Vai al contenuto

ARTICOLI
TUTORIAL
SOFTWARE
- DATA TRADER
- DATA INVESTOR
ABOUT
CONTATTI

DATA SCIENCE e MACHINE LEARNING

Argomenti

Scopri tutti i tutorial relativi alla Data Science applica alla finanza

Modellazione Statistica

Testing Statistico della Mean Reversion

Testing Statistico della Mean Reversion – Parte II

Modelli Previsionali

Introduzione al Forecasting delle Serie temporali Finanziare – Parte I

Introduzione al Forecasting delle Serie temporali Finanziare – Parte II

Machine Learning

Guida introduttiva al Machine Learning Statistico

Tecniche di Machine Learning Statistico

Introduzione SVM Machine Learning Trading algoritmico

Guida introduttiva alla Support Vector Machine (SVM)

Apprendimento Supervisionato per la Classificazione dei Documenti con Scikit-Learn Trading algoritmico machine learning

Apprendimento Supervisionato per la Classificazione dei Documenti

BIAS-VARIANZA MACHINE LEARNING trading algoritmico

Il Compromesso Bias-Varianza nel Machine Learning

cross-validation-machine-learning-trading-algoritmico

La Cross-Validation per ottimizzare il Machine Learning

Guida Introduttiva all'Apprendimento Non Supervisionato

Guida Introduttiva all’Apprendimento Non Supervisionato

Decision Tree per il Machine Learning Supervisionato

Decision Tree per il Machine Learning Supervisionato

Metodo della Massima Verosimiglianza per la Regressione Lineare

Metodo della Massima Verosimiglianza per la Regressione Lineare

Combinazioni di Decision Tree con bagging, random forest e alberi potenziati

Combinazioni di Decision Tree con bagging, random forest e alberi potenziati

K-Means Clustering dei dati giornalieri con barre OHLC

K-Means Clustering dei dati giornalieri con barre OHLC

Deep Learning

Deep Learning con Theano – Regressione Logistica

Deep Learning con Theano – Regressione Logistica

Cosa è il Deep Learning

Cos’è il Deep Learning?

Algebra Lineare per il Deep Learning Parte I

Scalari, Vettori, Matrici e Tensori – Algebra Lineare per il Deep Learning (parte 1)

Algebra Lineare per il Deep Learning Parte II

Algebra delle Matrice – Algebra Lineare per il Deep Learning (parte 2)

Algebra Lineare per il Deep Learning Parte III

Inversione della Matrice – Algebra Lineare per il Deep Learning (parte 3)

Infrastruttura di Deep Learning basata su GPU per la ricerca sul Trading Quantistico

Infrastruttura di Deep Learning basata su GPU per la ricerca sul Trading Quantistico

Installazione di TensorFlow 2.2 su Ubuntu 18.04 con una GPU Nvidia

Introduzione alle Reti Neurali Artificiali e al Perceptron

Introduzione alle Reti Neurali Artificiali e al Perceptron

Allenare il Perceptron con Scikit-Learn e TensorFlow

Allenare il Perceptron con Scikit-Learn e TensorFlow

Benvenuto su TradingQuant!

Sono Gianluca, ingegnere software e data scientist. Sono appassionato di coding, finanza e trading. Leggi la mia storia.

Ho creato TradingQuant per aiutare le altre persone ad utilizzare nuovi approcci e nuovi strumenti, ed applicarli correttamente al mondo del trading.

TradingQuant vuole essere un punto di ritrovo per scambiare esperienze, opinioni ed idee.

SCRIVIMI SU TELEGRAM

Per informazioni, suggerimenti, collaborazioni...

Non perderti neanche un articolo, iscriviti subito alla newsletter gratuita di TradingQuant! Condividiamo conoscenze e suggerimenti ed esperimenti per il trading algoritmico.

ISCRIVITI ALLA NEWSLETTER

Seguici sui social media

Envelope Github Facebook-f Twitter Youtube

CONTATTI

Corso Amendola, 19

60123, Ancona (Italy)

RISORSE

TRADING ALGORITMICO
FINANZA QUANTITATIVA
MACHINE LEARNING
BACKTRADER
TRADINGVIEW
QUANTCONNECT

TRADING ALGORITMICO
FINANZA QUANTITATIVA
MACHINE LEARNING
BACKTRADER
TRADINGVIEW
QUANTCONNECT

DISCLAIMER

Le informazioni e le analisi su questo sito sono fornite solo a scopo informativo. Nulla di quanto contenuto nel presente documento deve essere interpretato come un consiglio di investimento personalizzato. L’autore non è responsabile per l’accuratezza o la correttezza di alcuna delle idee, strategie e codici presentati su questo sito, tutte le informazioni dovrebbero essere utilizzate “così come sono”.

Copyright © 2017 – 2025 by TradingQuant.

Tutti i diritti sono riservati

Questo sito utilizza i Cookies per migliorare la navigazione. Utilizzando questo sito e continuando nella navigazione si intende accettata la Privacy Policy e la Cookie Policy.

Questo sito usa cookie e servizi di terzi parti per migliorare la navigazione. Cliccando "Accetta" si acconsente alla policy sulla privacy OK

Privacy & Cookies Policy

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.

Necessary

Sempre abilitato

Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.

Non-necessary

Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.

ACCETTA E SALVA

Torna in alto