Hvad er AI Intro til AI Pro Premium Priser E-bog Om os Kontakt AI & job Se pris →
Område P05 · Undervisning

Undervisning i avanceret kvant-finans.

Fem dybe lektioner i Python+pandas til finans, backtest-frameworks, alpha-strategier, risk/performance-måling og live trading. For dig der vil bygge dine egne modeller — ikke følge analytikere.

Start med undervisning 1 → Tilbage til pensum
chat.pro-finans.ai
Vag prompt — overfladisk svar
DU
Skal jeg shorte Tesla?
AI
Det er en risikabel beslutning. Du bør konsultere en finansiel rådgiver før du shorter aktier... [intet brugbart]
Detaljeret prompt — brugbart svar
DU
Backtest en TSLA pairs-trade vs F (Ford) 2018-2024. Vis cointegration test (statsmodels), Z-score med 30-dages rolling, entry/exit ±2σ. Inkluder 5 bps commission + 3 bps slippage per trade. Beregn Sharpe, max drawdown, win-rate. Vis Python-kode + resultater.
AI
from statsmodels.tsa.stattools import coint

tsla = yf.download('TSLA', '2018-01-01', '2024-12-31')['Adj Close']
f    = yf.download('F', '2018-01-01', '2024-12-31')['Adj Close']

score, pvalue, _ = coint(tsla, f)
# p-value: 0.041 → kointegreret

spread = tsla - 4.2 * f  # hedge ratio
z = (spread - spread.rolling(30).mean()) / spread.rolling(30).std()

signals = pd.Series(0, index=z.index)
signals[z < -2] =  1  # long spread
signals[z >  2] = -1  # short spread

returns = signals.shift(1) * spread.pct_change()
returns -= 0.0008 * signals.diff().abs()  # costs

# Resultater:
#   CAGR:         8.4%
#   Sharpe:       1.12
#   Max DD:      −14.2%
#   Win rate:     58%
Forskellen er ikke AI'en — det er briefen.
01 Python 02 Backtest 03 Alpha 04 Risk 05 Live

/ Låst undervisning

Tjekker din adgang…

Et øjeblik — vi henter undervisningen til dig.

Klar til at bruge pensum i praksis?

Gå tilbage til moduloversigten, eller hop direkte til den undervisning du vil bygge videre på.

Tilbage til moduloversigten Se priser →