-
Показатели Альфа, Бета, коэффициент Шарпа: Расчеты в Python
В мире финансовых инвестиций необходимо уметь объективно оценивать эффективность портфеля и отдельных активов. Ключевые метрики: Альфа, Бета и коэффициент Шарпа — являются фундаментальными инструментами для принятия взвешенных инвестиционных решений. Эти показатели помогают численно оценить риск, доходность и эффективность вложений относительно рынка.…
-
Матричные операции в финансах и биржевой аналитике
Матрицы позволяют структурировать, анализировать и трансформировать финансовые данные с высокой точностью и скоростью. От простого расчета ковариационных матриц до сложных алгоритмов машинного обучения – матричные вычисления лежат в основе практически каждого серьезного количественного анализа на финансовых рынках. В этой статье я…
-
Тренды временных рядов: Как вычислить их направление и силу?
Выявление тренда временного ряда является must have задачей для любого биржевого аналитика. Однако зачастую это непростая задача — многие временные ряды настолько нелинейны и/или зашумлены, что в них не то что нельзя понять направление и силу тренда, но в принципе невозможно…
-
Массивы NumPy и Pandas. Техники дескриптивного анализа
В мире анализа данных сложно переоценить важность эффективных инструментов для работы с большими массивами информации. В этой статье я хочу поделиться своим опытом использования двух фундаментальных библиотек Python для анализа данных: NumPy и Pandas, а также рассказать о техниках дескриптивного анализа,…
-
Анализ фьючерса на Brent с помощью Pandas, Sklearn, Hmmlearn
Фьючерсы на Brent являются международным эталоном для мировых цен на нефть, их мониторят нефтяные трейдеры во всем мире. Они представляют собой контракты, которые обязывают покупателя приобрести, а продавца продать определенное количество нефти в будущем по цене, согласованной сегодня. Профессиональный анализ фьючерсов…
-
Основы диверсификации биржевых портфелей
Современные методы диверсификации существенно эволюционировали от классического подхода «не складывайте все яйца в одну корзину». Сегодня профессиональные управляющие в хедж-фондах используют сложные математические модели, которые учитывают не только корреляции между активами, но и их изменение в зависимости от рыночных условий, а…
-
Применение NumPy для финансового анализа
За годы работы в сфере data science я убедился, что правильно организованная работа с массивами данных может кардинально повысить качество аналитики и точность прогнозов. NumPy, как фундаментальная библиотека для научных вычислений в Python, предоставляет мощные инструменты, которые я ежедневно применяю в…
-
Основные метрики для анализа финансовых и биржевых данных
Независимо от того, разрабатываете ли вы алгоритмическую торговую систему, проводите исследования рынка или оцениваете производительность портфеля, понимание правильных метрик и их взаимосвязей — ключ к успеху. В этой статье мы рассмотрим не только общеизвестные показатели для анализа финансовых и биржевых данных,…
-
Волатильность акций, облигаций, деривативов. Как ее посчитать?
Волатильность — это статистический показатель, характеризующий изменчивость цены актива за определенный промежуток времени. По сути, это мера риска, связанного с ценовыми колебаниями финансового инструмента. Высокая волатильность означает значительные и частые изменения цены, в то время как низкая волатильность указывает на более…
-
Сезонность временных рядов. В чем отличие аддитивной от мультипликативной?
Сезонность — это регулярно повторяющиеся паттерны в данных, которые происходят с фиксированной периодичностью. Работая с разнообразными временными рядами, я неоднократно наблюдал эти циклические колебания в самых разных областях: от розничных продаж и туристических потоков до энергопотребления и финансовых показателей. Природа и…
Добро пожаловать на сайт Machine Learning Guru! Здесь вы найдете увлекательные статьи и полезные советы о data science, машинном обучении, нейронных сетях, финансовой и биржевой аналитике, веб-аналитике, прогнозировании данных, временных рядах и современных алгоритмах исскуственного интеллекта.
На сайте mlgu.ru представлены: гайды по исследованиям данных, примеры кода на Python, SQL и других языках программирования, примеры анализа данных и построения ML-моделей в различных сферах и проектах. Здесь вы также найдете обзоры новейших инструментов и библиотек data science и machine learning, а также сможете ознакомиться с лучшими практиками по оптимизации бизнес-процессов с помощью этих инструментов.