Ce cours fournit les bases pour développer des stratégies de trading avancées en utilisant des techniques d'apprentissage automatique. Dans ce cours, vous passerez en revue les éléments clés communs à toutes les stratégies de trading, quelle que soit leur complexité. Vous serez initié à de multiples stratégies de trading, y compris le trading quantitatif, le trading de paires et le trading de momentum. À la fin du cours, vous serez en mesure de concevoir des stratégies de trading quantitatives de base, de construire des modèles d'apprentissage automatique en utilisant Keras et TensorFlow, de construire un modèle de prédiction de stratégie de trading par paire et de le tester, et de construire un modèle de trading basé sur le momentum et de le tester. Pour réussir ce cours, vous devez avoir des compétences avancées en programmation Python et être familier avec les bibliothèques pertinentes pour l'apprentissage automatique, telles que Scikit-Learn, StatsModels, et Pandas. Une expérience de SQL est recommandée. Vous devez avoir des connaissances en statistiques (valeurs attendues et écart-type, distributions gaussiennes, moments supérieurs, probabilités, régressions linéaires) et une connaissance fondamentale des marchés financiers (actions, obligations, produits dérivés, structure du marché, couverture).


Utilisation de l'apprentissage automatique dans la négociation et la finance
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant


Utilisation de l'apprentissage automatique dans la négociation et la finance
Ce cours fait partie de Spécialisation "L'apprentissage automatique pour la négociation"

Instructeur : Jack Farmer
30 605 déjà inscrits
Inclus avec
379 avis
Expérience recommandée
Ce que vous apprendrez
Concevoir des stratégies commerciales quantitatives de base
Utiliser Keras et Tensorflow pour construire des modèles d'apprentissage automatique
Construisez un modèle de prédiction de stratégie de trading par paire et testez-le.
Construisez un modèle de trading basé sur le momentum et testez-le.
Compétences que vous acquerrez
- Catégorie : Tendance du marché
- Catégorie : Analyse technique
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Pipelines de données
- Catégorie : Évaluation du modèle
- Catégorie : Analyse de corrélation
- Catégorie : Apprentissage statistique des machines
- Catégorie : Prétraitement des données
- Catégorie : Modèle de formation
- Catégorie : Ingénierie des fonctionnalités
- Catégorie : Négociation de titres
- Catégorie : Apprentissage automatique
- Catégorie : Mesure de la performance
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Négociation financière
- Catégorie : Apprentissage profond
- Catégorie : Données du marché
Outils que vous découvrirez
- Catégorie : Keras (bibliothèque de réseaux neuronaux)
- Catégorie : Tensorflow
- Catégorie : Programmation Python
Détails à connaître

Ajouter à votre profil LinkedIn
2 devoirs
91%
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 5 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeur

En savoir plus sur Apprentissage automatique

Google Cloud

New York Institute of Finance

Google Cloud

New York University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
43,42 %
- 4 stars
24,73 %
- 3 stars
15 %
- 2 stars
8,15 %
- 1 star
8,68 %
Affichage de 3 sur 379
Révisé le 27 juin 2022
Although the often glitches in the Google Cloud platform prevented me to complete the exercises, the course material is very useful.
Révisé le 17 sept. 2022
Very Good Course, Rich in Material, Very useful.Only some lab can not successfully functional. ( wihile downloading stock data )
Révisé le 26 janv. 2020
I enjoyed the course. Well organized, Good topics.I miss more projects, higher challenge in the projects. (more TODO)There was no practice of Kalman filters.links on the slides are not accessible :-(
Foire Aux Questions
Plus de questions
Aide financière disponible,






