Cách dự đoán giá cổ phiếu bằng học máy

Học máy có rất nhiều ứng dụng trong ngành tài chính và thường được dùng để dự đoán giá cổ phiếu cũng như duy trì một danh mục cổ phiếu vững mạnh. Khóa học này sẽ dạy bạn cách sử dụng Python để tính toán các chỉ báo kỹ thuật từ dữ liệu cổ phiếu lịch sử và tạo ra các đặc trưng cùng mục tiêu.

Xây dựng kiến thức về các mô hình ML

Dự đoán cổ phiếu chính xác bắt đầu từ việc chuẩn bị dữ liệu tốt. Bạn sẽ học cách chuẩn bị dữ liệu tài chính của mình cho các thuật toán ML và đưa dữ liệu đó vào nhiều mô hình khác nhau, bao gồm mô hình tuyến tính, mô hình xgboost và mô hình mạng nơ-ron.

Chương thứ hai tiếp tục với việc sử dụng cây quyết định Python để dự đoán các giá trị tương lai cho cổ phiếu của bạn, và các phương pháp học máy dựa trên rừng để nâng cao độ chính xác dự đoán của bạn.

Nửa sau của khóa học này sẽ hướng dẫn cách mở rộng dữ liệu của bạn để sử dụng trong KNN và mạng nơ-ron, trước khi dùng những công cụ đó để dự đoán giá trị tương lai của cổ phiếu của bạn. Bạn sẽ học cách vẽ biểu đồ loss, đo lường hiệu suất và trực quan hóa kết quả dự đoán của mình.

Sử dụng Tỷ lệ Sharpe để xây dựng danh mục đầu tư lý tưởng của bạn

Học máy cũng có thể giúp bạn tìm ra danh mục cổ phiếu tối ưu. Bạn sẽ học cách sử dụng lý thuyết danh mục đầu tư hiện đại (MPT) và tỷ lệ Sharpe như một phần trong quy trình của mình để dự đoán các danh mục đầu tư tốt nhất. Sau khi hoàn thành khóa học này, bạn cũng sẽ hiểu cách đánh giá hiệu suất của danh mục đầu tư được dự đoán bằng học máy của mình.

Bạn sẽ sử dụng nhiều bộ dữ liệu thực tế từ NASDAQ và áp dụng các lý thuyết cùng kỹ thuật vững chắc vào chúng, ताकि bạn có thể tự tạo ra các dự đoán của riêng mình và tối ưu hóa theo khẩu vị rủi ro cũng như ngân sách của bạn. "

Lý thuyết danh mục hiện đại (MPT); biên hiệu quả

Create Your Free Account