After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Cum să prezici prețurile acțiunilor cu machine learning
Învățarea automată are un număr foarte mare de aplicații în industria financiară și este folosită în mod obișnuit pentru a prezice valorile acțiunilor și pentru a menține un portofoliu de acțiuni solid. Acest curs te va învăța cum să folosești Python pentru a calcula indicatori tehnici din date istorice despre acțiuni și pentru a crea caracteristici și ținte.Construiește-ți cunoștințele despre modelele ML
Previziunile solide ale acțiunilor încep cu o pregătire bună a datelor. Vei învăța cum să pregătești datele tale financiare pentru algoritmi ML și să le integrezi în diverse modele, inclusiv modele liniare, modele xgboost și modele de rețele neuronale.Al doilea capitol trece la utilizarea arborilor de decizie Python pentru a prezice valorile viitoare ale acțiunii tale și la metode de machine learning bazate pe păduri pentru a-ți îmbunătăți predicțiile.
A doua jumătate a acestui curs va acoperi cum să scalezi datele pentru utilizare în KNN și rețele neuronale, înainte de a folosi aceste instrumente pentru a prezice valoarea viitoare a acțiunii tale. Vei învăța cum să reprezinți pierderile, să măsori performanța și să vizualizezi rezultatele predicțiilor tale.
Folosește raportul Sharpe pentru a-ți construi portofoliul ideal
Învățarea automată te poate ajuta, de asemenea, să găsești portofoliul optim de acțiuni. Vei învăța cum să folosești teoria modernă a portofoliului (MPT) și raportul Sharpe ca parte a procesului tău pentru a prezice cele mai bune portofolii. După ce vei finaliza acest curs, vei înțelege și cum să evaluezi performanța portofoliului tău prezis de machine learning.Vei folosi o varietate de seturi de date reale de la NASDAQ și vei aplica asupra lor teorii și tehnici solide, astfel încât să poți crea propriile predicții și să optimizezi în funcție de apetitul tău pentru risc și de bugetul tău. "
Cerințe prealabile
Curriculum
Structura cursului
1
Pregătirea datelor și un model liniar
În acest capitol, vom explora cum poate fi aplicat machine learning-ul în finanțe. Vom analiza date despre acțiuni și le vom pregăti pentru algoritmii de machine learning. În final, vom antrena primul nostru model de machine learning – un model liniar – pentru a prezice variațiile viitoare ale prețului acțiunilor.
- Machine learning pentru finanțe50 XP
- Explorează datele cu EDA100 XP
- Corelații100 XP
- Transformări de date, caracteristici și ținte50 XP
- Creează caracteristici cu media mobilă și RSI100 XP
- Creează caracteristici și ținte100 XP
- Verifică corelațiile100 XP
- Modelare liniară50 XP
- Creează caracteristicile de antrenament și de testare100 XP
- Antrenează un model liniar100 XP
- Evaluează rezultatele100 XP
2
Metode de machine learning bazate pe arbori
Vei învăța cum să folosești modele de machine learning bazate pe arbori pentru a prezice valorile viitoare ale prețului unei acțiuni, precum și cum să aplici metode bazate pe păduri aleatoare pentru regresie și selecția caracteristicilor.
3
Rețele neuronale și KNN
Vom învăța cum să normalizăm și să scalăm datele pentru a le folosi cu KNN și rețele neuronale. Apoi vom vedea cum se aplică regresia KNN și cea cu rețele neuronale pentru a prezice valorile viitoare ale prețului unei acțiuni (sau ale oricărei alte probleme de regresie).
4
Machine learning și teoria modernă a portofoliului
În acest capitol, vei învăța cum să folosești teoria modernă a portofoliului (MPT) și rata Sharpe pentru a reprezenta grafic și a identifica portofolii de acțiuni optime. Vei folosi, de asemenea, machine learning pentru a prezice cele mai bune portofolii. În final, vei evalua performanța portofoliilor prezise de modelele ML.
Machine Learning pentru finanțe în Python
Curs
finalizat
