<?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>quantitative analysis &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/quantitative-analysis/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Thu, 20 Nov 2025 21:49:32 +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>quantitative analysis &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<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>Stock Sell-Off или массовые сбросы акций: причины, кейсы, стратегии трейдинга</title>
		<link>https://mlgu.ru/3681/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Tue, 22 Jul 2025 10:39:36 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[поиск закономерностей]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3681</guid>

					<description><![CDATA[Анализируя биржевые данные уже более 10 лет я пришел к выводу, что в периоды массовых распродаж акций рынок ведет себя не хаотично, а вполне предсказуемо. В отличие от популярных взглядов финансовых аналитиков, которые любят рассуждать о &#171;панике на рынках&#187; и &#171;эмоциональных продажах&#187;, реальная механика sell-off&#8217;ов гораздо интереснее и, что важнее, более предсказуема для тех, кто [&#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>Этапы разработки биржевых торговых стратегий</title>
		<link>https://mlgu.ru/2632/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 01 Jun 2025 11:20:31 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[алгоритмические стратегии]]></category>
		<category><![CDATA[арбитражная торговля]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[маржинальная торговля]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2632</guid>

					<description><![CDATA[Торговля на финансовых рынках — это не только про цифры, графики и миллионы. Это прежде всего искусство принятия решений, основанное на системном подходе, аналитике данных и глубоком понимании законов рынка. Заключать прибыльные сделки &#8212; не самое сложное. Многие трейдеры сталкиваются с куда более сложной проблемой: как превратить интуитивные мысли в стабильную и воспроизводимую торговую систему? [&#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>
		<item>
		<title>Расчет показателей доходности и риска биржевой торговли на Python</title>
		<link>https://mlgu.ru/1876/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 08 May 2025 17:04:33 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[garch]]></category>
		<category><![CDATA[keras]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1876</guid>

					<description><![CDATA[В данной статье я хочу поделиться опытом использования Python для расчета ключевых показателей доходности и риска биржевой торговли. Я рассмотрю как классические метрики, так и более продвинутые подходы, используемые в профессиональных инвестиционных компаниях и хедж-фондах. Основы анализа доходности и риска Прежде чем погружаться в технические детали и код, давайте выясним, что именно мы хотим измерять [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Модели GARCH: моделирование волатильности</title>
		<link>https://mlgu.ru/1778/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 05 May 2025 22:24:44 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[garch]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1778</guid>

					<description><![CDATA[Модели GARCH (Generalized Autoregressive Conditional Heteroskedasticity) представляют собой мощный инструмент для анализа и прогнозирования волатильности. И хотя данные модели уже не новы (появились в конце 1980х гг), и не лишены недостатков и ограничений, многие финансовые институты и аналитики по-прежнему их широко применяют, а понимание внутреннего механизма этих моделей создает прочный фундамент для разработки более совершенных [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Показатели Альфа, Бета, коэффициент Шарпа: Расчеты в Python</title>
		<link>https://mlgu.ru/1645/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sat, 03 May 2025 14:05:54 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[оптимизация портфеля]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[стат анализ]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1645</guid>

					<description><![CDATA[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. В этой статье я детально рассмотрю природу этих важнейших коэффициентов, проанализирую их математическую основу [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Кто такие квант-аналитики (Quantitative Analysts) и чем они занимаются?</title>
		<link>https://mlgu.ru/1215/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 24 Apr 2025 07:22:09 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[машинное обучение]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<category><![CDATA[управление рисками]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=1215</guid>

					<description><![CDATA[В нашей стране профессия &#171;Квант&#187; &#8212; это большая редкость. Большинству россиян не понятно кто такие квант-аналитики (Quantitative Analysts) и какую ценность они приносят бизнесу и финансовым рынкам. Между тем в западных странах это крайне востребованная и высокооплачиваемая специальность. В эпоху, когда данные стали новой нефтью, а алгоритмы превратились в мощные инструменты извлечения прибыли, роль этих [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
