Aiuterò con Python, finanza, machine e deep learning, quantificazione e algoritmi di trading

Modelli quantitativi proprietari e strategie di trading algoritmiche per modelli di ottimizzazione azionaria long/short con parametri di rischio e rendimento specifici specificati dal profilo dell'investitore, utilizzando machine/deep learning, insieme ad agenti di apprendimento per rinforzo Q.

Modelli di machine learning che utilizzano regressione multivariata/logistica, regressione lazo/ridge, analisi discriminante lineare/quadratica, alberi decisionali, K neighbors, Naive Bayes, foresta casuale, macchina vettoriale di supporto, Adaptiveboost, GradientBoost, XGB e ottimizzazione del portafoglio per massimizzare il rendimento e ridurre al minimo volatilità per vari profili di rischio degli investitori.

Modellazione del deep learning utilizzando reti neurali ricorrenti, Tensorflow, nltk, sentiment Analyzer, Keras LSTM e reti neurali convoluzionali, nel tentativo di prevedere i prezzi previsti per classi di asset specifici attraverso azioni, forex, obbligazioni, futures, ETF e altri derivati.

Algoritmo proprietario di machine/deep learning long/short intraday che utilizza l'API Interactive Brokers, la libreria Python IB_Insync.