Искусственный интеллект в трейдинге: создание многоагентной системы количественных исследований (... скачать в хорошем качестве

Искусственный интеллект в трейдинге: создание многоагентной системы количественных исследований (...

В этом видео мы подробно разберем, как агентный ИИ в трейдинге меняет весь рабочий процесс исследования. Вместо того чтобы постоянно запрашивать информацию у одного ИИ и исправлять ошибки, вы создаете многоагентную количественную систему, где каждый агент ИИ выполняет определенную задачу — как в профессиональном аналитическом отделе. Вы увидите, как хедж-фонды используют агентные системы ИИ для параллельного тестирования тысяч торговых стратегий — и как вы можете применить тот же структурированный рабочий процесс в своих собственных количественных исследованиях. Мы рассмотрим: • Разработка гипотез • Инженерия данных • Автоматизация бэктестинга • Оценка производительности • Генерация блокнотов Jupyter • Риски, такие как галлюцинации, переобучение и слежка за данными Речь не идет о замене трейдеров. Речь идет об ускорении исследований и сокращении разрыва между идеей и альфа-доходностью. Если вы хотите создавать структурированные рабочие процессы ИИ для трейдинга, изучите полную программу «Агентный ИИ для трейдинга» (ссылка ниже). https://bit.ly/4qYYiyg Научитесь применять ИИ и машинное обучение в торговле на практике. Программа EPAT по машинному обучению и ИИ: https://bit.ly/46ZYaYe Бесплатный курс для начинающих в удобном для вас темпе: https://bit.ly/3OvsLqt Применение ИИ в торговых стратегиях: https://bit.ly/4qVQVrD ИИ в управлении портфелем: https://bit.ly/3N6FkrG 🎓 О спикере: Мохак Пачисия — старший количественный исследователь в QuantInsti, специализирующийся на разработке торговых стратегий, финансовом моделировании и количественных исследованиях. До прихода в QuantInsti он работал в Evalueserve, где руководил отделом обучения и развития в подразделении Risk and Quant Solutions. Мохак — выпускник EPAT, успешно сдавший все уровни программы Chartered Market Technician (CMT) и два уровня программы CFA. В настоящее время он получает сертификат по количественным финансам (CQF). Он также консультировал такие организации, как Upstox, Motilal Oswal, Spider Software и TradeSmart. Его специализация — упрощение сложных количественных задач и преобразование их в структурированные, реализуемые стратегии. Об EPAT Программа EPAT от QuantInsti — это структурированная программа обучения, ориентированная на алгоритмическую и количественную торговлю. Она делает акцент на разработке стратегий на основе Python, тестировании стратегий, управлении рисками и прикладных проектах под руководством наставников. Присоединяйтесь к EPAT — программе для руководителей по алгоритмической торговле: https://bit.ly/3MT92jV 📚 Основные темы: Что на самом деле означает агентный ИИ в торговле Почему рабочие процессы ИИ с одним запросом терпят неудачу Многоагентные системы количественных исследований Агент-конструктор гипотез Агент-поиск данных Агент-тестировщик бэктестов Агент-аналитик производительности Оркестратор ИИ / Генератор блокнотов Параллельное тестирование нескольких вариантов стратегий Риски: галлюцинации, подглядывание в данные, переобучение Человеческий контроль в рабочих процессах ИИ в торговле 🎯 Что вы узнаете: Почему большинство трейдеров «нянчатся с ИИ», вместо того чтобы использовать его правильно Как структурировать рабочие процессы торговли в модульные агенты ИИ Как хедж-фонды используют многоагентные системы для исследования альфа-доходности Как преобразовать простые идеи в проверяемые схемы Как автоматизировать сквозные конвейеры бэктестинга Три основные опасности использования ИИ в торговле Почему ИИ — это исследование Акселератор — не хрустальный шар ⏱️ Временные метки 0:00 Введение 0:14 Основная проблема — непроверенные торговые идеи 0:28 Почему использование ChatGPT похоже на «присмотр за ИИ» 1:07 Смена мышления — что такое агентный ИИ на самом деле 1:33 Как количественные фирмы используют многоагентные системы 2:14 Тестирование тысяч идей параллельно 2:39 Почему отдельные модели ИИ терпят неудачу в торговых процессах 3:27 Структура эстафеты (модульные агенты ИИ) 3:40 Разработчик гипотез — преобразование идей в проверяемые схемы 4:39 Поиск данных — получение и структурирование данных 5:08 Бэктестер — моделирование исторических сделок 5:27 Аналитик производительности — измерение доходности, CAGR, Шарпа, просадки 5:40 Оркестратор ИИ — автоматическая генерация Блокноты, готовые к исследованиям 6:06 Параллельное тестирование против традиционного подхода с одной идеей 6:26 Проверка реальности – Опасности агентного ИИ 6:38 Грех №1: Галлюцинация 6:53 Грех №2: Подглядывание в данные 7:09 Грех №3: Переобучение 7:19 Почему человеческое понимание по-прежнему важно 7:52 Создание полноценных агентных рабочих процессов (упоминание в курсе) 💡 Ключевые выводы: ИИ лучше всего работает в структурированных, модульных рабочих процессах Многоагентные системы уменьшают смешение логики и галлюцинации Скорость тестирования идей важнее, чем генерация идей Параллельное тестирование стратегий повышает эффективность исследований Человеческий контроль предотвращает переобучение и ложную альфа-уровень Агентный ИИ разрушает цикл о...