Cómo predecir los precios de las acciones con machine learning

El machine learning tiene un gran número de aplicaciones dentro del sector financiero y se utiliza habitualmente para predecir el valor de las acciones y mantener un portafolio bursátil sólido. Este curso te enseñará a utilizar Python para calcular indicadores técnicos a partir de datos históricos bursátiles y crear características y objetivos.

Amplía tus conocimientos sobre los modelos de aprendizaje automático

Las predicciones bursátiles sólidas comienzan con una buena preparación de los datos. Aprenderás a preparar tus datos financieros para algoritmos de aprendizaje automático y a adaptarlos a diversos modelos, incluidos modelos lineales, modelos xgboost y modelos de redes neuronales.

El segundo capítulo pasa a utilizar árboles de decisión de Python para predecir los valores futuros de tus acciones y métodos de machine learning basados en bosques para mejorar tus predicciones.

La segunda mitad de este curso tratará sobre cómo escalar tus datos para utilizarlos en KNN y redes neuronales antes de usar esas herramientas para predecir el valor futuro de tus acciones. Aprenderás a crear gráficos de pérdidas, medir el rendimiento y visualizar los resultados de tus predicciones.

Utiliza el ratio de Sharpe para crear tu portafolio ideal

El machine learning también puede ayudarte a encontrar el portafolio de acciones óptimo. Aprenderás a utilizar la teoría moderna de portafolios (MPT) y el ratio de Sharpe como parte de tu proceso para predecir los mejores portafolios. Una vez que hayas completado este curso, también comprenderás cómo evaluar el rendimiento de tu portafolio predicho por el machine learning.

Utilizarás diversos conjuntos de datos reales del NASDAQ y aplicarás teorías y técnicas sólidas a los mismos, de modo que puedas crear tus propias predicciones y optimizarlas en función de tu apetito de riesgo y tu presupuesto.

Teoría moderna de carteras (MPT); fronteras eficientes

Create Your Free Account