https://github.com/firmai/financial-machine-learning

یکی از بهترین repository های موجود در حوزه ML در فاینانس که شامل کلی پروژه های معتبر در این حوزه هست،

#Financial Machine Learning and Data Science

@machinelearningnet2

🌺🌺🌺

پرزنت های چند هفته اخیر رو در آپارات اپلود کردیم،
واقعا بعضی از پرزنت ها در حد یک کلاس فوق العاده تحلیل داده هستن.

میتونم بگم بدون اغراق بهترین دوره ای که برای ماشین لرنینگ در فاینانس در ایران ارائه شده، همین ۱۹ تا پرزنت ما هستن، دنبال هیچ دوره پولی اینا هم نرید🌺☺️

قسمت ۱-۸ در آپارات هست.

فصل ۹ . parameter tuning

https://www.aparat.com/v/NCqEz

فصل ۱۰ و ۱۱ . Backtest و مشکلاتش

https://www.aparat.com/v/wEykr

فصل ۱۲. مدلهای backtesting به کمک CV

https://www.aparat.com/v/aG1zf

فصل ۱۳. Backtesting on synthetic data

https://www.aparat.com/v/cRS8N

فصل ۱۴ . Backtest statistics

https://www.aparat.com/v/pMy6J

فصل ۱۵. Strategy risk

https://www.aparat.com/v/8egLh

فصل ۱۶ تا ۱۹ هم در دو هفته آینده ارائه و این کتاب هم تموم میکنیم.

@machinelearningnet2

با تشکر 🌹

فیسبوک بعد از prophet و انسامبل کردن با neuralprophet، حالا یک پکیج بهتری به اسم kats ارائه کرده که تعداد ۱۰ + مدل فورکاست رو ساپورت میکنه و نکته مهم اش استفاده از meta learning به عنوان یکی از مدلهای اصلی پیشبینی هست،
علاوه بر اون، میتونه پترن های تایم سری رو detect کنه و همچنین ۶۵ تا متافیچر تولید کنه و همچنان تایم سری جنریت کنه
دسترسی به پکیج در گیت هاب 👇

https://facebookresearch.github.io/Kats/

@machinelearningnet2

سلام دوستان

این گیت هاب، بهتون ۷ تا ابزار مختلف میده تا کارهای مثل محاسبه transaction cost, گرفتن داده از بلومبرگ، پلات داده ها، بک تست، و مدیریت ریسک رو انجام بدین، یک مجموعه از tool های فوق العاده بدرد بخوره ، که یک شرکت بصورت open source قرار داده هست

@machinelearningnet2

https://github.com/cuemacro/

برای دسترسی به اسلاید های کتاب
advances in financial machine learning
میتونید از لینک زیر، اسلایدهای خود پرفسور دپرادو ، استفاده کنید،

این اسلایدها دقیقا اسلایدهای پرزنت ما از کتاب نبود، و اسلایدهای ما کامل تر بود. اما این لینک بلاخره همه فصل ها رو یکجا داره

@machinelearningnet2


https://www.quantresearch.org/Lectures.htm

پرزنت همه فصول کتاب در آپارات در دسترس هست ،
https://www.aparat.com/DrSasanBarak


موفق باشین

#Stat #pvalue #مصیبت

@machinelearningnet2

سلام بر دوستان،
ما مدتی هست روی استارت اپ wealth tech خودمون داریم کار میکنیم، نیاز به دوستانی داریم که در زمینه deploy کردن کار و design pattern پروژه کار کردن. اگه کسانی خیلی حرفه ای توی این حوزه وارد هستن، لطفا به من در خصوصی پیام بدن، @sasanbarak

بزودی هم یک دوره دیگه از کتابخوانی رو باهم خواهیم داشت که بعدا اطلاع رسانی میکنم، 🌺🙏

ارادت

The M6 Financial Duathlon Competition

In the field of forecasting, accuracy in point and uncertainty prediction have always been critical in assessment. On the other hand, in finance the search for alpha reigns as the most important assessment criterion, where alpha measures the extent to which a strategy, trader or portfolio manager provides consistent excess returns relative to the market or some other benchmark, over a given period of time. Barometers related to the quest for alpha include the yearly “Active/Passive Barometer” from Morningstar, which usually indicates that active, professional investment managers do not beat, on average,
random stock selections.
At the same time, legendary investors like Warren Buffett, Peter Lynch and George Soros, as well as celebrated firms including Blackstone, Bridgewater Associates, Renaissance Technologies, DE Shaw, and many others have achieved phenomenal results over long periods of time, amassing returns impossible to justify by mere chance, and casting doubt among academics and market participants that believe
that long-run alpha is difficult to achieve, and that maxims such as the efficient markets
hypothesis drive the markets.
....
M6 competition on financial forecasting !

The M6 Financial Duathlon Competition

M6 competition on financial data😍

یه تعداد بورسیه های مختلف در رشته های مختلف و مقاطع مختلف رو براتون گاها میفرستم،

انگلیس
https://www.chevening.org/


لوزان
https://www.unil.ch/international/en/home/menuinst/etudiants-internationaux/etudiantes-internationaux-reguliers/bourses-master-de-lunil.html


بورسیه دکترا کانادا
همه رشته ها
+شهریه دانشگاه
+ پنجاه هزار دلار کانادا

https://vanier.gc.ca/en/home-accueil.html

آلمان
مقطع لیسانس
فوق لیسانس و دکترا
همه رشته ها
+
ماهی ۱۲۰۰ یورو
https://www.fes.de/studienfoerderung/bewerbung


استرالیا
https://www.anu.edu.au/study/scholarships/find-a-scholarship/international-postgraduate-research-scholarship-iprs

سویس

https://www.sbfi.admin.ch/sbfi/en/home/education/scholarships-and-grants/swiss-government-excellence-scholarships.html

دانشگاه epfl
https://www.epfl.ch/education/studies/en/financing-study/grants/excellence-fellowships/

دانشگاه IBM
https://www.imd.org/mba/financing/one-year-mba-program-scholarships/

موفق باشین

@machinelearning2

The 𝐌𝐚𝐜𝐡𝐢𝐧𝐞 & 𝐃𝐞𝐞𝐩 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐂𝐨𝐦𝐩𝐞𝐧𝐝𝐢𝐮𝐦, by Ori Cohen, is a great resource for core data science topics (stats, math, ML, DL, etc). It provides a short summary and links for more detailed resources such as 𝐨𝐩𝐞𝐧-𝐬𝐨𝐮𝐫𝐜𝐞 applications, articles, Youtube videos, online courses, covering more than 500 𝐭𝐨𝐩𝐢𝐜𝐬. This project deployed on #Github book (with close to 600 𝐬𝐭𝐚𝐫𝐬!) and is available here:

https://lnkd.in/g8QyeZNA

Here are some of the topics:
- Calculus
- Probability and statistics
- Normalization and scaling
- Anomaly detection
- Time series
- Regularization
- Clustering
- Decision trees
- Deep Neural Nets
- Natural Language Processing
- Reinforcement Learning

The Difference between Raw Data and the Stories Data can tell :)

@machinelearningnet2

📑 This document by Google is intended to help those with a basic knowledge of machine learning get the benefit of Google's best practices.

👉🏼 Who can read? If you have taken a class in machine learning, or built or worked on a machine­-learned model, then you have the necessary background to read this document.

🔗 Link: https://developers.google.com/machine-learning/guides/rules-of-ml

Hi group

The Introduction to Statistical Learning book got an update. PDF is available for free:

https://www.statlearning.com/

@machinelearningnet2

این خیلی جالب بود!

https://analyticsindiamag.com/yann-lecun-paper-rejected/

مقاله یان لکون هم ریجکت میشه😉، از ریجکت شدن مقلات خود نترسید و اگه به کارتون ایمان دارید، دلسرد نشود 🌺

@machinelearningnet2

مسابقه algotrading دانشجویی

Ready Trader Go
https://readytradergo.optiver.com/

مدلهای generative بزودی کلی کاربرد جذاب حتی در فاینانس هم خواهند داشت، یکی از این کاربرد ها، بحث های privacy دیتاهای مالی خواهد بود، یک کاربرد دیگر رو توی پرزنت کتاب دپرادو اشاره کردیم،

@machinelearningnet2

https://www.amazon.science/publications/probabilistic-forecasting-a-level-set-approach The paper suggests a method for turning any point prediction algorithm (such as XGBoost with MSE as the loss function) into a probabilistic one (outputting quantile predictions). Are you happy with your point prediction model and want to enhance it to predict conditional distributions?

I like Tim's works: https://www.amazon.science/author/tim-januschowski