应用于证券技术面与基本面分析的从业者。
掌握监督式学习、半监督式学习及深度学习在证券分析中的应用方法，能够运用机器学习算法预测股票进出场时机，提升量化投资决策能力。
一、 监督式学习算法计算逻辑：深入讲解线性回归、逻辑回归、决策树、支持向量机等监督学习算法的数学原理和计算逻辑。
二、 半监督式学习算法解析：理解半监督学习的基本思想，学习自训练、协同训练等半监督方法在金融数据中的应用。
三、 深度学习算法计算逻辑：掌握神经网络、LSTM、Transformer等深度学习模型的原理，理解其在时序金融数据中的优势。
四、 股票技术面特征工程：学习从量价数据中提取技术指标（MACD、KDJ、RSI等）的方法，构建技术面特征体系。
五、 股票基本面特征构建：掌握从财报数据中提取盈利能力、成长性、估值水平等基本面特征的技术。
六、 多源数据融合方法：学习将技术面、基本面、市场情绪等多源数据融合的综合特征构建方法。
七、 半监督学习股票预测实战：应用半监督学习算法，结合少量标注数据和大量未标注数据，构建股票走势预测模型。
八、 深度学习进出场时机预测：使用深度神经网络或LSTM，基于历史数据训练模型，预测股票最佳进出场时机。
九、 模型回测与评估：学习回测框架的搭建方法，掌握夏普比率、最大回撤、年化收益率等绩效评估指标的计算与解读。
十、 风险控制模型集成：将预测模型与风险控制策略结合，构建完整的量化交易系统。
十一、 实盘策略设计与优化：基于历史回测结果，优化交易策略参数，提升策略的稳健性和适应性。
十二、 案例实战：多因子选股模型：通过完整案例，从数据获取、特征工程、模型训练到策略回测，完成多因子选股模型的全流程构建。
