1. Elk geval hier is gebaseerd op een concrete situatie — geen hypothetische scenario's. Je ziet hoe een strategie is opgebouwd, getest en bijgesteld op basis van marktgedrag.
Algoritmisch handelen
Een interview over veelgemaakte fouten bij ML-handelsmodellen in de praktijk
Een gesprek met een kwantitatief analist over de duurste fouten die bedrijven maken bij de implementatie van ML-handelsmodellen.
Bekijk analyse
Machine learning
Liesbeth Cortvriendt over data leakage, survivorship bias en andere valkuilen
Dataspecialist Liesbeth Cortvriendt legt uit waarom de meeste ML-handelsprojecten struikelen lang voordat het eerste model wordt gebouwd.
Bekijk analyse
Risicobeheer
Arnaud Delobel over modelrisico, stress-testen en automatische veiligheidsmaatregelen
Risicospecialist Arnaud Delobel bespreekt waarom zelfs technisch sterke ML-modellen falen zonder een goed risicokader.
Bekijk analyse
Anneliese Vantorenhout
Kwantitatieve strateeg
1. Anneliese werkt al acht jaar met gradient boosting modellen voor tijdreeksanalyse. Ze begeleidde meer dan 20 strategietrajecten — van ruwe data tot productieomgeving.
2. Elke publicatie beschrijft een afgebakend probleem: welke data, welk model, welke aannames. Je kunt de redenering volgen zonder dat er stukken weggelaten zijn.
3. Backtesting is altijd out-of-sample en werkt met transactiekosten. We gaan niet voorbij aan negatieve resultaten — ze vertellen net zo veel als successen.
Praktijkanalyses geven je context, maar live sessies geven je de kans om vragen te stellen en aanpak te bespreken.
