1. Обучение
    2. /
  2. Курса
    3. /
  3. Кількісне управління ризиками в Python
Connected

Упражнение

Прогнозування ціни активу

Тепер ви можете використати нейронну мережу, щоб передбачити ціну активу. Це важлива складова кількісного фінансового аналізу та управління ризиками.

Ви використаєте ціни акцій Citibank, Goldman Sachs та J. P. Morgan за 2005–2010 роки, щоб натренувати мережу прогнозувати ціну акцій Morgan Stanley.

Ви створите й натренуєте нейронну мережу з одним вхідним шаром, одним вихідним шаром і двома прихованими шарами.

Потім буде показано точкову діаграму, щоб оцінити, наскільки прогнозовані ціни Morgan Stanley відрізняються від фактичних за 2005–2010 роки. Нагадаємо: якщо прогнози ідеальні, отримана діаграма лежатиме на лінії під кутом 45 градусів.

Об'єкти Sequential і Dense доступні, як і датафрейм prices із цінами інвестиційних банків за 2005–2010 роки.

Инструкции

100 XP
  • Задайте вхідні дані як усі prices банків, окрім Morgan Stanley, а вихідні дані — лише prices Morgan Stanley.
  • Створіть нейронну мережу Sequential під назвою model із двома прихованими шарами Dense: перший — на 16 нейронів (і трьома вхідними нейронами), другий — на 8 нейронів.
  • Додайте один вихідний шар Dense з 1 нейроном, який представлятиме ціну Morgan Stanley.
  • Скомпілюйте нейронну мережу та натренуйте її, викликавши model.fit().