机器学习应用于股票和加密货币交易 – Python
使用无监督、监督和强化学习技术来获得股票、加密货币、外汇交易的优势……
讲师:Shaun McDonogh
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 使用隐马尔可夫模型了解任何市场或资产的隐藏状态和制度
- 使用 K 均值聚类发现 ETF、股票、外汇或加密货币配对交易的最佳资产
- 使用 PCA 浓缩来自大量指标的信息
- 使用 XGBOOST 对财务数据做出客观的未来预测
- 训练 AI 强化学习代理使用 PPO 交易股票
- 测试任何给定资产的市场效率
- 熟悉 Python 库,包括 Pandas、PyTorch(用于深度学习)和 sklearn
要求
- 您应该有一些基本的 Python 经验
- 您应该了解交易相关概念,例如配对交易
- 您应该了解 ETF、VIX、股票和加密货币等资产
描述
通过使用 Python 将机器学习技术部署到金融数据中,获得金融交易的优势。在本课程中,您将:
- 使用隐马尔可夫模型发现隐藏的市场状态和制度。
- 使用 K 均值聚类客观地将同类 ETF 分组以进行配对交易,并了解如何使用协整和 Zscore 等统计方法来利用这一点。
- 通过纳入大量技术指标并通过主成分分析 (PCA) 提取有用信息,对 VIX 进行预测。
- 使用最先进的机器学习算法之一 XGBOOST,对未来的比特币价格数据进行预测。
- 评估模型的性能以获得对所做预测的信心。
- 客观地量化测试数据的准确度、精确度、召回率和 F1 分数,以推断您可能的百分比优势。
- 开发一个人工智能模型来交易简单的正弦波,然后继续学习完全独立地交易苹果股票,而不会出现任何选择仓位的提示。
- 构建用于分类的深度学习神经网络,并接收使用 LSTM 神经网络对序列数据进行预测的代码。
- 使用 Pandas、PyTorch(用于深度学习)、sklearn 等 Python 库。
本课程不涉及太多深入的理论。它纯粹是一门实践课程,具有高水平的理论,可以让任何人轻松掌握基本概念,但更重要的是,了解应用程序并立即使用。
如果您正在寻找包含大量数学内容的课程,那么这门课程不适合您。
如果您正在寻找一门课程来体验机器学习如何以有趣、令人兴奋且可能有利可图的方式使用金融数据,那么您可能会非常喜欢这门课程。
本课程适合谁:
- 希望在金融市场获得客观优势的零售交易者
- 正在寻找实用且有趣的机器学习应用的爱好者
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。