Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Como prever preços de ações com aprenzidado de máquina
A aprenzidado de máquina tem uma enorme variedade de aplicações no setor financeiro e é comumente usada para prever o valor das ações e manter uma carteira de ações sólida. Este curso vai ensinar você a usar Python para calcular indicadores técnicos a partir de dados históricos de ações e criar features e targets.Amplie Seu Conhecimento sobre Modelos de ML
Boas previsões de ações começam com uma boa preparação de dados. Você aprenderá como preparar seus dados financeiros para algoritmos de ML e ajustá-los em vários modelos, incluindo modelos lineares, modelos xgboost e modelos de redes neurais.O segundo capítulo avança para o uso de árvores de decisão em Python para prever valores futuros para sua ação, e métodos de aprenzidado de máquina baseados em florestas para aprimorar suas previsões.
A segunda metade deste curso abordará como dimensionar seus dados para uso em KNN e redes neurais antes de usar essas ferramentas para prever o valor futuro da sua ação. Você aprenderá a plotar perdas, medir o desempenho e visualizar os resultados das suas previsões.
Use o Índice de Sharpe para Construir Seu Portfólio Ideal
O aprenzidado de máquina também pode ajudar você a encontrar a carteira de ações ideal. Você aprenderá a usar a teoria moderna de portfólio (MPT) e o índice de Sharpe como parte do seu processo para prever os melhores portfólios. Depois de concluir este curso, você também entenderá como avaliar o desempenho do seu portfólio previsto por aprenzidado de máquina.Você usará uma variedade de conjuntos de dados reais da NASDAQ e aplicará a eles teorias e técnicas robustas para que possa criar suas próprias previsões e otimizar de acordo com seu apetite por risco e orçamento. "
Pré-requisitos
Programa de estudos
Descrição do curso
1
Preparando dados e um modelo linear
Neste capítulo, vamos aprender como o Machine Learning pode ser usado em finanças. Também vamos explorar alguns dados de ações e prepará-los para algoritmos de Machine Learning. Por fim, vamos ajustar nosso primeiro modelo de Machine Learning — um modelo linear — para prever mudanças futuras no preço das ações.
- Machine Learning para finanças50 XP
- Explore os dados com um pouco de EDA100 XP
- Correlações100 XP
- Transformações de dados, features e targets50 XP
- Crie recursos de média móvel e RSI100 XP
- Criar features e targets100 XP
- Verifique as correlações100 XP
- Modelagem linear50 XP
- Crie recursos de treino e teste100 XP
- Ajuste um modelo linear100 XP
- Avaliar nossos resultados100 XP
2
Métodos de árvores em Machine Learning
Aprenda a usar modelos de Machine Learning baseados em árvores para prever valores futuros do preço de uma ação, além de métodos baseados em florestas para regressão e seleção de features.
3
Redes neurais e KNN
Vamos aprender a normalizar e padronizar dados para uso em métodos de KNN e redes neurais. Depois, veremos como usar regressão com KNN e redes neurais para prever valores futuros do preço de uma ação (ou qualquer outro problema de regressão).
4
Machine Learning com a teoria moderna do portfólio
Neste capítulo, você vai aprender a usar a teoria moderna do portfólio (MPT) e o índice de Sharpe para traçar e encontrar portfólios de ações ótimos. Você também vai usar Machine Learning para prever os melhores portfólios. Por fim, vai avaliar o desempenho dos portfólios previstos por ML.
Machine Learning para Finanças em Python
Curso
concluído
