After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Come prevedere i prezzi delle azioni con il Machine Learning
Il Machine Learning ha un numero enorme di applicazioni nel settore finanziario ed è comunemente utilizzato per prevedere i valori delle azioni e mantenere un portafoglio azionario solido. Questo corso ti insegnerà a utilizzare Python per calcolare indicatori tecnici dai dati storici delle azioni e creare feature e target.Costruisci le tue competenze sui modelli di machine learning
Previsioni azionarie affidabili iniziano da una solida preparazione dei dati. Imparerai come preparare i tuoi dati finanziari per gli algoritmi di machine learning e inserirli in diversi modelli, inclusi modelli lineari, modelli xgboost e modelli di reti neurali.Il secondo capitolo passa all'utilizzo degli alberi decisionali in Python per prevedere i valori futuri delle tue azioni e ai metodi di Machine Learning basati su foreste per migliorare le tue previsioni.
La seconda parte di questo corso ti mostrerà come scalare i tuoi dati per utilizzarli con KNN e reti neurali, prima di usare questi strumenti per prevedere il valore futuro delle tue azioni. Imparerai come tracciare le perdite, misurare le prestazioni e visualizzare i risultati delle tue previsioni.
Usa lo Sharpe Ratio per costruire il tuo portafoglio ideale
Il Machine Learning può anche aiutarti a trovare il portafoglio azionario ottimale. Imparerai come utilizzare la moderna teoria del portafoglio (MPT) e il rapporto di Sharpe come parte del tuo processo per prevedere i portafogli migliori. Una volta completato questo corso, saprai anche come valutare le prestazioni del tuo portafoglio previsto tramite Machine Learning.Utilizzerai una varietà di set di dati reali provenienti da NASDAQ e applicherai teorie e tecniche avanzate, così da poter creare le tue previsioni e ottimizzare in base alla tua propensione al rischio e al tuo budget.
Prerequisiti
Curriculum
Programma del corso
1
Preparare i dati e un modello lineare
In questo capitolo vedremo come il Machine Learning può essere utilizzato in finanza. Esploreremo anche alcuni dati azionari e li prepareremo per gli algoritmi di Machine Learning. Infine, adatteremo il nostro primo modello di Machine Learning — un modello lineare — per prevedere le variazioni di prezzo future delle azioni.
- Machine Learning per la finanza50 XP
- Esplora i dati con un po' di EDA100 XP
- Correlazioni100 XP
- Trasformazioni dei dati, feature e target50 XP
- Crea le feature di media mobile e RSI100 XP
- Crea feature e target100 XP
- Verifica le correlazioni100 XP
- Modellazione lineare50 XP
- Crea le feature di train e test100 XP
- Adatta un modello lineare100 XP
- Valuta i risultati100 XP
2
Metodi ad albero per il Machine Learning
Impara a usare modelli di Machine Learning basati su alberi per prevedere i valori futuri del prezzo di un'azione e a utilizzare metodi basati su foreste per la regressione e la selezione delle feature.
3
Reti neurali e KNN
Impareremo come normalizzare e scalare i dati per l'uso con KNN e reti neurali. Poi vedremo come utilizzare la regressione KNN e quella con reti neurali per prevedere i valori futuri del prezzo di un'azione (o per qualsiasi altro problema di regressione).
4
Machine Learning con la teoria moderna del portafoglio
In questo capitolo imparerai a usare la teoria moderna del portafoglio (MPT) e il rapporto di Sharpe per tracciare e trovare portafogli azionari ottimali. Userai anche il Machine Learning per prevedere i portafogli migliori. Infine, valuterai le prestazioni dei portafogli previsti dal ML.
Machine Learning per la finanza in Python
Corso
completato
