Ulnirames — algoritmisch handelen

Wat wij doen.

Ulnirames begon in 2019 vanuit een concrete behoefte: mensen leren hoe ze datagedreven handelsstrategieën zelf kunnen bouwen en beoordelen, zonder blind te vertrouwen op zwarte dozen.
Het platform biedt masterclasses van herkenbare experts die dagelijks met deze systemen werken. Geen theoretische praatjes, maar inzicht in hoe modellen falen en waarom dat juist leerzaam is.
Algoritmisch handelen — visuele demonstratie van een ML-strategie op scherm
Deelnemer werkt aan een ML-handelsmodel op laptop tijdens een Ulnirames-sessie
Visuele weergave van een backtestresultaat binnen een algoritmisch systeem
Close-up van een Python-script dat een machine learning-model traint voor handelsdata

Precies genoeg theorie, de rest is praktijk.

Elke masterclass is opgebouwd rond een concreet probleem: hoe bouw je een signaalmodel dat niet overfit op historische data? Hoe kies je features die ook morgen nog betekenis hebben?
De instructeurs werken actief met de systemen die ze uitleggen. Dat merk je aan de voorbeelden — Python-scripts, backtest-resultaten, echte edge cases die in de les worden meegenomen.
Python/scikit-learn/Pandas/Backtrader/Jupyter

Leren door te bouwen, niet door te kijken.

De mensen achter het platform.

Het kernteam bestaat uit mensen die zelf actief algoritmisch handelen ontwikkeld hebben en nu doorgeven wat ze langs de weg hebben geleerd — inclusief de missers.

Dries Vanhoutte, hoofd instructeur en mede-oprichter van Ulnirames

Dries Vanhoutte

Hoofd Instructeur & Mede-oprichter

Een model dat jij begrijpt en kunt verklaren is altijd nuttiger dan een zwarte doos met betere backtestcijfers.

— Dries Vanhoutte, uit de introductiesessie

6+

Jaar ervaring met ML-strategieën voor financiële markten

14

Masterclassmodules beschikbaar via het platform

3

Specialisatietracks: signaalmodellen / portfoliobeheer / risicobeheer

Wat ons aandrijft.

Eerlijkheid over resultaten.

Geen module belooft rendement. We leggen uit hoe je kansen kunt inschatten — en waarom 80% van de modellen bij de eerste echte data al falen.

Toegankelijk op afstand.

Deelnemers uit Gent, Hasselt of Maastricht volgen dezelfde sessies. Alle materialen zijn asynchroon beschikbaar en werken op elke schermgrootte.

Diepgang boven snelheid.

Een module over feature engineering duurt langer dan je misschien verwacht. Dat is bewust — oppervlakkige kennis van complexe systemen is gevaarlijker dan geen kennis.

Instructeurs die zelf doen.

Elke les is gebaseerd op iets dat de instructeur zelf heeft gebouwd, getest en — minstens één keer — heeft zien mislukken in productie.

Overzicht van een live handelssessie met meerdere ML-indicatoren actief op scherm

Wat je meeneemt na een sessie.

01 Een werkend Python-notebook dat je direct kunt aanpassen op je eigen dataset — geen demo-data, jouw data.

02 Een helder beeld van welke beslissingen in het model jij hebt genomen en welke consequenties die hebben op live markten.

Vragen? Stuur een bericht via de contactpagina.