Dažniausiai Užduodami Klausimai

Nereikia turėti pažangių matematikos žinių — mūsų kursai pradedami nuo pagrindų. Supažindiname su pagrindinėmis regresijos ir klasifikacijos sąvokomis bei jų praktine taikyba finansiniams duomenims analizuoti. Jei jau žinote, ką reiškia vidutinis arba koreliacija, to pakanka, kad pradėtumėte.

Tai priklauso nuo jūsų tikslo ir šios momento žinių lygio. Pagrindines sąvokas galima suprasti per 4–6 savaites, jei mokotės nuosekliai. Tačiau praktinei taikymui su realiomis akcijų ar derivatų duomenimis, tikėtina, reikės dar 2–3 mėnesių, kad gebėtumėte savarankiškai paruošti duomenis ir interpretuoti modelio rezultatus.

ARIMA modeliai yra paprastesni, greitesni ir geriau veikia su trumpomis, stacionariomis laiko eilutėmis — pavyzdžiui, akcijų grąža. Neuroniniai tinklai yra lanksčiau, jie sugeba rasti sudėtingesnius modelius ir dažnai geriau tvarko nelinijines priklausomybes, bet reikalingi daugiau duomenų ir skaičiavimo resursų. Mūsų kurse parodome, kaip pasirinkti tinkamą modelį jūsų konkrečiam uždaviniui.

Taip. Mūsų „Realaus pasaulio taikymo pavyzdžiai" skyriuje aprašome praktines situacijas, su kuriomis susiduria finansų analitikai ir investuotojai Baltijos regione. Parodome, kaip paruošti ir prognozuoti duomenis, kurie yra aktualūs lokalinėms akcijoms, obligacijoms ir turto klasėms.

Python yra dažniausiai naudojama kalba šioje srityje, nes joje yra galingi bibliotekos kaip scikit-learn, pandas ir TensorFlow. Tačiau jei jau mokate R arba kitą kalbą su duomenų analizės bibliotekomis, tą galite naudoti. Mūsų mokymo medžiagoje primenu Python sintaksę, bet principai yra universalūs.

Tai vadinama „overfitting" ir tai dažnas iššūkis. Mūsų „Modelio validacija ir testavimas" kursas mokina, kaip naudoti cross-validation, test-train split ir regularizacijos technikas, kad išvengtumėte šios klaidų. Parodome konkretūs metrikų skaičiavimo būdus ir kaip suprasti, ar jūsų modelis bus naudingu realiame rinkoje.