Makine Öğrenmesi ile Hisse Senedi Fiyatları Nasıl Tahmin Edilir

Makine öğrenmesi, finans sektöründe çok sayıda uygulamaya sahiptir ve hisse senedi değerlerini tahmin etmek ve güçlü bir hisse senedi portföyünü korumak için yaygın olarak kullanılır. Bu kurs, geçmiş hisse senedi verilerinden teknik göstergeleri hesaplamak ve özellikler ile hedefler oluşturmak için Python kullanmayı öğretecek.

ML Modelleri Bilginizi Geliştirin

Güçlü hisse senedi tahminleri, iyi veri hazırlığıyla başlar. Finansal verilerinizi ML algoritmaları için nasıl hazırlayacağınızı ve bunları lineer modeller, xgboost modelleri ve sinir ağı modelleri dahil olmak üzere çeşitli modellere nasıl uyarlayacağınızı öğreneceksiniz.

İkinci bölüm, hisse senediniz için gelecekteki değerleri tahmin etmek üzere Python karar ağaçlarını ve tahminlerinizi geliştirmek için orman tabanlı makine öğrenmesi yöntemlerini kullanmaya geçiyor.

Bu kursun ikinci yarısında, KNN ve sinir ağlarında kullanım için verilerinizi nasıl ölçeklendireceğinizi öğrenecek, ardından bu araçları kullanarak hissenizin gelecekteki değerini tahmin edeceksiniz. Kayıpları nasıl çizeceğinizi, performansı nasıl ölçeceğinizi ve tahmin sonuçlarınızı nasıl görselleştireceğinizi öğreneceksiniz.

Sharpe Oranını Kullanarak İdeal Portföyünüzü Oluşturun

Makine öğrenmesi, en uygun hisse senedi portföyünü bulmanıza da yardımcı olabilir. Modern portföy teorisini (MPT) ve Sharpe oranını, en iyi portföyleri tahmin etme sürecinizin bir parçası olarak nasıl kullanacağınızı öğreneceksiniz. Bu kursu tamamladıktan sonra, makine öğrenmesiyle tahmin edilen portföyünüzün performansını nasıl değerlendireceğinizi de anlayacaksınız.

NASDAQ’tan çeşitli gerçek dünya veri setlerini kullanacak ve bunlara sağlam teoriler ile teknikler uygulayacaksınız; böylece kendi tahminlerinizi oluşturabilecek ve risk iştahınıza ile bütçenize göre optimizasyon yapabileceksiniz. "

Modern portföy teorisi (MPT); etkin sınırlar

Create Your Free Account