Über 700 Kurse zum halben Preis
Kursbeschreibung
Wie man Aktienkurse mit Machine Learning vorhersagt
Machine Learning hat in der Finanzbranche zahlreiche Anwendungsbereiche und wird häufig eingesetzt, um Aktienwerte vorherzusagen und ein starkes Aktienportfolio zu führen. Dieser Kurs zeigt Ihnen, wie Sie Python verwenden, um technische Indikatoren aus historischen Aktienkursdaten zu berechnen und Features sowie Targets zu erstellen.Erweitern Sie Ihr Wissen über ML-Modelle
Gute Aktienprognosen beginnen mit einer guten Datenaufbereitung. Sie lernen, wie Sie Ihre Finanzdaten für ML-Algorithmen aufbereiten und in verschiedene Modelle einpassen, darunter lineare Modelle, XGBoost-Modelle und neuronale Netzwerkmodelle.Das zweite Kapitel geht dazu über, mit Python-Entscheidungsbäumen zukünftige Werte für Ihre Aktie vorherzusagen, und mit forestbasierten Machine-Learning-Methoden Ihre Vorhersagen zu verbessern.
Die zweite Hälfte dieses Kurses behandelt, wie Sie Ihre Daten für den Einsatz in KNN und neuronalen Netzen skalieren, bevor Sie diese Tools verwenden, um den zukünftigen Wert Ihrer Aktie vorherzusagen. Sie lernen, wie Sie Verluste darstellen, die Leistung messen und Ihre Vorhersageergebnisse visualisieren.
Nutzen Sie die Sharpe-Ratio, um Ihr ideales Portfolio aufzubauen
Machine Learning kann Ihnen auch dabei helfen, das optimale Aktienportfolio zu finden. Sie lernen, wie Sie die moderne Portfoliotheorie (MPT) und die Sharpe-Ratio als Teil Ihres Prozesses einsetzen, um die besten Portfolios vorherzusagen. Sobald Sie diesen Kurs abgeschlossen haben, werden Sie auch verstehen, wie Sie die Performance Ihres durch Machine Learning vorhergesagten Portfolios bewerten.Sie verwenden eine Vielzahl realer Datensätze von NASDAQ und wenden darauf robuste Theorien und Techniken an, damit Sie Ihre eigenen Prognosen erstellen und diese auf Ihre Risikobereitschaft und Ihr Budget optimieren können. "
Voraussetzungen
Lernprogramm
Kursübersicht
1
Daten vorbereiten und ein lineares Modell
In diesem Kapitel lernst du, wie maschinelles Lernen in den Finanzen eingesetzt werden kann. Außerdem schauen wir uns einige Kursdaten an und bereiten sie für Machine-Learning-Algorithmen auf. Zum Schluss passen wir unser erstes Machine-Learning-Modell an – ein lineares Modell –, um zukünftige Kursänderungen von Aktien vorherzusagen.
- Machine Learning für Finance50 XP
- Erkunde die Daten mit etwas EDA100 XP
- Korrelationen100 XP
- Daten-Transformationen, Features und Targets50 XP
- Gleitende Durchschnitte und RSI-Features erstellen100 XP
- Features und Targets erstellen100 XP
- Überprüfe die Korrelationen100 XP
- Lineare Modellierung50 XP
- Trainings- und Test-Features erstellen100 XP
- Ein lineares Modell fitten100 XP
- Unsere Ergebnisse auswerten100 XP
2
Baummethoden im Machine Learning
Lerne, wie du baumbasierte Machine-Learning-Modelle verwendest, um zukünftige Werte eines Aktienkurses vorherzusagen, und wie du forstbasierte Methoden für Regression und Feature-Auswahl einsetzt.
3
Neuronale Netze und KNN
Wir lernen, Daten für KNN und neuronale Netze zu normalisieren und zu skalieren. Anschließend nutzen wir KNN- und neuronale Regressionsmodelle, um zukünftige Werte eines Aktienkurses (oder andere Regressionsprobleme) vorherzusagen.
4
Machine Learning mit moderner Portfoliotheorie
In diesem Kapitel lernst du, wie du die moderne Portfoliotheorie (MPT) und die Sharpe-Ratio nutzt, um effiziente Portfolios zu visualisieren und optimale Portfolios zu finden. Außerdem setzt du Machine Learning ein, um die besten Portfolios vorherzusagen. Zum Schluss bewertest du die Performance der ML-gestützten Portfolios.
Maschinelles Lernen für Finanzen in Python
Kurs
abgeschlossen
