Lớp trung tâm là người học hỗ trợ. Khi bạn mua thông qua các liên kết trên trang web của chúng tôi, chúng tôi có thể kiếm được một khoản hoa hồng liên kết.
Tìm hiểu để mô hình hóa và dự đoán các giá trị dữ liệu chứng khoán bằng các mô hình tuyến tính, cây quyết định, rừng ngẫu nhiên và mạng lưới thần kinh. Dữ liệu chuỗi thời gian là tất cả xung quanh chúng ta; Một số ví dụ là thời tiết, mô hình hành vi của con người là người tiêu dùng và thành viên của xã hội và dữ liệu tài chính. Trong khóa học này, bạn sẽ học cách tính toán các chỉ số kỹ thuật từ dữ liệu chứng khoán lịch sử và cách tạo các tính năng và mục tiêu ra khỏi dữ liệu cổ phiếu lịch sử. Bạn sẽ hiểu cách chuẩn bị các tính năng của chúng tôi cho các mô hình tuyến tính, mô hình XGBOOST và các mô hình mạng thần kinh. Sau đó, chúng tôi sẽ sử dụng các mô hình tuyến tính, cây quyết định, rừng ngẫu nhiên và mạng lưới thần kinh để dự đoán giá cổ phiếu trong tương lai tại thị trường Hoa Kỳ. Bạn cũng sẽ học cách đánh giá hiệu suất của các mô hình khác nhau mà chúng tôi đào tạo để tối ưu hóa chúng, vì vậy dự đoán của chúng tôi có đủ độ chính xác để tạo ra một chiến lược giao dịch chứng khoán có lợi nhuận. Chuẩn bị dữ liệu và mô hình tuyến tính -Trong chương này, chúng ta sẽ tìm hiểu cách học máy có thể được sử dụng trong tài chính. Chúng tôi cũng sẽ khám phá một số dữ liệu chứng khoán và chuẩn bị nó cho các thuật toán học máy. Cuối cùng, chúng tôi sẽ phù hợp với mô hình học máy đầu tiên của chúng tôi - một mô hình tuyến tính, để dự đoán thay đổi giá trong tương lai của cổ phiếu. Phương pháp máy học máy-Làm thế nào để sử dụng các mô hình học máy dựa trên cây để dự đoán các giá trị trong tương lai của giá cổ phiếu, cũng như cách sử dụng các phương pháp học máy dựa trên rừng để hồi quy và lựa chọn tính năng.Tổng quan
giáo trình
-In this chapter, we will learn how machine learning can be used in finance. We will also explore some stock data, and prepare it for machine learning algorithms. Finally, we will fit our first machine learning model -- a linear model, in order to predict future price changes of stocks.
-Learn how to use tree-based machine learning
models to predict future values of a stock's price, as well as how to use forest-based machine learning methods for regression and feature selection.
Mạng lưới thần kinh và KNN -Chúng tôi sẽ học cách bình thường hóa và mở rộng dữ liệu để sử dụng trong các phương pháp mạng và mạng thần kinh. Sau đó, chúng ta sẽ học cách sử dụng hồi quy KNN và mạng lưới thần kinh để dự đoán các giá trị trong tương lai của giá cổ phiếu (hoặc bất kỳ vấn đề hồi quy nào khác).
-We will learn how to normalize and scale data for use in KNN and neural network methods. Then we will learn how to use KNN and neural network regression to predict the future values of a stock's price (or any other regression problem).
Học máy với lý thuyết danh mục đầu tư hiện đại -Trong chương này, bạn sẽ học cách sử dụng Lý thuyết danh mục đầu tư hiện đại (MPT) và tỷ lệ Sharpe để vẽ và tìm danh mục đầu tư cổ phiếu tối ưu. Bạn cũng sẽ sử dụng học máy để dự đoán danh mục đầu tư tốt nhất. Cuối cùng, bạn sẽ đánh giá hiệu suất của danh mục đầu tư dự đoán ML.
-In this chapter,
you'll learn how to use modern portfolio theory (MPT) and the Sharpe ratio to plot and find optimal stock portfolios. You'll also use machine learning to predict the best portfolios. Finally, you'll evaluate performance of the ML-predicted portfolios.
Đánh giá
Bắt đầu đánh giá của bạn về học máy về tài chính trong PythonMachine Learning for Finance in Python
Không ngừng học hỏi.
Nhận các đề xuất khóa học cá nhân, theo dõi các môn học và khóa học với lời nhắc, và nhiều hơn nữa.
Sự mô tả
Nathan George
Tìm hiểu để mô hình hóa và dự đoán các giá trị dữ liệu chứng khoán bằng các mô hình tuyến tính, cây quyết định, rừng ngẫu nhiên và mạng lưới thần kinh. Đọc thêm.
Tài nguyên này được cung cấp bởi một đối tác liên kết. Nếu bạn trả tiền cho đào tạo, chúng tôi có thể kiếm được một khoản hoa hồng để hỗ trợ trang web này.
Sự liên quan nghề nghiệp theo vai trò dữ liệu
Các kỹ thuật và công cụ được đề cập trong việc học máy về tài chính trong Python tương tự như các yêu cầu được tìm thấy trong quảng cáo việc làm của nhà khoa học dữ liệu.
Điểm tương đồng (trong số 100)