„Přišel jsem s tím, že vím, co je regrese. Odcházel jsem s tím, že vím, kdy ji nepoužívat - a to je cennější znalost."
Situace, kterou mnozí účastníci popsali jako svou vlastní
Znalost teorie nestačí, pokud nevíte, kde model přestává platit.
Většina lidí, kteří přicházejí na tento webinář, umí spustit regresní model. Problém nastává při interpretaci: co říká koeficient beta, proč R² nestačí jako jediné měřítko kvality, a kdy jsou residuály varovným signálem, ne statistickým šumem.
Finanční data mají specifické vlastnosti, které standardní kurzy ignorují.
Heteroskedasticita, autokorelace a nestacionarita nejsou akademické pojmy - jsou to konkrétní problémy, které způsobují, že modely fungují na historických datech a selhávají v praxi. Webinář se těmto situacím věnuje s reálnými příklady z akciových a dluhopisových trhů.
Co zůstává po skončení webináře - konkrétně
Funkční kód v Pythonu
Každý účastník odchází s komentovanými skripty pro OLS, Ridge a Lasso regresi aplikovanou na akciová data. Kód je připraven k přímému použití nebo úpravě.
Diagnostický rámec
Strukturovaný postup pro ověření předpokladů modelu před tím, než jsou výsledky použity k rozhodování. Zahrnuje vizuální i statistické testy.
Přístup k datovým sadám
Reálná historická data použitá během webináře jsou dostupná pro samostatné experimenty. Nejde o syntetická cvičení, ale o skutečná tržní data.
Dovednosti, které mají trvanlivost delší než jeden projekt
- Schopnost rozlišit, kdy je regrese vhodným nástrojem a kdy nikoliv - bez ohledu na dostupný software
- Porozumění regularizaci: proč Ridge zachovává všechny proměnné a Lasso některé eliminuje, a co to znamená pro interpretaci
- Zkušenost s validací modelu na out-of-sample datech - nejčastější místo, kde začátečníci dělají chyby
- Přehled o tom, jak finanční instituce přistupují k modelování rizika pomocí regresních technik
Vzdálenost mezi teorií a použitelnou znalostí
Znáte vzorec
OLS minimalizuje součet čtverců reziduálů. To ví každý, kdo absolvoval statistiku.
Spustíte model
Python nebo R vrátí koeficienty, p-hodnoty a R². Výstup vypadá přesvědčivě.
Nastane problém
Model na testovacích datech selhává, nebo výsledky nedávají ekonomický smysl. Nevíte proč.
Zde vstupuje webinář
Diagnostika, oprava a pochopení příčin - ne jen opakování kroků, které nefungovaly.
Pro koho má tento webinář smysl
Obsah předpokládá základní orientaci v pravděpodobnosti a lineární algebře. Programovací zkušenosti s Pythonem jsou výhodou, ale nejsou podmínkou pro sledování výkladu.
- Absolventi ekonomických nebo technických oborů, kteří pracují nebo plánují pracovat s finančními daty
- Analytici, kteří používají regresní modely, ale nejsou si jisti jejich předpoklady
- Studenti, kteří chtějí propojit akademickou teorii s reálnými finančními aplikacemi
- Kdokoliv, kdo chce pochopit, jak strojové učení vstupuje do oblasti kvantitativní finance
Co účast zahrnuje
Přehled základních parametrů - podrobnosti jsou dostupné na stránce služeb.
Živý přenos s přestávkami, interaktivní Q&A bloky a praktickými ukázkami v reálném čase.
Omezená kapacita zajišťuje prostor pro dotazy a individuální zpětnou vazbu od lektora.
Skripty, datové sady a přehledové dokumenty jsou dostupné účastníkům po skončení webináře bez časového omezení.