After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Cách dự đoán giá cổ phiếu bằng học máy
Học máy có rất nhiều ứng dụng trong ngành tài chính và thường được dùng để dự đoán giá cổ phiếu cũng như duy trì một danh mục cổ phiếu vững mạnh. Khóa học này sẽ dạy bạn cách sử dụng Python để tính toán các chỉ báo kỹ thuật từ dữ liệu cổ phiếu lịch sử và tạo ra các đặc trưng cùng mục tiêu.Xây dựng kiến thức về các mô hình ML
Dự đoán cổ phiếu chính xác bắt đầu từ việc chuẩn bị dữ liệu tốt. Bạn sẽ học cách chuẩn bị dữ liệu tài chính của mình cho các thuật toán ML và đưa dữ liệu đó vào nhiều mô hình khác nhau, bao gồm mô hình tuyến tính, mô hình xgboost và mô hình mạng nơ-ron.Chương thứ hai tiếp tục với việc sử dụng cây quyết định Python để dự đoán các giá trị tương lai cho cổ phiếu của bạn, và các phương pháp học máy dựa trên rừng để nâng cao độ chính xác dự đoán của bạn.
Nửa sau của khóa học này sẽ hướng dẫn cách mở rộng dữ liệu của bạn để sử dụng trong KNN và mạng nơ-ron, trước khi dùng những công cụ đó để dự đoán giá trị tương lai của cổ phiếu của bạn. Bạn sẽ học cách vẽ biểu đồ loss, đo lường hiệu suất và trực quan hóa kết quả dự đoán của mình.
Sử dụng Tỷ lệ Sharpe để xây dựng danh mục đầu tư lý tưởng của bạn
Học máy cũng có thể giúp bạn tìm ra danh mục cổ phiếu tối ưu. Bạn sẽ học cách sử dụng lý thuyết danh mục đầu tư hiện đại (MPT) và tỷ lệ Sharpe như một phần trong quy trình của mình để dự đoán các danh mục đầu tư tốt nhất. Sau khi hoàn thành khóa học này, bạn cũng sẽ hiểu cách đánh giá hiệu suất của danh mục đầu tư được dự đoán bằng học máy của mình.Bạn sẽ sử dụng nhiều bộ dữ liệu thực tế từ NASDAQ và áp dụng các lý thuyết cùng kỹ thuật vững chắc vào chúng, ताकि bạn có thể tự tạo ra các dự đoán của riêng mình và tối ưu hóa theo khẩu vị rủi ro cũng như ngân sách của bạn. "
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Chuẩn bị dữ liệu và mô hình tuyến tính
Trong chương này, chúng ta sẽ học cách ứng dụng machine learning trong tài chính. Chúng ta cũng sẽ khám phá một số dữ liệu cổ phiếu và chuẩn bị dữ liệu cho các thuật toán machine learning. Cuối cùng, chúng ta sẽ huấn luyện mô hình machine learning đầu tiên — một mô hình tuyến tính — để dự đoán biến động giá cổ phiếu trong tương lai.
- Machine Learning cho tài chính50 XP
- Khám phá dữ liệu với EDA100 XP
- Tương quan100 XP
- Biến đổi dữ liệu, đặc trưng và mục tiêu50 XP
- Tạo đặc trưng trung bình động và RSI100 XP
- Tạo features và targets100 XP
- Kiểm tra hệ số tương quan100 XP
- Mô hình tuyến tính50 XP
- Tạo đặc trưng cho train và test100 XP
- Fit một mô hình tuyến tính100 XP
- Đánh giá kết quả100 XP
2
Các phương pháp cây trong Machine Learning
Học cách sử dụng các mô hình machine learning dựa trên cây để dự đoán giá cổ phiếu tương lai, cũng như cách áp dụng các phương pháp dựa trên rừng (forest) cho hồi quy và lựa chọn đặc trưng.
3
Mạng nơ-ron và KNN
Chúng ta sẽ học cách chuẩn hóa và scale dữ liệu để dùng cho KNN và mạng nơ-ron. Sau đó, chúng ta sẽ dùng hồi quy KNN và mạng nơ-ron để dự đoán giá cổ phiếu trong tương lai (hoặc bất kỳ bài toán hồi quy nào khác).
4
Machine Learning với lý thuyết danh mục hiện đại
Trong chương này, bạn sẽ học cách dùng lý thuyết danh mục hiện đại (MPT) và tỷ lệ Sharpe để vẽ và tìm danh mục cổ phiếu tối ưu. Bạn cũng sẽ dùng machine learning để dự đoán các danh mục tốt nhất. Cuối cùng, bạn sẽ đánh giá hiệu năng của các danh mục do ML dự đoán.
Machine Learning cho Tài chính bằng Python
Hoàn
thành khóa học
