Comment prédire les prix des actions avec l’apprentissage automatique

L’apprentissage automatique a un très grand nombre d’applications dans le secteur financier et est couramment utilisé pour prédire la valeur des actions et maintenir un solide portefeuille boursier. Ce cours vous apprendra à utiliser Python pour calculer des indicateurs techniques à partir de données historiques sur les actions et à créer des variables explicatives et des cibles.

Développez vos connaissances des modèles de ML

Les meilleures prévisions boursières commencent par une bonne préparation des données. Vous apprendrez à préparer vos données financières pour les algorithmes de ML et à les intégrer dans divers modèles, notamment des modèles linéaires, des modèles xgboost et des modèles de réseaux neuronaux.

Le deuxième chapitre passe à l’utilisation d’arbres de décision en Python pour prédire les valeurs futures de votre action, ainsi que de méthodes d’apprentissage automatique basées sur les forêts pour améliorer vos prédictions.

La deuxième moitié de ce cours couvrira comment mettre vos données à l’échelle pour les utiliser dans KNN et les réseaux neuronaux, avant d’utiliser ces outils pour prédire la valeur future de votre action. Vous apprendrez à tracer les pertes, à mesurer la performance et à visualiser vos résultats de prédiction.

Utilisez le ratio de Sharpe pour bâtir votre portefeuille idéal

L’apprentissage automatique peut aussi vous aider à trouver le portefeuille d’actions optimal. Vous apprendrez à utiliser la théorie moderne du portefeuille (MPT) et le ratio de Sharpe dans votre processus pour prédire les meilleurs portefeuilles. Une fois ce cours terminé, vous comprendrez également comment évaluer la performance de votre portefeuille prédit par machine learning.

Vous utiliserez une variété d’ensembles de données réels provenant du NASDAQ et leur appliquerez des théories et des techniques robustes afin de pouvoir créer vos propres prévisions et optimiser selon votre tolérance au risque et votre budget. "

Importances des variables et gradient boosting

Create Your Free Account