Začněte nyníZačněte zdarma

Předpověď ceny aktiva

Teď použiješ neuronovou síť k předpovědi ceny aktiva – klíčového prvku kvantitativní finanční analýzy i řízení rizik.

K trénování sítě využiješ ceny akcií Citibank, Goldman Sachs a J. P. Morgan za období 2005–2010, přičemž cílem bude předpovědět cenu akcie Morgan Stanley.

Vytvoříš a natrénuješ neuronovou síť s jednou vstupní vrstvou, jednou výstupní vrstvou a dvěma skrytými vrstvami.

Následně se zobrazí bodový graf, který ukáže, jak moc se předpovězené ceny Morgan Stanley liší od skutečných hodnot za roky 2005–2010. (Připomeňme, že pokud jsou předpovědi dokonalé, všechny body grafu leží na přímce pod úhlem 45 stupňů.)

K dispozici máš objekty Sequential a Dense a také DataFrame prices s cenami investičních bank za období 2005–2010.

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Nastav vstupní data jako všechny bankovní prices kromě Morgan Stanley a výstupní data jako pouze ceny prices Morgan Stanley.
  • Vytvoř neuronovou síť model typu Sequential se dvěma skrytými vrstvami Dense: první s 16 neurony (a třemi vstupními neurony) a druhou s 8 neurony.
  • Přidej jedinou výstupní vrstvu Dense s 1 neuronem reprezentujícím cenu Morgan Stanley.
  • Zkompiluj neuronovou síť a natrénuj ji pomocí metody fit na model.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Set the input and output data
training_input = prices.____('Morgan Stanley', axis=1)
training_output = prices['Morgan Stanley']

# Create and train the neural network with two hidden layers
model = ____()
model.add(Dense(16, input_dim=____, activation='sigmoid'))
model.add(____(8, activation='relu'))
model.add(____(1))

model.____(loss='mean_squared_logarithmic_error', optimizer='rmsprop')
model.____(training_input, training_output, epochs=100)

# Scatter plot of the resulting model prediction
axis.scatter(training_output, model.predict(training_input)); plt.show()
Upravit a spustit kód