After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Як прогнозувати ціни акцій за допомогою машинного навчання
Машинне навчання має величезну кількість застосувань у фінансовій галузі та часто використовується для прогнозування вартості акцій і підтримання сильного портфеля акцій. Цей курс навчить вас використовувати Python для розрахунку технічних індикаторів на основі історичних даних про акції та створення ознак і цільових змінних.Поглибте свої знання про ML-моделі
Точні прогнози щодо акцій починаються з якісної підготовки даних. Ви дізнаєтеся, як підготувати свої фінансові дані для алгоритмів ML і застосувати їх у різних моделях, зокрема лінійних моделях, моделях xgboost і моделях нейронних мереж.Другий розділ переходить до використання дерев рішень Python для прогнозування майбутніх значень вашої акції та методів машинного навчання на основі лісів, щоб покращити ваші прогнози.
Друга половина цього курсу охоплює, як масштабувати ваші дані для використання в KNN і нейронних мережах, перш ніж застосовувати ці інструменти для прогнозування майбутньої вартості ваших акцій. Ви навчитеся будувати графіки втрат, вимірювати продуктивність і візуалізувати результати своїх прогнозів.
Використовуйте коефіцієнт Шарпа, щоб створити свій ідеальний портфель
Машинне навчання також може допомогти вам знайти оптимальний фондовий портфель. Ви дізнаєтеся, як використовувати сучасну теорію портфеля (MPT) та коефіцієнт Шарпа як частину свого процесу для прогнозування найкращих портфелів. Після завершення цього курсу ви також зрозумієте, як оцінювати ефективність вашого портфеля, прогнозованого за допомогою машинного навчання.Ви використовуватимете різноманітні реальні набори даних із NASDAQ і застосовуватимете до них надійні теорії та методики, щоб створювати власні прогнози та оптимізувати їх відповідно до вашої схильності до ризику й бюджету. "
Попередні вимоги
Навчальний план
Зміст курсу
1
Підготовка даних і лінійна модель
У цьому розділі ми дізнаємося, як машинне навчання можна застосувати у фінансах. Також розглянемо деякі біржові дані та підготуємо їх для алгоритмів машинного навчання. Нарешті, ми навчимо нашу першу модель машинного навчання — лінійну модель, щоб прогнозувати майбутні зміни цін акцій.
- Машинне навчання для фінансів50 XP
- Дослідіть дані за допомогою EDA100 XP
- Кореляції100 XP
- Перетворення даних, ознаки та цільові змінні50 XP
- Створення ознак ковзного середнього та RSI100 XP
- Створення ознак і цілей100 XP
- Перевірте кореляції100 XP
- Лінійне моделювання50 XP
- Створіть тренувальні та тестові ознаки100 XP
- Навчіть лінійну модель100 XP
- Оцініть наші результати100 XP
2
Деревоподібні методи машинного навчання
Дізнайтеся, як використовувати деревоподібні моделі машинного навчання для прогнозування майбутніх значень ціни акції, а також як застосовувати методи на основі лісів для регресії та відбору ознак.
3
Нейронні мережі та KNN
Ми навчимося нормалізувати й масштабувати дані для KNN і методів нейронних мереж. Потім розглянемо, як застосовувати регресію KNN і нейронних мереж для прогнозування майбутніх значень ціни акції (або для будь-якої іншої задачі регресії).
4
Machine Learning і сучасна теорія портфеля
У цьому розділі ви дізнаєтеся, як використовувати сучасну теорію портфеля (MPT) і коефіцієнт Шарпа, щоб будувати й знаходити оптимальні портфелі акцій. Ви також застосуєте машинне навчання для прогнозування найкращих портфелів. Нарешті, ви оціните ефективність портфелів, спрогнозованих ML.
Machine Learning для фінансів у Python
Курс
завершено
