Շրջանավարտների կարևորություն. Անդրես Ջարամիլո, տվյալների գիտություն
BrainStation-ը Տվյալների գիտության դիպլոմ ինտենսիվ ծրագիր է, որը նախատեսված է տվյալների մեջ ուսանողների կարիերան սկսելու համար: 12-շաբաթյա դիպլոմային ծրագրից հետո ավելի շատ ցույց տալու համար, թե ինչ կարելի է անել, մենք խոսեցինքԷնդրյու Ջարամիլո, BrainStation-ի վերջերս շրջանավարտ՝ իր Capstone նախագծի մասին ավելին իմանալու համար:
Jaramillo-ն ցանկանում էր լրացնել թվային մարքեթինգի իր նախապատմությունը տվյալների օգտագործման ունակությամբ: Ես որոշեցի հետամուտ լինել տվյալների գիտությանը, որպեսզի սովորեմ ավելի բարդ գործիքներ, որպեսզի պատրաստվեմ ապագա լանդշաֆտին, որը շրջապատված է տվյալներով:
Ոգեշնչված հաջողակ թրեյդերների պատմություններից և հատկապես այն թրեյդերներից, ովքեր միլիոններ էին վաստակել միայն ամեն ինչ կորցնելու համար, նա որոշեց ստեղծել ավտոմատացված Քանակական ֆինանսական ալգորիթմ . Մեկը, որ եղել էկարող է խաղալ ֆոնդային շուկայում… և հաղթել:
Մոդելը և գործընթացը մանրամասնորեն բացատրված են Jaramillo-ում պորտֆոլիո , բայց ահա մի քանի հիմնական առաջարկներ.
Ինձ միշտ հետաքրքիր է եղել լսել պատմություններ հաջողակ թրեյդերների մասին, ովքեր կարողացել են հաղթել շուկան: Քանակական առևտուրը դա անելու բազմաթիվ հնարավոր ռազմավարություններից մեկն է, բայց ես կարծում եմ, որ քանակական բառը վախեցնում է ոչ տեխնիկական վաճառողներին այն փորձելուց, ասաց Ջարամիլոն:
Ես կարծում էի, որ այս նախագիծը կարող է հիանալի ներածություն լինել ֆինանսական շուկաների և դրանց մեքենայական ուսուցման հավելվածների համար՝ միաժամանակ կիրառելով տվյալների գիտության իմ հմտությունները:
Սկսելու համար, Jaramillo-ն նախագծել է շրջանակ՝ կմախքի մոդել՝ ամուր ենթակառուցվածքով: Նրա նպատակն էր, որ մոդելը լինի անաչառ, լիովին ավտոմատացված, կարողանա հաղթահարել S&P500 աճի տեմպերը և ունենալ երկարաժամկետ էքսպոնենցիալ աճ:
Հաջորդը նա պետք է ռազմավարություն կառուցեր։ Ես ֆինանսական նախադրյալ չունեմ, ուստի առք ու վաճառքի ռազմավարություն ստեղծելը մի քանի փորձեր պահանջեց: Բայց, նրա խոսքով, դա իր օգտին է աշխատել։ Ես այս նախագծին չեմ մոտեցել որպես տիպիկ ներդրողի, ով գործում է գիտելիքի հիման վրա, քանի որ դա ներառում է կողմնակալություն, որը կարող է հանգեցնել բաց թողնված հնարավորությունների:
Հետո, իհարկե, ժամանակն էր ստուգել ալգորիթմը։ Ջարամիլոն իր մոդելները հետադարձ փորձարկում կատարեց պատմական բաժնետոմսերի տվյալների վրա և պարզեց, որ ալգորիթմը հաջողված էր՝ վերադարձնելով ինն տարվա ընթացքում 827.9% մակարդակ .
Հիմնական դասը, որը ես սովորեցի [BrainStation-ում] այն էր, թե ինչպես մոտենալ խնդիրների լուծմանը որպես տվյալների գիտնական: Առանց այս մեթոդաբանության սովորելու, ես շուտով կզգայի ծանրաբեռնված և հուսահատված իմ նախագծի սկզբում, ասաց նա:
