Kontakt aufnehmen

Schulungsübersicht

KI im Handels- und Asset-Management-Landscape

  • Trends im algorithmischen und KI-basierten Handel
  • Überblick über quantitative Finanzarbeitsabläufe
  • Wichtige Tools, Plattformen und Datenquellen

Arbeit mit Finanzdaten in Python

  • Umgang mit Zeitreihendaten mittels Pandas
  • Datenbereinigung, Transformation und Feature Engineering
  • Finanzindikatoren und Signal-Konstruktion

Überwachtes Lernen für Handelssignale

  • Regressions- und Klassifikationsmodelle zur Marktvorhersage
  • Bewertung prädiktiver Modelle (z. B. Genauigkeit, Präzision, Sharpe-Ratio)
  • Fallstudie: Erstellung eines ML-basierten Signalgenerators

Unüberwachtes Lernen und Marktregime

  • Clustering für Volatilitätsregime
  • Dimensionsreduktion zur Musternerforschung
  • Anwendungen im Basket-Trading und Risikogruppenbildung

Portfolio-Optimierung mit KI-Techniken

  • Markowitz-Rahmenwerk und dessen Einschränkungen
  • Risk Parity, Black-Litterman und ML-basierte Optimierung
  • Dynamisches Rebalancing mit prädiktiven Eingaben

Backtesting und Strategiebewertung

  • Verwendung von Backtrader oder benutzerdefinierten Frameworks
  • Risikoadjustierte Performance-Kennzahlen
  • Vermeidung von Overfitting und Look-Ahead-Bias

Bereitstellung von KI-Modellen im Live-Handel

  • Integration mit Handels-APIs und Execution-Plattformen
  • Modellüberwachung und Re-Training-Zyklen
  • Ethische, regulatorische und operative Überlegungen

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Statistik und Finanzmärkten
  • Erfahrung mit Python-Programmierung
  • Vertrautheit mit Zeitreihendaten

Zielgruppe

  • Quantitative Analysten
  • Handelsfachleute
  • Portfolio-Manager
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien