Машинное обучение в инвестициях: практический курс
Научитесь применять алгоритмы машинного обучения для анализа финансовых рынков. Программа разработана для тех, кто хочет разобраться в применении современных методов обработки данных в инвестиционных стратегиях.
Длительность обучения
10 месяцев интенсивной работы с реальными финансовыми данными и практическими задачами
Формат занятий
Комбинация онлайн-лекций, практических семинаров и самостоятельной работы над проектами
Начало программы
Следующий набор открывается в марте 2026 года для группы из 25 участников
Структура программы
Курс построен по модульному принципу. Каждый блок включает теоретическую часть и практические задания на реальных данных. Вы будете работать с историческими котировками, финансовой отчётностью компаний и макроэкономическими показателями.
Основы анализа финансовых данных
Начнём с фундамента — как собирать, очищать и подготавливать финансовые данные. Разберёмся с временными рядами, научимся работать с различными источниками информации и понимать специфику финансовых показателей.
- Работа с временными рядами и котировками
- Статистический анализ доходности активов
- Обработка пропущенных данных
- Визуализация финансовой информации
Методы машинного обучения для прогнозирования
Изучим основные алгоритмы, которые применяются в финансовой индустрии. От классических регрессионных моделей до ансамблевых методов. Каждый алгоритм рассмотрим на практических примерах с финансовыми данными.
- Линейные модели и их ограничения
- Деревья решений для классификации активов
- Случайный лес и градиентный бустинг
- Оценка качества прогнозов
Построение торговых стратегий
Научимся создавать и тестировать инвестиционные стратегии на основе моделей машинного обучения. Особое внимание уделим проблемам переобучения и корректному бэктестингу на исторических данных.
- Формирование торговых сигналов
- Тестирование стратегий на истории
- Управление рисками в моделях
- Метрики эффективности стратегий
Глубокое обучение в финансах
Познакомимся с нейронными сетями и их применением для анализа финансовых временных рядов. Рассмотрим рекуррентные архитектуры и методы работы с последовательностями данных.
- LSTM сети для временных рядов
- Обработка текстовых финансовых новостей
- Автоэнкодеры для поиска аномалий
- Практические ограничения нейросетей
Как проходит обучение
Мы не читаем абстрактные лекции. Вся программа построена вокруг реальных задач из практики финансовых аналитиков. Каждую неделю разбираем новые методы и сразу применяем их к данным.
-
Еженедельные занятия
Два вебинара в неделю по 2 часа. Записи доступны в течение всего курса для повторного просмотра
-
Практические задания
Работа с реальными наборами данных. Получаете обратную связь от преподавателей по каждому решению
-
Групповые проекты
В команде из 3-4 человек разрабатываете полноценную инвестиционную стратегию с нуля
-
Консультации
Можно обсудить сложные моменты индивидуально или в общем чате с другими участниками
Практические проекты
В течение курса вы создадите несколько законченных проектов. Это не учебные упражнения, а работы, которые можно включить в портфолио или использовать для собственных инвестиций.
Модель прогнозирования волатильности
Индивидуальный проект • 3 недели
Построите модель для прогнозирования будущей волатильности акций на основе исторических данных. Научитесь работать с моделями GARCH и сравните их с подходами машинного обучения.
Анализ настроений в финансовых новостях
Командный проект • 4 недели
Разработайте систему для извлечения торговых сигналов из текстов новостей и отчётов компаний. Примените методы обработки естественного языка к финансовым данным.
Полная торговая стратегия
Выпускной проект • 6 недель
Создайте работающую инвестиционную стратегию от идеи до реализации. Протестируйте её на исторических данных, оцените риски и подготовьте подробную документацию.
Запись на программу открыта
Следующий поток стартует в марте 2026 года. Количество мест ограничено — мы набираем небольшие группы, чтобы каждый участник мог получить достаточно внимания от преподавателей.
Приём заявок начнётся в январе 2026 года
месяцев обучения
человек в группе
практических проектов