Build your ultimate AI agent
코스 설명
머신 러닝으로 주가를 예측하는 방법
머신 러닝은 금융 산업에서 매우 다양한 분야에 활용되며, 주가를 예측하고 탄탄한 주식 포트폴리오를 유지하는 데 흔히 사용됩니다. 이 강의에서는 Python을 사용해 과거 주가 데이터에서 기술적 지표를 계산하고 특성과 타깃을 만드는 방법을 배웁니다.ML 모델에 대한 지식을 쌓으세요
좋은 주식 예측은 좋은 데이터 준비에서 시작됩니다. ML 알고리즘에 맞게 금융 데이터를 준비하고, 선형 모델, xgboost 모델, 신경망 모델을 포함한 다양한 모델에 적용하는 방법을 배우게 됩니다.두 번째 장에서는 Python 의사결정 트리를 사용해 주식의 미래 가치를 예측하고, 예측 정확도를 높이기 위해 포레스트 기반 머신 러닝 방법을 다룹니다.
이 강의의 후반부에서는 KNN과 신경망에 사용할 수 있도록 데이터를 확장하는 방법을 다룬 다음, 이러한 도구를 사용해 주식의 미래 가치를 예측하는 방법을 살펴봅니다. 손실을 그래프로 그리고, 성능을 측정하며, 예측 결과를 시각화하는 방법을 배우게 됩니다.
샤프 비율을 활용해 이상적인 포트폴리오를 구축하세요
머신 러닝은 최적의 주식 포트폴리오를 찾는 데도 도움이 될 수 있습니다. 현대 포트폴리오 이론(MPT)과 샤프 비율을 활용해 최적의 포트폴리오를 예측하는 방법을 배우게 됩니다. 이 강의를 완료하면 머신 러닝으로 예측한 포트폴리오의 성과를 평가하는 방법도 이해하게 됩니다.NASDAQ의 다양한 실제 데이터 세트를 활용하고, 이에 견고한 이론과 기법을 적용하여 자신만의 예측을 만들고 위험 선호도와 예산에 맞게 최적화할 수 있습니다. "
사전 요구 사항
커리큘럼
코스 개요
1
데이터 준비와 선형 모델
이 장에서는 금융 분야에서 Machine Learning을 어떻게 활용하는지 배웁니다. 또한 주가 데이터를 살펴보고, Machine Learning 알고리즘에 맞게 데이터를 준비합니다. 마지막으로 첫 번째 Machine Learning 모델인 선형 모델을 적합해, 주가의 미래 변동을 예측해 봅니다.
2
Machine learning 트리 기법
트리 기반 Machine Learning 모델로 주가의 미래 값을 예측하는 방법과, 회귀 및 특징 선택에 랜덤 포레스트와 같은 앙상블 기법을 활용하는 방법을 학습합니다.
3
신경망과 KNN
KNN과 신경망 방법에 활용하기 위해 데이터를 정규화하고 스케일링하는 법을 배웁니다. 이어서 KNN과 신경망 회귀를 사용해 주가의 미래 값(또는 다른 회귀 문제)을 예측하는 방법을 익힙니다.
4
현대 포트폴리오 이론과 Machine learning
이 장에서는 현대 포트폴리오 이론(MPT)과 샤프 지수를 사용해 효율적 프런티어를 그리고 최적의 주식 포트폴리오를 찾는 방법을 배웁니다. 또한 Machine Learning으로 최적 포트폴리오를 예측해 보고, 마지막으로 ML이 예측한 포트폴리오의 성과를 평가합니다.
Python으로 배우는 금융 분야 Machine Learning
코스
완료
