
Салютов
Организатор
- Сообщения
- Монеты
- 0.0
- Оплачено
- 125
- Купоны
- 0
- Кешбэк
- 0
- Баллы
- 0
- @Skladchiki
- #1
Складчина: [Vesperfin] VesperfinCode: Поддержка. 4й поток (Арина Веспер)
- Ссылка на картинку
-
Каждый месяц мы разбираем новые темы, которые не вошли в основную программу курса VesperfinCode, но востребованы среди участников сообщества алготрейдеров.
Почему формирование портфеля через Data Science актуально:
Большинство трейдеров собирают портфели интуитивно, без математического обоснования
Классические подходы к диверсификации не учитывают современные реалии рынка
Крупные фонды используют сложные алгоритмы, недоступные розничным инвесторам
Нет структурированного материала по квантовому управлению портфелем на русском языке
Тема июня: Формирование торгового портфеля через Data Science
Подготовка данных и постановка бизнес-задачи (портфель из криптовалют + акции РФ + акции США)
Модели прогнозов доходностей: EWMA, ML-подходы (XGBoost, LightGBM, Ridge)
Прогнозирование ковариаций: Ledoit-Wolf shrinkage, GARCH/DCC, Copula модели
Оптимизация весов: Markowitz, Risk Parity, CVaR, Black-Litterman
Построение портфеля и контроль рисков
Стресс-тестирование и анализ устойчивости
3 онлайн-эфира с детальным разбором материала
3 дня прямой работы с кураторами в чате
Новые обучающие материалы и практические задания
Готовую систему построения оптимальных портфелей с полным кодом
Реальный портфель из 20+ активов (крипта + РФ + США)
Видеозаписи всех занятий в личном кабинете
Возможность влиять на программу следующих месяцев
Важно: Формат поддержки сфокусирован на изучении новых тем и материалов месяца
Требования: знание Python
Почему формирование портфеля через Data Science актуально:
Большинство трейдеров собирают портфели интуитивно, без математического обоснования
Классические подходы к диверсификации не учитывают современные реалии рынка
Крупные фонды используют сложные алгоритмы, недоступные розничным инвесторам
Нет структурированного материала по квантовому управлению портфелем на русском языке
Тема июня: Формирование торгового портфеля через Data Science
Подготовка данных и постановка бизнес-задачи (портфель из криптовалют + акции РФ + акции США)
Модели прогнозов доходностей: EWMA, ML-подходы (XGBoost, LightGBM, Ridge)
Прогнозирование ковариаций: Ledoit-Wolf shrinkage, GARCH/DCC, Copula модели
Оптимизация весов: Markowitz, Risk Parity, CVaR, Black-Litterman
Построение портфеля и контроль рисков
Стресс-тестирование и анализ устойчивости
3 онлайн-эфира с детальным разбором материала
3 дня прямой работы с кураторами в чате
Новые обучающие материалы и практические задания
Готовую систему построения оптимальных портфелей с полным кодом
Реальный портфель из 20+ активов (крипта + РФ + США)
Видеозаписи всех занятий в личном кабинете
Возможность влиять на программу следующих месяцев
Важно: Формат поддержки сфокусирован на изучении новых тем и материалов месяца
Требования: знание Python
Показать больше
Зарегистрируйтесь
, чтобы посмотреть авторский контент.