Podstawy analizy rynku finansowego z wykorzystaniem AI
Większość inwestorów indywidualnych ma dostęp do tych samych narzędzi co profesjonaliści, ale nie wie, jak je czytać. Ten kurs skupia się na tym, co AI rzeczywiście robi z danymi rynkowymi: jak przetwarza szeregi czasowe, jak identyfikuje korelacje między aktywami i gdzie popełnia systematyczne błędy.
Przejdziemy przez konkretne platformy: Bloomberg Terminal z funkcjami ML, Refinitiv Eikon oraz otwarte biblioteki Pythona takie jak FinTA i yfinance. Zamiast ogólnych wyjaśnień, pracujesz na prawdziwych danych historycznych z ostatnich 5 lat i analizujesz, kiedy modele predykcyjne zawodziły i dlaczego.
Kurs nie obiecuje, że po jego ukończeniu będziesz zarabiać na giełdzie. Uczy natomiast, jak odróżnić sygnał od szumu w raportach generowanych przez algorytmy, jak weryfikować założenia modelu i kiedy warto zaufać analizie maszynowej, a kiedy nie.
Dla kogo jest ten kurs
Dla analityków finansowych, którzy słyszą o AI od swoich przełożonych i chcą wiedzieć, co za tym stoi. Dla osób z podstawową znajomością Pythona, które chcą zastosować go w kontekście rynków finansowych. Nie jest to kurs dla kompletnych początkujących w finansach.
Program
Szczegółowy zakres materiału - co obejmuje ten program i w jakiej kolejności jest realizowany.
Program kursu
- Moduł 1: Jak AI przetwarza dane rynkowe - szeregi czasowe, dane tick-by-tick, dane alternatywne
- Moduł 2: Przegląd narzędzi - Bloomberg ML, Refinitiv, Python (yfinance, FinTA, scikit-learn)
- Moduł 3: Modele predykcyjne w praktyce - LSTM, Random Forest, XGBoost na danych giełdowych
- Moduł 4: Analiza sentymentu z danych newsowych i raportów kwartalnych
- Moduł 5: Weryfikacja modeli - backtesting, overfitting, błędy look-ahead
- Moduł 6: Interpretacja wyników AI w kontekście decyzji inwestycyjnych
Materiały dodatkowe
- Zestaw notebooków Jupyter z kodem do każdego modułu
- Dostęp do historycznych danych rynkowych (5 lat, indeksy europejskie i US)
- Lista błędów, które popełniają modele AI w warunkach wysokiej zmienności