О программе
Что происходит, когда рынок резко меняется
Волатильность — это не просто колебания цен. Это информация о том, как участники рынка реагируют на неопределённость. И эту информацию можно читать, если знать правильные инструменты.
Курс строится вокруг конкретной задачи: научиться извлекать полезные сигналы из шумных временных рядов с помощью Python, scikit-learn и специализированных финансовых библиотек.
Кому подходит этот курс
Аналитикам и риск-менеджерам, которые уже работают с финансовыми данными, но хотят добавить ML в свой инструментарий. Подойдёт тем, кто знает основы Python и понимает, что такое стандартное отклонение.
Полные новички в программировании здесь столкнутся с трудностями — курс не начинается с нуля.
Что конкретно разбирается на занятиях
Начинаем с классических моделей волатильности: GARCH, EGARCH, их ограничения и случаи, когда они ломаются. Затем переходим к ML-подходам — градиентный бустинг для регрессии волатильности, LSTM для последовательных данных.
Отдельный блок посвящён feature engineering: какие признаки реально работают на финансовых данных, а какие создают иллюзию точности. Разбираем утечку данных и типичные ошибки при backtesting.
Практические задания
- Построение модели прогноза волатильности индекса KASE на 5 дней
- Сравнительный анализ GARCH против XGBoost на исторических данных
- Визуализация режимов волатильности через кластеризацию
- Оценка качества модели на out-of-sample периоде
Честно о результатах
После курса вы сможете самостоятельно собрать пайплайн анализа волатильности и объяснить коллегам, почему модель даёт те или иные оценки. Гарантировать точность прогнозов невозможно — рынок остаётся непредсказуемым, и это нормально.
Реальная ценность здесь — понимание ограничений каждого подхода, а не слепая вера в цифры модели.