Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Makine Öğrenmesi ile Hisse Senedi Fiyatları Nasıl Tahmin Edilir
Makine öğrenmesi, finans sektöründe çok sayıda uygulamaya sahiptir ve hisse senedi değerlerini tahmin etmek ve güçlü bir hisse senedi portföyünü korumak için yaygın olarak kullanılır. Bu kurs, geçmiş hisse senedi verilerinden teknik göstergeleri hesaplamak ve özellikler ile hedefler oluşturmak için Python kullanmayı öğretecek.ML Modelleri Bilginizi Geliştirin
Güçlü hisse senedi tahminleri, iyi veri hazırlığıyla başlar. Finansal verilerinizi ML algoritmaları için nasıl hazırlayacağınızı ve bunları lineer modeller, xgboost modelleri ve sinir ağı modelleri dahil olmak üzere çeşitli modellere nasıl uyarlayacağınızı öğreneceksiniz.İkinci bölüm, hisse senediniz için gelecekteki değerleri tahmin etmek üzere Python karar ağaçlarını ve tahminlerinizi geliştirmek için orman tabanlı makine öğrenmesi yöntemlerini kullanmaya geçiyor.
Bu kursun ikinci yarısında, KNN ve sinir ağlarında kullanım için verilerinizi nasıl ölçeklendireceğinizi öğrenecek, ardından bu araçları kullanarak hissenizin gelecekteki değerini tahmin edeceksiniz. Kayıpları nasıl çizeceğinizi, performansı nasıl ölçeceğinizi ve tahmin sonuçlarınızı nasıl görselleştireceğinizi öğreneceksiniz.
Sharpe Oranını Kullanarak İdeal Portföyünüzü Oluşturun
Makine öğrenmesi, en uygun hisse senedi portföyünü bulmanıza da yardımcı olabilir. Modern portföy teorisini (MPT) ve Sharpe oranını, en iyi portföyleri tahmin etme sürecinizin bir parçası olarak nasıl kullanacağınızı öğreneceksiniz. Bu kursu tamamladıktan sonra, makine öğrenmesiyle tahmin edilen portföyünüzün performansını nasıl değerlendireceğinizi de anlayacaksınız.NASDAQ’tan çeşitli gerçek dünya veri setlerini kullanacak ve bunlara sağlam teoriler ile teknikler uygulayacaksınız; böylece kendi tahminlerinizi oluşturabilecek ve risk iştahınıza ile bütçenize göre optimizasyon yapabileceksiniz. "
Ön Koşullar
Müfredat
Kurs planı
1
Veri hazırlama ve linear model
Bu bölümde, machine learning'in finansta nasıl kullanılabileceğini öğreneceğiz. Ayrıca bazı hisse verilerini inceleyip bunları machine learning algoritmaları için hazırlayacağız. Son olarak, hisselerin gelecekteki fiyat değişimlerini tahmin etmek için ilk machine learning modelimizi — bir linear model — kuracağız.
- Finans için Machine Learning50 XP
- Biraz EDA ile veriyi keşfet100 XP
- Korelasyonlar100 XP
- Veri dönüşümleri, öznitelikler ve hedefler50 XP
- Hareketli ortalama ve RSI özellikleri oluştur100 XP
- Özellikler ve hedefler oluştur100 XP
- Korelasyonları kontrol et100 XP
- Doğrusal modelleme50 XP
- Eğitim ve test özellikleri oluştur100 XP
- Lineer bir modeli uydur100 XP
- Sonuçlarımızı değerlendir100 XP
2
Machine learning ağaç yöntemleri
Ağaç tabanlı machine learning modellerini kullanarak bir hissenin gelecekteki fiyat değerlerini tahmin etmeyi ve ayrıca regresyon ile özellik seçimi için orman tabanlı yöntemleri kullanmayı öğren.
3
Neural networks ve KNN
KNN ve neural network yöntemlerinde kullanılmak üzere veriyi nasıl normalize edip ölçeklendireceğimizi öğreneceğiz. Ardından, bir hissenin gelecekteki fiyat değerlerini (veya başka herhangi bir regresyon problemini) tahmin etmek için KNN ve neural network regresyonunu nasıl kullanacağını öğreneceksin.
4
Modern portföy teorisi ile machine learning
Bu bölümde, modern portföy teorisini (MPT) ve Sharpe oranını kullanarak en iyi hisse portföylerini nasıl çizeceğini ve bulacağını öğreneceksin. Ayrıca en iyi portföyleri tahmin etmek için machine learning kullanacaksın. Son olarak, ML ile tahmin edilen portföylerin performansını değerlendireceksin.
Python ile Finans için Machine Learning
Kurs
Tamamlandı
