@machinelearningnet

The M6 Financial Duathlon Competition In the field of forecasting, accuracy in point and uncertainty prediction have always been critical in assessment. On the other hand, in finance the search for alpha reigns as the most important assessment criterion, where alpha measures the extent to which a strategy, trader or portfolio manager provides consistent excess returns relative to the market or some other benchmark, over a given period of time. Barometers related to the quest for alpha include the yearly “Active/Passive Barometer” from Morningstar, which usually indicates that active, professional investment managers do not beat, on average, random stock selections. At the same time, legendary investors like Warren Buffett, Peter Lynch and George Soros, as well as celebrated firms including Blackstone, Bridgewater Associates, Renaissance Technologies, DE Shaw, and many others have achieved phenomenal results over long periods of time, amassing returns impossible to justify by mere chance, and casting doubt among academics and market participants that believe that long-run alpha is difficult to achieve, and that maxims such as the efficient markets hypothesis drive the markets. .... M6 competition on financial forecasting !

سلام بر دوستان، ما مدتی هست روی استارت اپ wealth tech خودمون داریم کار میکنیم، نیاز به دوستانی داریم که در زمینه deploy کردن کار و design pattern پروژه کار کردن. اگه کسانی خیلی حرفه ای توی این حوزه وارد هستن، لطفا به من در خصوصی پیام بدن، @sasanbarak بزودی هم یک دوره دیگه از کتابخوانی رو باهم خواهیم داشت که بعدا اطلاع رسانی میکنم، 🌺🙏 ارادت

#Stat #pvalue #مصیبت @machinelearningnet2

از دوستان اگه کسی سایت فروش محصول با دامین ایرانی یا خارجی میتونه طراحی و اجرا کنه، ممنون میشم به ما کمک کنه. دنبال یک سایت فروش محصولات با قابلیت ارتباط با حساب بانکی و... هستیم، لطفا به آی دی من پیام بزارید، و در صورت امکان نمونه کاری پرزنت کنید @SasanBarak با تشکر

برای دسترسی به اسلاید های کتاب advances in financial machine learning میتونید از لینک زیر، اسلایدهای خود پرفسور دپرادو ، استفاده کنید، این اسلایدها دقیقا اسلایدهای پرزنت ما از کتاب نبود، و اسلایدهای ما کامل تر بود. اما این لینک بلاخره همه فصل ها رو یکجا داره @machinelearningnet2 https://www.quantresearch.org/Lectures.htm پرزنت همه فصول کتاب در آپارات در دسترس هست ، https://www.aparat.com/DrSasanBarak موفق باشین

سلام دوستان این گیت هاب، بهتون ۷ تا ابزار مختلف میده تا کارهای مثل محاسبه transaction cost, گرفتن داده از بلومبرگ، پلات داده ها، بک تست، و مدیریت ریسک رو انجام بدین، یک مجموعه از tool های فوق العاده بدرد بخوره ، که یک شرکت بصورت open source قرار داده هست @machinelearningnet2 https://github.com/cuemacro/

فیسبوک بعد از prophet و انسامبل کردن با neuralprophet، حالا یک پکیج بهتری به اسم kats ارائه کرده که تعداد ۱۰ + مدل فورکاست رو ساپورت میکنه و نکته مهم اش استفاده از meta learning به عنوان یکی از مدلهای اصلی پیشبینی هست، علاوه بر اون، میتونه پترن های تایم سری رو detect کنه و همچنین ۶۵ تا متافیچر تولید کنه و همچنان تایم سری جنریت کنه دسترسی به پکیج در گیت هاب 👇 https://facebookresearch.github.io/Kats/ @machinelearningnet2

🌺🌺🌺 پرزنت های چند هفته اخیر رو در آپارات اپلود کردیم، واقعا بعضی از پرزنت ها در حد یک کلاس فوق العاده تحلیل داده هستن. میتونم بگم بدون اغراق بهترین دوره ای که برای ماشین لرنینگ در فاینانس در ایران ارائه شده، همین ۱۹ تا پرزنت ما هستن، دنبال هیچ دوره پولی اینا هم نرید🌺☺️ قسمت ۱-۸ در آپارات هست. فصل ۹ . parameter tuning https://www.aparat.com/v/NCqEz فصل ۱۰ و ۱۱ . Backtest و مشکلاتش https://www.aparat.com/v/wEykr فصل ۱۲. مدلهای backtesting به کمک CV https://www.aparat.com/v/aG1zf فصل ۱۳. Backtesting on synthetic data https://www.aparat.com/v/cRS8N فصل ۱۴ . Backtest statistics https://www.aparat.com/v/pMy6J فصل ۱۵. Strategy risk https://www.aparat.com/v/8egLh فصل ۱۶ تا ۱۹ هم در دو هفته آینده ارائه و این کتاب هم تموم میکنیم. @machinelearningnet2 با تشکر 🌹

https://github.com/firmai/financial-machine-learning یکی از بهترین repository های موجود در حوزه ML در فاینانس که شامل کلی پروژه های معتبر در این حوزه هست، #Financial Machine Learning and Data Science @machinelearningnet2

Machine Learning in Asset Management—Part 1: Portfolio Construction—Trading Strategies. The Journal of Financial Data Science, Winter 2020, 2 (1) 10-23 @machinelearningnet2

سلام دوستان. دکتر بهمن رستمی تبار از بیزینس اسکول کاردیف https://www.cardiff.ac.uk/people/view/598316-rostami-tabar-bahman یه تعداد پروژه برای همکاری با دانشجوها ارائه کردن که من در اینجا مطرح کنم. هدف از این پروژه ها همکاری با دوستان و چاپ چندین مقاله در مجلات معتبر دنیا با راهنمایی ایشون و من خواهد بود. لیست کارهای قبلی ما رو هم در لینک زیر می تونید مشاهده کنید Sasan Barak : https://scholar.google.com/citations?user=C53gU8gAAAAJ&hl=en Bahman Rostami tabar: https://scholar.google.co.uk/citations?user=PeVrdqUAAAAJ&hl=en دانشجوهای علاقمند میتونن رزومه شون رو به ما بفرستن ( ترجیحا برای من رزومه رو فقط با تلگرام بفرستید )، جزئیات هر پروژه بصورت زیر هست : پروژه اول : Potential title: Overlapping temporal aggregation The aim of this project is to develop an innovative methodologies to improve forecast accuracy that uses a data transformation approach called overlapping temporal aggregation. The study will first use empirical data with different time granularity , i.e. hourly, daily and monthly and quarterly to show the performance of the approach. Following that, we aim at using extreme value theory to demonstrate the theoretical foundation of the approach. *Data and R code to run the empirical evaluation will be provided by Bahman Rostami-Tabar. *Target Journal: MSOM /EJOR *Email: Rostami-tabarb@cardiff.ac.uk, S.Barak@soton.ac.uk *Time required to get the first draft of the paper: 200-350 hours   پروژه دوم :   Potential title: Machine learning in forecasting demand of healthcare services This project aims at evaluating the effectiveness of machine learning approaches in forecasting demand of various services in the healthcare such as : Emergency services, Ambulance service, blood supply chain service and cosmetic surgery service. The forecasting will be performed at daily, weekly and monthly levels. This is going to be an empirical study.   *Data for all services will be provided by Bahman Rostami-Tabar * These datasets are valuable and there would be potentially more projects coming up using them, if interested. *Target journal: Journal of Service Research, Computer & OR *Email: Rostami-tabarb@cardiff.ac.uk, S.Barak@soton.ac.uk *Time required to get the first draft of the paper: 150-200 hours   پروژه سوم: Potential title:  Forecastability in time series forecasting   In this project we are looking for universal rules to determine forecastability. The study aims at demonstrating the forecastability of different phenomenon and establish rules when forecasting is possible, determine links between forecast accuracy and forecastability and when we should not bother with forecasting. We aim at evaluating time series from various domains such as disasters (e.g. natural, technological and complex), finance, economy, health, retail industry, etc. We look at a range of type of distributions illustrated in the figure below and link them to accuracy. Target journal: Int Journal of Forecasting *Email: Rostami-tabarb@cardiff.ac.uk, S.Barak@soton.ac.uk *Time required to get the first draft of the paper: 150-200 hours

سلام دوستان، ما تصمیم گرفتیم به همت دکتر هیربد آسا یک سکشن در مورد Machine learning in finance برای کنفرانس Financial and Actuarial Mathematics راه بندازیم‌. نیاز داریم ۳-۴ تا پرزنت رو انتخاب کنیم، از دوستان اگه علاقمند هستن لطفا مقالاتشان رو بفرستن تا از بعد از بررسی انتخاب کنیم‌. من moderator سکشن خواهم بود‌. @machinelearningnet2 لینک کنفرانس: http://math.ipm.ac.ir/conferences/2021/FINACT/

https://www.chicagobooth.edu/research/kilts/datasets/dominicks This is👆 a perfect time series data for retail forecasting tasks. You can find the detailed information in the chicagobooth website. @machinelearningnet2 R implementation here👇 https://zenodo.org/record/4654802#.YLcFh6hKg2w

https://aparat.com/v/NCqEz فیلم فصل ۹ کتاب advances in financial machine learning این فیلم علاوه بر مطالب کتاب در مورد hyperparameter tuning ، کلی روش های جدید ارائه میده که حتما بدردتان میخوره، @machinelearningnet2 پیاده سازی اصولی کار روی پایتون هم نکته جالب این ارائه هست

Scalable End-to-End Customer Churn Prediction Solution with Amazon Web Services (AWS) @machinelearningnet2