Build your ultimate AI agent
课程介绍
如何使用机器学习预测股票价格
机器学习在金融行业有着广泛的应用，常用于预测股票价值并维持稳健的股票投资组合。 本课程将教你如何使用Python从历史股票数据中计算技术指标，并创建特征和目标。构建你的机器学习模型知识
准确的股票预测始于良好的数据准备。 您将学习如何为机器学习算法准备您的财务数据，并将其应用于各种模型，包括线性模型、xgboost 模型和神经网络模型。第二章将进一步介绍如何使用 Python 决策树来预测股票的未来价值，以及如何运用基于森林的机器学习方法来提升预测效果。
本课程的后半部分将介绍如何对数据进行缩放，以便用于 KNN 和神经网络，然后再使用这些工具来预测您的股票未来价值。 你将学习如何绘制损失曲线、衡量性能，并可视化你的预测结果。
使用夏普比率构建你的理想投资组合
机器学习还可以帮助你找到最优股票投资组合。 你将学习如何将现代投资组合理论（MPT）和夏普比率纳入你的流程，以预测最佳投资组合。 完成本课程后，你还将了解如何评估机器学习预测的投资组合表现。你将使用来自纳斯达克的各种真实数据集，并将稳健的理论和技术应用于这些数据，从而能够创建自己的预测，并根据您的风险偏好和预算进行优化。 "
先修要求
课程大纲
课程大纲
1
数据准备与线性模型
本章将学习如何在金融领域应用机器学习。我们还会探索一些股票数据，并将其准备为机器学习算法可用的数据。最后，我们将拟合第一个机器学习模型——线性模型，用于预测股票未来的价格变动。
2
机器学习中的树方法
学习如何使用基于树的机器学习模型来预测股票价格的未来数值，以及如何使用基于森林的方法进行回归和特征选择。
3
神经网络与 KNN
我们将学习如何对数据进行归一化与缩放，以用于 KNN 和神经网络方法。随后，学习如何使用 KNN 和神经网络回归来预测股票价格的未来数值（或其他任何回归问题）。
4
结合现代投资组合理论的机器学习
本章中，您将学习如何使用现代投资组合理论（MPT）和夏普比率来绘制并寻找最优股票组合。您还将使用机器学习来预测最优组合。最后，您将评估由机器学习预测的投资组合的表现。
Python 金融机器学习
课程完成
