<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>квантитативный анализ &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/kvantitativnyj-analiz/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Fri, 14 Nov 2025 22:05:03 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://mlgu.ru/wp-content/uploads/2025/06/mlguru-icon-150x150.png</url>
	<title>квантитативный анализ &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Бэктестинг: что это такое и как правильно его проводить</title>
		<link>https://mlgu.ru/6131/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 09 Nov 2025 13:58:05 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6131</guid>

					<description><![CDATA[Перед тем как запускать стратегию в реальную торговлю, ее много раз прогоняют на исторических данных. Бэктестинг — это тестирование стратегии на прошлых котировках, чтобы увидеть, как она вела бы себя в реальных рыночных условиях. Данный процесс позволяет заранее выявить слабые места стратегии и избежать ненужных потерь. Качественный бэктест требует понимания не только программирования, но и [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Жадные алгоритмы: базовые принципы и их применение в количественном анализе</title>
		<link>https://mlgu.ru/5649/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 25 Oct 2025 10:07:11 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[feature engineering]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[корреляции]]></category>
		<category><![CDATA[оптимизация портфеля]]></category>
		<category><![CDATA[хеджирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5649</guid>

					<description><![CDATA[Жадные алгоритмы представляют класс методов оптимизации, которые принимают локально оптимальные решения на каждом шаге без пересмотра предыдущих выборов. В количественном анализе такой подход находит применение в задачах отбора активов, оптимизации исполнения ордеров и построения предиктивных моделей. Эффективность жадных алгоритмов обусловлена низкой вычислительной сложностью — большинство реализаций работают за O(n log n) или O(n²), что позволяет [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Топ-10 API для биржевой торговли</title>
		<link>https://mlgu.ru/5419/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 20 Oct 2025 16:45:28 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[арбитражная торговля]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[платформы для биржевой торговли]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5419</guid>

					<description><![CDATA[Современная алгоритмическая торговля требует надежного доступа к рыночным данным и возможности автоматического исполнения ордеров. API биржевых брокеров и поставщиков данных решают обе задачи, предоставляя программный интерфейс для получения котировок, исторических данных и управления позициями. Выбор правильного API влияет на скорость исполнения стратегий, качество данных для бэктестинга и общую эффективность торговой системы. В этой статье я [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Сколько зарабатывают кванты в США</title>
		<link>https://mlgu.ru/3923/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 30 Aug 2025 02:45:31 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[машинное обучение]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3923</guid>

					<description><![CDATA[Сфера количественных финансов продолжает активно развиваться благодаря новым технологиям и инновациям, в частности Machine Learning и AI. Спрос на квалифицированных специалистов в области квантовой аналитики и биржевой торговли остается высоким во всем мире, за лучшими спецами идет настоящая охота, хотя разумеется самые высокие зарплаты предлагают в США. Ниже представлен обзор шестерки карьерных направлений с данными [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Робастная оптимизация портфеля: методы улучшения диверсификации</title>
		<link>https://mlgu.ru/3641/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 21 Jul 2025 15:24:32 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[cvxpy]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[оптимизация портфеля]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3641</guid>

					<description><![CDATA[В мире инвестиций неопределенность — это, пожалуй, единственная константа. За годы работы с количественными моделями и алгоритмами я не раз убеждался, что классические подходы к формированию инвестиционных портфелей часто разбиваются о реальность рынка. Причина проста: равное разделение активов снижает доходность, но не снижает риски, в то время как классические методы оптимизации, такие как модель Марковица, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Расчет метрик прибыльности биржевых стратегий с помощью Python</title>
		<link>https://mlgu.ru/3436/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 15 Jul 2025 21:22:29 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[методы оценки]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3436</guid>

					<description><![CDATA[В этой статье я предлагаю рассмотреть профессиональный подход к расчету прибыльности торговых стратегий с помощью Python. Правильная оценка эффективности стратегий является краеугольным камнем успешного алгоритмического трейдинга. Но не все знают как это готовить. Большинство начинающих трейдеров ограничиваются расчетом общей доходности и процента прибыльных сделок, однако такой подход игнорирует временную структуру доходности и риски. Стратегия может [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Символьные вычисления на Python в количественном анализе</title>
		<link>https://mlgu.ru/3110/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 03 Jul 2025 15:27:33 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3110</guid>

					<description><![CDATA[В финансовом и количественном анализе часто возникает необходимость работать не только с числовыми данными, но и с аналитическими выражениями. Символьные вычисления позволяют манипулировать математическими выражениями в их естественном, символьном виде, сохраняя точность и открывая возможности для аналитических решений там, где численные методы показывают свои ограничения. В этой статье я поделюсь своим опытом использования символьных вычислений [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Что такое Альфа-доходность и как ее получить?</title>
		<link>https://mlgu.ru/2657/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 07 Jun 2025 04:18:52 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2657</guid>

					<description><![CDATA[Термин Альфа-доходность подразумевает генерацию прибыли независимо от движения рынка. Создать стратегию, генерирующую альфа-доходность &#8212; мечта большинства инвесторов и трейдеров, кто занимается биржевой торговлей. Определение и сущность альфа-доходности Альфа-доходность (Alpha) представляет собой избыточную доходность инвестиционного портфеля относительно ожидаемой доходности, рассчитанной на основе систематического риска актива. В рамках модели CAPM (Capital Asset Pricing Model) альфа определяется следующим [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Изучаем опционы на Netflix: комплексный анализ и стратегии</title>
		<link>https://mlgu.ru/2214/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 14 May 2025 16:31:12 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[xgboost]]></category>
		<category><![CDATA[биржевые инструменты]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[опционы]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2214</guid>

					<description><![CDATA[Стоимость акций Netflix, одного из мировых лидеров стриминговой индустрии, перешагнула отметку в $1000 и демонстрирует значительную волатильность, что делает этот актив привлекательным инструментом для опционной торговли. Как специалист в области анализа данных и количественных исследований, я решил провести исследование опционов на Netflix, возможных стратегий торговли и поделиться с вами его результатами. Типы опционов на Netflix [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Основы количественного анализа и моделирования финансовых рынков</title>
		<link>https://mlgu.ru/2070/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 10 May 2025 11:22:29 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[garch]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[вероятностные модели]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2070</guid>

					<description><![CDATA[В основе большинства успешных инвестиционных стратегий лежит холодный расчет. Не интуиция, не рыночные слухи, не индикаторы, а строгие формулы и алгоритмы, способные обработать потоки информации быстрее любого человека. Сегодня рынок движется не только деньгами, но и данными — огромными массивами цен, объемов, новостей, макроэкономических показетелей. И именно математические модели позволяют превращать этот хаос в упорядоченные [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
