Supervised Learning für Finanzanalyse
Unsere praktischen Online-Kurse verbinden statistische Methoden mit realen Marktdaten. Du lernst, wie Algorithmen Muster in Finanzdaten erkennen und wie diese Erkenntnisse konkrete Anlageentscheidungen unterstützen können.
Aktuelle Kursangebote
Alle Kurse sind bereits gestartet und akzeptieren neue Teilnehmer. Die Inhalte werden sequenziell freigeschaltet, sodass du in deinem eigenen Tempo lernen kannst. Praktische Übungen mit echten Datensätzen sind in jedem Modul enthalten.
Grundlagen der Regressionsanalyse
Lerne, wie lineare und polynomiale Regression Preisbewegungen modellieren. Mit Python und realen Börsendaten übst du die Interpretation von Koeffizienten.
Klassifikation von Marktregimen
Erkenne Bullenmärkte, Bärenmärkte und Seitwärtsphasen mithilfe von Entscheidungsbäumen und Random Forests. Verstehe, wie Algorithmen Muster in Volatilität finden.
Support Vector Machines für Trading
Nutze SVM-Algorithmen, um Kauf- und Verkaufssignale aus technischen Indikatoren abzuleiten. Der Kurs zeigt, wie Hyperparameter die Modellleistung beeinflussen.
Deine Kursleiter
Beide Dozenten arbeiten aktiv in der Finanzbranche und bringen praktische Erfahrung mit quantitativen Modellen in den Unterricht ein.
Timo Bergkvist
Quantitative Analyst
Timo entwickelt seit 7 Jahren Handelsalgorithmen für europäische Hedgefonds. Seine Modelle basieren auf klassischen Machine-Learning-Methoden, die er in verständliche Lerneinheiten übersetzt. Er zeigt, wie Theorie auf echte Marktdaten trifft.
- Regression
- Zeitreihenanalyse
- Python
- Feature Engineering
Daan Vermeulen
Risk Modelling Specialist
Daan baut Risikomodelle für institutionelle Investoren und kennt die Grenzen von Vorhersagemodellen genau. In seinen Kursen lernst du, wie man Modelle realistisch bewertet und Overfitting vermeidet. Seine pragmatische Herangehensweise hilft dir, solide Grundlagen zu schaffen.
- Klassifikation
- Modellvalidierung
- Backtesting
- Risikometriken
Warum diese Kurse funktionieren
Echte Datensätze aus Märkten
Du arbeitest mit historischen Kursdaten, Volumen und Indikatoren. Keine synthetischen Beispiele – nur reale Zahlen, die zeigen, was funktioniert und was nicht.
Code zum Mitnehmen
Jedes Modul enthält Python-Notebooks, die du direkt für eigene Analysen anpassen kannst. Die Struktur ist klar dokumentiert und läuft auf Standard-Bibliotheken.
Sequenzieller Aufbau
Die Inhalte bauen aufeinander auf. Du startest mit einfachen linearen Modellen und arbeitest dich zu komplexeren Algorithmen vor, sobald die Grundlagen sitzen.
Feedback zu deinen Modellen
Reiche deine Lösungen ein und erhalte konstruktive Rückmeldungen. Die Dozenten prüfen deine Ansätze und zeigen, wo du Annahmen überprüfen oder Parameter anpassen solltest.