Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Cómo predecir los precios de las acciones con machine learning
El machine learning tiene un gran número de aplicaciones dentro del sector financiero y se utiliza habitualmente para predecir el valor de las acciones y mantener un portafolio bursátil sólido. Este curso te enseñará a utilizar Python para calcular indicadores técnicos a partir de datos históricos bursátiles y crear características y objetivos.Amplía tus conocimientos sobre los modelos de aprendizaje automático
Las predicciones bursátiles sólidas comienzan con una buena preparación de los datos. Aprenderás a preparar tus datos financieros para algoritmos de aprendizaje automático y a adaptarlos a diversos modelos, incluidos modelos lineales, modelos xgboost y modelos de redes neuronales.El segundo capítulo pasa a utilizar árboles de decisión de Python para predecir los valores futuros de tus acciones y métodos de machine learning basados en bosques para mejorar tus predicciones.
La segunda mitad de este curso tratará sobre cómo escalar tus datos para utilizarlos en KNN y redes neuronales antes de usar esas herramientas para predecir el valor futuro de tus acciones. Aprenderás a crear gráficos de pérdidas, medir el rendimiento y visualizar los resultados de tus predicciones.
Utiliza el ratio de Sharpe para crear tu portafolio ideal
El machine learning también puede ayudarte a encontrar el portafolio de acciones óptimo. Aprenderás a utilizar la teoría moderna de portafolios (MPT) y el ratio de Sharpe como parte de tu proceso para predecir los mejores portafolios. Una vez que hayas completado este curso, también comprenderás cómo evaluar el rendimiento de tu portafolio predicho por el machine learning.Utilizarás diversos conjuntos de datos reales del NASDAQ y aplicarás teorías y técnicas sólidas a los mismos, de modo que puedas crear tus propias predicciones y optimizarlas en función de tu apetito de riesgo y tu presupuesto.
Requisitos previos
Programa de formación
Contenido del curso
1
Preparación de datos y modelo lineal
En este capítulo, veremos cómo se puede aplicar Machine Learning en finanzas. También exploraremos datos de acciones y los prepararemos para algoritmos de Machine Learning. Por último, ajustaremos nuestro primer modelo de Machine Learning —un modelo lineal— para predecir cambios futuros en el precio de las acciones.
- Machine Learning para finanzas50 XP
- Explora los datos con algo de EDA100 XP
- Correlaciones100 XP
- Transformaciones de datos, variables y objetivos50 XP
- Crea características de media móvil y RSI100 XP
- Crea las variables explicativas y los objetivos100 XP
- Comprueba las correlaciones100 XP
- Modelado lineal50 XP
- Crea las características de train y test100 XP
- Ajusta un modelo lineal100 XP
- Evalúa nuestros resultados100 XP
2
Métodos de árboles en Machine Learning
Aprende a usar modelos de Machine Learning basados en árboles para predecir valores futuros del precio de una acción, y cómo aplicar métodos basados en bosques para regresión y selección de características.
3
Redes neuronales y KNN
Aprenderemos a normalizar y escalar datos para usarlos con KNN y redes neuronales. Luego veremos cómo usar la regresión con KNN y con redes neuronales para predecir valores futuros del precio de una acción (o en cualquier otro problema de regresión).
4
Machine Learning con teoría moderna de carteras
En este capítulo, aprenderás a usar la teoría moderna de carteras (MPT) y el ratio de Sharpe para trazar y encontrar carteras óptimas. También aplicarás Machine Learning para predecir las mejores carteras. Por último, evaluarás el rendimiento de las carteras predichas por ML.
Machine Learning para finanzas con Python
Curso
completado
