Машинное обучение для финансов на Python

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. "