Een eerlijk beeld van wat modellen kunnen
Aandelenkoersen voorspellen is moeilijk, en ieder serieus programma moet daarmee beginnen. Wat neurale netwerken wél bieden is het vermogen om complexe, niet-lineaire verbanden te identificeren in orderboekdata, nieuwsstromen en macrocijfers tegelijk. Dat is iets anders dan een betrouwbare winststrategie garanderen.
Dit programma richt zich op de technische kant: hoe bouwt u een model, hoe valideert u het op historische data, en hoe voorkomt u de meest voorkomende fouten zoals data leakage en overfitting op een beperkte dataset? Die fouten zijn duurder dan de meeste beginners verwachten.
Wat u concreet bouwt
Elke module resulteert in werkende code. U traint een sentiment-classifier op financieel nieuws, bouwt een convolutioneel netwerk op OHLCV-data en experimenteert met reinforcement learning voor orderuitvoering. De backtesting-omgeving draait op Backtrader en is volledig configureerbaar.
Voorkennis vereist
- Python op gemiddeld niveau
- Basiskennis statistiek en kansrekening
- Vertrouwdheid met pandas en NumPy
Gastdocent Wouter Desmet, voormalig kwantitatief analist bij een Europese vermogensbeheerder, bespreekt in module 4 hoe hij reëel zelf modellen heeft gevalideerd en welke aannames achteraf niet klopten.
Cursusstructuur
- Week 1: Inleiding tot kwantitatieve strategieën, data-infrastructuur, API-toegang tot marktdata.
- Week 2: Tijdreeksmodellen met LSTM — constructie, training, evaluatiecriteria specifiek voor financiële voorspelling.
- Week 3: Verwerking van tekstdata — nieuws, earning calls, financiële rapporten. Sentimentanalyse met BERT-gebaseerde modellen.
- Week 4: Backtesting-methodologie, transactiekosten modelleren, overfitting vermijden via walk-forward validatie.
- Week 5: Introductie reinforcement learning voor orderuitvoering. Q-learning en actor-critic in een gesimuleerde markt.
- Week 6: Afsluitend project: volledige pipeline van data tot backtestrapport, beoordeeld door twee docenten.
Totale studieduur: 6 weken, gemiddeld 10 uur per week. Wekelijkse live Q&A op donderdagavond.