Wie man Aktienkurse mit Machine Learning vorhersagt

Machine Learning hat in der Finanzbranche zahlreiche Anwendungsbereiche und wird häufig eingesetzt, um Aktienwerte vorherzusagen und ein starkes Aktienportfolio zu führen. Dieser Kurs zeigt Ihnen, wie Sie Python verwenden, um technische Indikatoren aus historischen Aktienkursdaten zu berechnen und Features sowie Targets zu erstellen.

Erweitern Sie Ihr Wissen über ML-Modelle

Gute Aktienprognosen beginnen mit einer guten Datenaufbereitung. Sie lernen, wie Sie Ihre Finanzdaten für ML-Algorithmen aufbereiten und in verschiedene Modelle einpassen, darunter lineare Modelle, XGBoost-Modelle und neuronale Netzwerkmodelle.

Das zweite Kapitel geht dazu über, mit Python-Entscheidungsbäumen zukünftige Werte für Ihre Aktie vorherzusagen, und mit forestbasierten Machine-Learning-Methoden Ihre Vorhersagen zu verbessern.

Die zweite Hälfte dieses Kurses behandelt, wie Sie Ihre Daten für den Einsatz in KNN und neuronalen Netzen skalieren, bevor Sie diese Tools verwenden, um den zukünftigen Wert Ihrer Aktie vorherzusagen. Sie lernen, wie Sie Verluste darstellen, die Leistung messen und Ihre Vorhersageergebnisse visualisieren.

Nutzen Sie die Sharpe-Ratio, um Ihr ideales Portfolio aufzubauen

Machine Learning kann Ihnen auch dabei helfen, das optimale Aktienportfolio zu finden. Sie lernen, wie Sie die moderne Portfoliotheorie (MPT) und die Sharpe-Ratio als Teil Ihres Prozesses einsetzen, um die besten Portfolios vorherzusagen. Sobald Sie diesen Kurs abgeschlossen haben, werden Sie auch verstehen, wie Sie die Performance Ihres durch Machine Learning vorhergesagten Portfolios bewerten.

Sie verwenden eine Vielzahl realer Datensätze von NASDAQ und wenden darauf robuste Theorien und Techniken an, damit Sie Ihre eigenen Prognosen erstellen und diese auf Ihre Risikobereitschaft und Ihr Budget optimieren können. "

Machine Learning für MPT

Create Your Free Account