Comment prédire les cours boursiers avec machine learning

Le machine learning a un très grand nombre d’applications dans le secteur financier et est couramment utilisé pour prédire la valeur des actions et maintenir un portefeuille d’actions solide. Ce cours vous apprendra à utiliser Python pour calculer des indicateurs techniques à partir de données historiques boursières et 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 différents 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 Python pour prédire les valeurs futures de votre action, ainsi que de méthodes de machine learning basées sur les forêts pour améliorer vos prédictions.

La seconde moitié de ce cours expliquera 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, mesurer les performances et visualiser vos résultats de prédiction.

Utilisez le ratio de Sharpe pour construire votre portefeuille idéal

Le machine learning peut également 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 le cadre de votre processus pour prédire les meilleurs portefeuilles. Une fois que vous aurez terminé ce cours, vous comprendrez également comment évaluer la performance de votre portefeuille prédit par machine learning.

Vous utiliserez une variété de jeux de données réels provenant du NASDAQ et leur appliquerez des théories et des techniques robustes afin de pouvoir créer vos propres prévisions et optimiser en fonction de votre appétence au risque et de votre budget. "

Ratios de Sharpe ; caractéristiques et cibles

Create Your Free Account