机器学习(Machine Learning,缩写ML)相关的技术已经在金融投资领域得到了非常广泛的应用,例如:价格(收益)预测、算法交易、组合优化、风险管理、基金评价等。
在大方向上,机器学习的具体分类包括:
监督学习(Supervised Learning)
非监督学习(Unsupervised Learning)
强化学习(Reinforcement Learning)
过去几年里,社区中已经有不少用户在尝试将各种机器学习技术和VeighNa平台结合起来,实现更加高效地开发量化交易策略。2023年VeighNa小班特训营将首次推出机器学习相关的主题,分享机器学习技术在CTA策略领域的应用!
目前已经有部分名额被提前报名锁定,感兴趣的同学请抓紧。老规矩还是放几张之前课程的照片:
准备完毕,静候同学们到达学习量化,先从掌握核心框架深入代码,分析策略逻辑细节
所有小班特训营时间定在周末两天,一共包含周六周日两个下午共计10+小时的课程,设立特训营专属答疑群,包括后续三个月的助教跟踪辅导,提供VeighNa小班特训营专属内部核心资料。
线下课程的地点在上海浦东,不方便来上海的同学我们也提供远程线上听课(直播+录播)。对于所有参加小班特训营的学员,在课程结束后都会拿到课程的完整录播视频,可永久回看。
VeighNa机器学习CTA
日期:2023年7月1日(周六)和7月2日(周日)
时间:两天下午1点-6点,共计10小时
大纲:
搭建机器学习环境
选择合适的硬件机器和操作系统
VeighNa和GPLearn开发环境准备
针对机器学习的高性能数据存储
认识遗传规划学习
从【先有逻辑、后有公式】到【先有公式、后有逻辑】
算法基础:种群生成、适应度评价、自然选择、组合变异
数据集的拆分处理:训练集、验证集、测试集
上手CTA特征工程
基础特征数据的清洗准备:加载、预处理、缓存
梳理GPLearn内置特征函数:参数分类、边界情况处理
时序类特征函数的扩展开发:技术指标类、统计模型类
-
适应度评价的选择
适合量化交易的Fitness适应度评价体系
简单的收益率相关性:不依赖历史回测
全面的回测统计值:向量化策略回测框架
策略开发实战应用
机器学习CTA的三部曲:特征、信号、策略
趋势跟踪和震荡反转两种信号的实现
CTA策略中的细节:资金管理、止损风控、平仓出场
价格:11999元(老学员和Elite会员可享受相应折扣)
报名方式和之前一样,请发送邮件到vn.py@foxmail.com,注明想参加的课程、姓名、手机、公司、职位即可。或者也可以扫描下方二维码添加小助手咨询报名:
课程对于之前参加过小班特训营的学员优先开放。