Build your ultimate AI agent
Описание курса
Как прогнозировать цены акций с помощью машинного обучения
Машинное обучение имеет огромное количество применений в финансовой отрасли и широко используется для прогнозирования стоимости акций и поддержания сильного портфеля акций. Этот курс научит вас использовать Python для расчёта технических индикаторов на основе исторических данных по акциям и создания признаков и целевых переменных.Расширьте свои знания о моделях машинного обучения
Точные прогнозы по акциям начинаются с качественной подготовки данных. Вы узнаете, как подготовить свои финансовые данные для алгоритмов ML и адаптировать их для различных моделей, включая линейные модели, модели xgboost и модели нейронных сетей.Во второй главе вы перейдете к использованию деревьев решений на Python для прогнозирования будущих значений ваших акций, а также методов машинного обучения на основе лесов, чтобы повысить точность ваших прогнозов.
Во второй половине этого курса вы узнаете, как масштабировать данные для использования в KNN и нейронных сетях, а затем примените эти инструменты, чтобы спрогнозировать будущую стоимость вашей акции. Вы узнаете, как строить графики потерь, измерять производительность и визуализировать результаты прогнозирования.
Используйте коэффициент Шарпа, чтобы создать идеальный портфель
Машинное обучение также может помочь вам найти оптимальный портфель акций. Вы узнаете, как использовать современную теорию портфеля (MPT) и коэффициент Шарпа в рамках своего процесса, чтобы прогнозировать лучшие портфели. После завершения этого курса вы также поймёте, как оценивать эффективность вашего портфеля, предсказанного с помощью машинного обучения.Вы будете использовать различные реальные наборы данных NASDAQ и применять к ним надежные теории и методы, чтобы создавать собственные прогнозы и оптимизировать их с учетом вашей склонности к риску и бюджета. "
Предварительные требования
Программа
Структура курса
1
Подготовка данных и линейная модель
В этой главе вы узнаете, как машинное обучение применяется в финансах. Мы изучим данные по акциям и подготовим их для использования в алгоритмах машинного обучения. В завершение вы обучите свою первую модель — линейную — для прогнозирования будущих изменений цен акций.
- Машинное обучение в финансах50 XP
- Исследование данных с помощью разведочного анализа100 XP
- Корреляции100 XP
- Преобразование данных, признаки и целевые переменные50 XP
- Создание признаков на основе скользящей средней и RSI100 XP
- Создание признаков и целевых переменных100 XP
- Проверка корреляций100 XP
- Линейное моделирование50 XP
- Создание обучающих и тестовых признаков100 XP
- Обучение линейной модели100 XP
- Оцениваем результаты100 XP
2
Древовидные методы машинного обучения
Вы научитесь применять древовидные модели машинного обучения для прогнозирования будущих значений цены акций, а также использовать ансамблевые методы на основе деревьев для задач регрессии и отбора признаков.
3
Нейронные сети и метод ближайших соседей
Мы рассмотрим, как нормализовать и масштабировать данные для применения в методе ближайших соседей и нейронных сетях. Затем вы научитесь использовать регрессию на основе KNN и нейронных сетей для прогнозирования будущих значений цены акций — и любых других задач регрессии.
4
Машинное обучение и современная теория портфеля
В этой главе вы узнаете, как применять современную теорию портфеля (MPT) и коэффициент Шарпа для построения и поиска оптимальных портфелей акций. Вы также используете машинное обучение для прогнозирования наилучших портфелей и оцените их эффективность.
Машинное обучение для финансов на Python
Курс
завершён
