AI & Machine Learning in Finance

Machine learning is uitgegroeid tot een essentieel instrument binnen de moderne financiële sector en beïnvloedt in sterke mate hoe beleggers en financiële instellingen omgaan met asset pricing, portefeuilleconstructie, risicomanagement en derivatenmarkten. In deze intensieve tweedaagse cursus krijg je als finance professional een helder en praktisch overzicht van de belangrijkste machine learning-technieken en hun toepassingen in de praktijk.

Voor wie is deze Masterclass?

Deze Masterclass is met name ontwikkeld voor professionals in:

• Asset management 
• Risk management 
• Financial analytics 

Of voor iedereen die wil begrijpen hoe machine learning de toekomst van finance vormgeeft.

Waarom deze cursus?

• Direct toepasbare inzichten voor de financiële praktijk 
• Brug tussen academisch onderzoek en industry best practices 
• Focus op wanneer en waarom ML werkt (niet alleen hoe) 
• Inzicht in de sterktes en beperkingen van machine learning 

Toelating

Je kunt aan deze Masterclass deelnemen met een achtergrond (MSc-niveau) in:

• Finance
• Economie
• Econometrie 

Hoewel enige voorkennis van machine learning een pré is, is een vooropleiding in machine learning of programmeerervaring niet vereist. De nadruk ligt op conceptueel begrip, intuïtie en praktische toepasbaarheid, niet op coderen.

Leerdoelen

Na afloop van deze Masterclass:

• Begrijp je de belangrijkste machine learning-methoden in finance
• Kun je beter beoordelen wanneer ML waarde toevoegt
• Ben je in staat om ML-toepassingen kritisch te evalueren

Programma

Gedurende vier dagdelen maken deelnemers eerst kennis met de fundamentele principes van machine learning, waaronder:

• Supervised learning 
• Bias-variance trade-off 
• Modeltraining en validatie 
• Cross-validatie en hyperparameter tuning 
• Ensemble methoden (bagging & boosting) 

Deze basis wordt aangevuld met een toegankelijke introductie tot de belangrijkste algoritmische benaderingen binnen finance

• Tree-based modellen 
• Neurale netwerken 
• Ridge en Lasso (regularisatie)

Toepassing

Op basis van deze kernconcepten wordt vervolgens ingegaan op toepassingen van machine learning binnen belangrijke domeinen van finance:

• Asset pricing en portefeuilleconstructie, waaronder factor discovery, rendementvoorspelling en portefeuille-optimalisatie;
• Risicomanagement, met toepassingen in forecasting, stresstesten en kredietrisico, inclusief machine learning-benaderingen voor het schatten van de probability of default en gerelateerde classificatievraagstukken;
• Derivatenmarkten, met aandacht voor prijsmodellen, maar ook voor het modelleren en voorspellen van implied volatility surfaces, en de rol van machine learning als aanvulling op traditionele modellen.

Gedurende de cursus worden machine learning-methoden besproken in de context van realistische financiële vraagstukken, waarbij inzichten uit zowel de praktijk als academisch onderzoek worden gecombineerd. De focus ligt op het begrijpen wanneer en waarom specifieke machine learning-methoden effectief zijn, wat hun voordelen en beperkingen zijn, en hoe zij zich verhouden tot traditionele econometrische en financiële modellen.