[Quantra Quantinsti] Neural Networks in Trading (Artificial Intelligence in Trading) by Dr. Ernest P. Chan

[Quantra Quantinsti] Neural Networks in Trading (Artificial Intelligence in Trading) by Dr. Ernest P. Chan

Нейронные сети в трейдинге на Python (Искусственный интеллект в торговле), д-р Эрнест П. Чан
(Neural Networks in Trading (Artificial Intelligence in Trading) by Dr. Ernest P. Chan)​

Видеокурс на англ. языке + англ. субтитры + исходный код на Python. Ниже представлен перевод описания курса на русский язык и его оригинальное описание на английском (под спойлером).

Курс учит как реализовать на Python искусственный интеллект в своей торговой стратегии, используя Нейронные сети (Neural Networks). Особая ценность курса - экспертные знания из опыта д-ра Эрнеста П. Чана (Dr. Ernest P. Chan) в области искусственного интеллекта и количественной торговли за последние два десятилетия.

«Нейронные сети в трейдинге» - второй и продвинутый курс из серии «Искусственный интеллект в трейдинге» доктора Эрнеста Чана. Затрагиваются такие основные понятия, как обратное и прямое распространение (back and forward propagation), а также использования моделей LSTM в Keras. Для продвинутых пользователей есть дополнительные материалы для чтения. Курс ведет всемирно известный эксперт по количественной торговле доктор Чан и обучает прогнозированию финансовых рынков с помощью нейронных сетей.

С ПОМОЩЬЮ КУРСА ВЫ НАУЧИТЕСЬ

• Выявить торговые возможности на сырьевых финансовых рынках, используя нейронные сети и глубокое обучение
• Создавать автоматизированные стратегии, используя эти идеи и модели прогнозирования
• Кодировать искусственные нейронные сети и глубокие нейронные сети, используя Sklearn и Keras
• Применять рекуррентные нейронные сети и модели долгосрочной кратковременной памяти (LSTM) в торговле
• Тестировать эти модели на разных наборах данных для оптимизации стратегий прогнозирования
• Определять сценарии, в которых эти модели работают лучше всего

Спойлер: ОРИГИНАЛЬНОЕ ОПИСАНИЕ НА АНГЛИЙСКОМ

Learn end to end implementation of Artificial Intelligence in your trading strategy using techniques like Neural Networks. With added expert insights from Dr. Ernest P. Chan’s experiences in Artificial intelligence and Quantitative trading over two decades.

This advanced course teaches how to identify trading opportunities from raw financial markets using Neural Networks and Deep Learning. And learn to create automated trading strategies.

COURSE OVERVIEW

‘Neural Networks in Trading’ is the second and advanced course in the series ‘Artificial Intelligence in Trading’ by Dr. Ernest Chan. This is a fast-paced course which aims to achieve a lot in a minimal time. From core concepts such as back and forward propagation to using LSTM models in Keras, everything is covered in a simplified manner with additional reading material provided for advanced learners. Taught by the world-renowned quantitative trading expert, Dr Chan, the content is crisp and focused on financial markets prediction problems. Get hands-on coding experience and downloadable strategies to continue learning post course completion.

COURSE MODULES

Section 1: Neural Networks in Trading
How a neuron works; Forward propagation, Backward propagation; Prediction of next day returns using the Sklearn library in Python

Section 2: Deep Learning models in Keras
Using Keras to create deep learning models; Features of Keras: dense, activation, dropout, model checkpoint; Cross Entropy loss function

Section 3: Recurrent Neural networks for financial markets data
Understanding the vanishing & exploding gradients problem; Recurrent neural networks as a solution to that problem; continue coding in Keras

Section 4: Long Short term memory model
Simplifying the working of the complex LSTM model; modelling it in Keras; and using it in financial markets to predict the entries and exits of trade

Section 5: Hyperparameter tuning in Keras
Automating the hyperparameter tuning in Keras using Grid search and cross validation techniques; understanding the different parameters which result in overfitting and poor results in live markets

Section 6: Challenges in Live Trading
Learn how to overcome the challenges in live trading and perform a simulation of the model deployment

WHAT WILL YOU LEARN

• To identify trading opportunities from raw financial markets using neural networks and deep learning
• To create automated strategies using those insights and prediction models
• How to code artificial neural networks and deep neural networks using Sklearn and Keras
• Application of Recurrent Neural Networks and Long Short Term Memory (LSTM) model in trading
• To test these models on different data sets to optimize your prediction strategies
• Identify scenarios where these models perform best
• To install necessary softwares and run the Python strategy codes provided on your personal machines

ABOUT THE AUTHOR

Dr. Ernest P. Chan
Ernie is the Managing Member of QTS Capital Management, LLC., a commodity pool operator and trading advisor. QTS manages a hedge fund as well as individual accounts. He has worked in IBM human language technologies group where he developed natural language processing system which was ranked 7th globally in the defense advanced research project competition. He also worked with Morgan Stanley’s Artificial intelligence and data mining group where he developed trading strategies.
Ernie is the author of "Quantitative Trading: How to Build Your Own Algorithmic Trading Business" and "Algorithmic Trading: Winning Strategies and Their Rationale", both published by John Wiley & Sons. He maintains a popular blog "Quantitative Trading" at epchan.blogspot.com.

===Все курсы по алготрейдингу на Python от Quantra Quantinsti===