Analizy i decyzje finansowe z wykorzystaniem narzędzi sztucznej inteligencji 2400-ZEWW979

Kluczowe różnice między głównymi modelami LLM-koszty, wydajność i możliwości.
-Specyfikacje LLM i ich przydatność w konkretnych przypadkach zastosowań.
-Struktura skutecznych promptów finansowych, zaawansowane techniki promptowania dla złożonych analiz finansowych.
-Inżynieria promptów dla zapytań finansowych, integracja danych w promptach finansowych.
-Pakiety Pythona do zastosowań finansowych; łączenie się z finansowymi API, wykorzystanie AI do generowania podsumowań danych rynkowych.
-Analiza sprawozdań finansowych wspierana przez AI; analiza rachunku zysków i strat, bilansu oraz przepływów pieniężnych.
-Zautomatyzowane obliczenia wskaźnikowe, analiza trendów i branży, integracja z bazą danych EDGAR.
-Techniki wizualizacji danych wykorzystujące AI w analizie finansowej.
-Eksploracja i wizualizacja wyników oraz ryzyka strategii inwestycyjnych przy użyciu technik AI.
-Modele transformers i foundation dla finansowych szeregów czasowych, implementacja -do prognozowania stóp zwrotu/cen instrumentów finansowych.
-Optymalizacja portfela z wykorzystaniem ulepszeń AI w modelach Markowitza i Black-Littermana.
-Praktyczne aspekty projektowania ilościowych strategii inwestycyjnych.
-Projektowanie, implementacja i backtesting technicznych strategii inwestycyjnych z AI, wskażniki do oceny strategii.
-Projektowanie i analiza strategii inwestycyjnych poprzez specjalistyczne promptowanie.

Szacunkowy nakład pracy studenta:
Typ aktywności K (kontaktowe) S (samodzielne)
wykład (zajęcia) 30 0
ćwiczenia (zajęcia) 0 0
egzamin 0 0
konsultacje 10 0
przygotowanie do ćwiczeń 0 0
przygotowanie do wykładów 0 0
praca z materiałami dodatkowymi umieszczanymi na platformie Moodle 0 15
przygotowanie do kolokwium 0 0
przygotowanie do egzaminu(prace zaliczeniowe) 0 20
Razem 40 35 = 75