ML-модели для прогнозирования волатильности
GARCH и случайные леса для временных рядов. Разбираем, как строить признаки и почему стандартные метрики здесь не работают.
Каждый вебинар — это не лекция, а рабочая сессия. Вы разбираете реальные данные, задаёте вопросы и сразу применяете изученное.
расписание
Программа построена так, что каждая тема стоит отдельно — можно приходить на один вебинар или на весь цикл. Фокус всегда на практике: модели, данные, интерпретация результатов.
Все сессии записываются и доступны участникам в течение 60 дней. Запись не заменяет живое участие, но позволяет вернуться к сложным моментам.
GARCH и случайные леса для временных рядов. Разбираем, как строить признаки и почему стандартные метрики здесь не работают.
Сравниваем LSTM с attention-механизмами на реальных тиковых данных. Участники получают готовый Jupyter-ноутбук с примерами.
Пропуски, выбросы, нормализация в контексте биржевых данных. Показываем, какие трансформации реально влияют на качество модели.
Почему модель приняла конкретное решение? SHAP-значения и их визуализация на примере прогноза волатильности индексов.
как устроен вебинар
Ведущий не зачитывает слайды. Сессия строится как совместное решение задачи: данные открыты, код пишется на экране, участники задают вопросы по ходу.
что нужно знать заранее
Базовые вебинары рассчитаны на тех, кто знает Python на уровне pandas и sklearn. Для продвинутых сессий желателен опыт работы с нейронными сетями.
вопросы и запись
Если не уверены, подходит ли конкретный вебинар под ваш уровень — напишите нам. Ответим честно, не будем советовать то, что вам сейчас не нужно.