یادگیری ماشین برای امور مالی در پایتون

چگونه قیمت سهام را با یادگیری ماشین پیش‌بینی کنیم؟

یادگیری ماشین کاربردهای بسیار زیادی در صنعت مالی دارد و معمولاً برای پیش‌بینی ارزش سهام و حفظ یک سبد سهام قوی استفاده می‌شود. این دوره به شما آموزش می‌دهد که چگونه از پایتون برای محاسبه شاخص‌های فنی از داده‌ تاریخی سهام و ایجاد ویژگی‌ها و اهداف استفاده کنید.

دانش خود را در مورد مدل‌های ML بسازید.

پیش‌بینی‌های قوی سهام با آماده‌سازی خوب داده آغاز می‌شود. شما یاد خواهید گرفت که چگونه داده‌ مالی خود را برای الگوریتم‌های ML آماده کرده و آن را در مدل‌های مختلف، از جمله مدل‌های خطی، مدل‌های xgboost و مدل‌های شبکه عصبی، قرار دهید.

فصل دوم به استفاده از درخت‌های تصمیم پایتون برای پیش‌بینی مقادیر آینده سهام شما و متدهای یادگیری ماشین مبتنی بر جنگل برای بهبود پیش‌بینی‌های شما می‌پردازد.

نیمه دوم این دوره چگونگی مقیاس‌دهی داده‌ شما برای استفاده در KNN و شبکه‌های عصبی را پوشش می‌دهد، قبل از اینکه از آن ابزارها برای پیش‌بینی ارزش آینده سهام خود استفاده کنید. شما یاد خواهید گرفت که چگونه ضررها را رسم کنید، عملکرد را اندازه‌گیری کرده و نتایج پیش‌بینی خود را مصورسازی کنید.

از نسبت شارپ برای ساختن سبد ایده‌آل خود استفاده کنید.

یادگیری ماشین همچنین می‌تواند به شما کمک کند تا سبد سهام بهینه را پیدا کنید. شما یاد خواهید گرفت که چگونه از نظریه سبد مدرن (MPT) و نسبت شارپ به عنوان بخشی از فرآیند خود برای پیش‌بینی بهترین سبدها استفاده کنید. پس از تکمیل این دوره، همچنین خواهید فهمید که چگونه عملکرد سبد پیش‌بینی شده توسط یادگیری ماشین خود را ارزیابی کنید.

شما از مجموعه داده‌ متنوع دنیای واقعی از NASDAQ استفاده کرده و نظریه‌ها و تکنیک‌های قوی را بر آن‌ها اعمال خواهید کرد تا بتوانید پیش‌بینی‌های خود را ایجاد کرده و برای ریسک‌پذیری و بودجه خود بهینه‌سازی کنید."