| Kursbeschreibung (description): |
Teilnehmende lernen anhand von Finanzmarktdaten Methoden der Zeitreihenanalyse wie Autokorrelation, ARMA-Modelle, Trends, Regression und Prognoseerstellung kennen. Ergänzend werden Verfahren des Machine Learning wie Regularisierung und Random Forests angewendet. Behandelt werden zudem Value-at-Risk, Prognoseintervalle mit Bootstrapping und Expected Shortfall als Risikomaß.
|
|
| Zielgruppe (target group): |
|
|
| Voraussetzungen (requirements): |
|
|
| Ziele (objectives): |
Grundlegende Zeitreihenanalyse, Analyse von Devisenkursen, Anwendung von maschinellem Lernen, Value-at-Risk-Konzept.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
- Motivation, Aufbereitung der Daten und explorative Datenanalyse in Pandas und Matplotlib
- Grundlagen der Zeitreihenanalyse mit statsmodels:
- Autokorrelation, ARMA Modelle, Regression, Trends, Stationarität, Prognoseerstellung, Prognoseevaluation
- Analyse von anderen Variablen, die mit der Wechselkursentwicklung assoziiert sind
- ML Prognosen mit scikit-learn:
- Regularisierung, Random Forests, etc.
- Schätzung von Prognoseintervallen und Value at Risk/Expected Shortfall mit Hilfe von Bootstrapping
- Praktische Beispiele und Übungen zur Anwendung der gelernten Methoden
|
|
|
