Build your ultimate AI agent
รายละเอียดคอร์ส
วิธีทำนายราคาหุ้นด้วยแมชชีนเลิร์นนิง
การเรียนรู้ของเครื่องมีการประยุกต์ใช้อย่างมากมายในอุตสาหกรรมการเงิน และมักถูกใช้เพื่อคาดการณ์มูลค่าหุ้นและรักษาพอร์ตโฟลิโอหุ้นให้แข็งแกร่ง คอร์สนี้จะสอนคุณวิธีใช้ Python เพื่อคำนวณตัวชี้วัดทางเทคนิคจากข้อมูลราคาหุ้นในอดีต และสร้างฟีเจอร์กับเป้าหมายสร้างความรู้ของคุณเกี่ยวกับโมเดล ML
การคาดการณ์หุ้นที่แม่นยำเริ่มต้นจากการเตรียมข้อมูลที่ดี คุณจะได้เรียนรู้วิธีเตรียมข้อมูลทางการเงินของคุณสำหรับอัลกอริทึม ML และนำไปปรับใช้กับโมเดลต่างๆ รวมถึงโมเดลเชิงเส้น โมเดล xgboost และโมเดลโครงข่ายประสาทเทียมบทที่สองจะต่อยอดไปสู่การใช้ต้นไม้ตัดสินใจใน Python เพื่อคาดการณ์มูลค่าในอนาคตของหุ้นของคุณ และวิธีการแมชชีนเลิร์นนิงแบบอิงป่าเพื่อยกระดับความแม่นยำของการคาดการณ์ของคุณ
ครึ่งหลังของหลักสูตรนี้จะครอบคลุมวิธีการปรับสเกลข้อมูลของคุณเพื่อใช้กับ KNN และโครงข่ายประสาทเทียม ก่อนที่จะนำเครื่องมือเหล่านั้นไปใช้ในการคาดการณ์มูลค่าในอนาคตของหุ้นของคุณ คุณจะได้เรียนรู้วิธีพล็อตค่า loss วัดประสิทธิภาพ และแสดงผลลัพธ์การคาดการณ์ของคุณเป็นภาพ
ใช้ Sharpe Ratio เพื่อสร้างพอร์ตโฟลิโอในอุดมคติของคุณ
แมชชีนเลิร์นนิงยังช่วยให้คุณค้นหาพอร์ตโฟลิโอหุ้นที่เหมาะสมที่สุดได้อีกด้วย คุณจะได้เรียนรู้วิธีใช้ทฤษฎีพอร์ตโฟลิโอสมัยใหม่ (MPT) และอัตราส่วนชาร์ปเป็นส่วนหนึ่งของกระบวนการของคุณเพื่อคาดการณ์พอร์ตโฟลิโอที่ดีที่สุด เมื่อคุณเรียนจบหลักสูตรนี้แล้ว คุณจะเข้าใจด้วยว่าจะประเมินประสิทธิภาพของพอร์ตโฟลิโอที่คาดการณ์ด้วยแมชชีนเลิร์นนิงของคุณอย่างไรคุณจะใช้ชุดข้อมูลจริงหลากหลายชุดจาก NASDAQ และนำทฤษฎีและเทคนิคที่แข็งแกร่งไปประยุกต์ใช้กับชุดข้อมูลเหล่านั้น เพื่อให้คุณสามารถสร้างการคาดการณ์ของคุณเองและปรับให้เหมาะสมกับระดับความเสี่ยงที่ยอมรับได้และงบประมาณของคุณ. "
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การเตรียมข้อมูลและโมเดล linear
ในบทนี้ จะได้เรียนรู้ว่า machine learning นำมาใช้ในด้านการเงินได้อย่างไร พร้อมสำรวจข้อมูลหุ้นและเตรียมข้อมูลสำหรับอัลกอริทึม machine learning จากนั้นจะสร้างโมเดล machine learning แรก ซึ่งเป็น linear model เพื่อพยากรณ์การเปลี่ยนแปลงราคาหุ้นในอนาคต
- Machine Learning สำหรับการเงิน50 XP
- สำรวจข้อมูลด้วย EDA100 XP
- ความสัมพันธ์ระหว่างตัวแปร100 XP
- การแปลงข้อมูล ฟีเจอร์ และเป้าหมาย50 XP
- สร้างฟีเจอร์ค่าเฉลี่ยเคลื่อนที่และ RSI100 XP
- สร้างฟีเจอร์และเป้าหมาย100 XP
- ตรวจสอบค่าสหสัมพันธ์100 XP
- Linear Modeling50 XP
- สร้าง features สำหรับชุดฝึกและชุดทดสอบ100 XP
- ฝึกโมเดลเชิงเส้น100 XP
- ประเมินผลลัพธ์ของโมเดล100 XP
2
วิธี machine learning แบบ tree
เรียนรู้วิธีใช้โมเดล machine learning แบบ tree เพื่อพยากรณ์ราคาหุ้นในอนาคต รวมถึงวิธีใช้วิธี machine learning แบบ forest สำหรับงาน regression และการคัดเลือก feature
3
Neural network และ KNN
จะได้เรียนรู้วิธีการ normalize และ scale ข้อมูลสำหรับใช้กับ KNN และ neural network จากนั้นจะใช้ KNN regression และ neural network regression เพื่อพยากรณ์ราคาหุ้นในอนาคต (หรือปัญหา regression อื่น ๆ)
4
Machine learning กับทฤษฎีพอร์ตโฟลิโอสมัยใหม่
ในบทนี้ จะได้เรียนรู้วิธีใช้ทฤษฎีพอร์ตโฟลิโอสมัยใหม่ (MPT) และ Sharpe ratio เพื่อพล็อตและค้นหาพอร์ตโฟลิโอหุ้นที่เหมาะสมที่สุด รวมถึงใช้ machine learning เพื่อพยากรณ์พอร์ตโฟลิโอที่ดีที่สุด และประเมินประสิทธิภาพของพอร์ตโฟลิโอที่โมเดล ML พยากรณ์ไว้
Machine Learning สำหรับการเงินด้วย Python
เรียนจบแล้ว
