内容 隐藏
1 机器学习应用于股票与加密货币交易 – Python
2 Machine Learning Applied to Stock & Crypto Trading – Python
2.1 你将学到什么
2.2 要求
2.3 描述
2.4 这门课程适合谁：

机器学习应用于股票与加密货币交易 – Python

Machine Learning Applied to Stock & Crypto Trading – Python

使用无监督、监督和强化学习技术，在股票、加密货币、外汇交易中获得优势…

你将学到什么

  • 使用隐马尔可夫模型理解任何市场或资产的隐藏状态和状态
  • 使用 K-Means 聚类发现 ETF、股票、外汇或加密货币配对交易的最佳资产
  • 用 PCA 对大量指标信息进行压缩
  • 用 XGBOOST 对金融数据进行客观的未来预测
  • 用 PPO 训练 AI 强化学习代理进行股票交易
  • 对任何给定资产进行市场效率测试
  • 熟悉 Python 库，包括 Pandas、PyTorch（用于深度学习）和 sklearn

要求

  • 你应该具备一些基本的 Python 经验
  • 你应该了解与交易相关的概念，如配对交易
  • 你应该了解 ETF、VIX、股票和加密货币等资产

描述

通过使用 Python 将机器学习技术应用于金融数据，在金融交易中获得优势。在本课程中，你将：

  • 使用隐马尔可夫模型发现隐藏的市场状态和体制

  • 客观地使用 K-Means 聚类将同类 ETF 分组进行配对交易，并了解如何利用统计方法如协整和 Z 分数来从中获利。

  • 通过包含大量技术指标并利用主成分分析（PCA）提炼有用信息，对 VIX 进行预测。

  • 使用最先进的机器学习算法 XGBOOST，对未来比特币价格数据进行预测。

  • 评估模型的性能，以对所做出的预测建立信心。

  • 客观量化测试数据的准确率、精确率、召回率和 F1 分数，以推断你的可能优势百分比。

  • 开发一个用于交易简单正弦波的 AI 模型，然后进一步学习如何完全依靠自身交易苹果股票，而不需要任何提示来选择交易位置。

  • 构建用于分类的深度学习神经网络，并获取使用 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，理论部分以高阶形式呈现，旨在让任何人都能轻松掌握基本概念，但更重要的是，理解其应用并立即将其付诸实践。

如果你在寻找一门充满大量数学内容的课程，那么这门课不适合你。

如果你希望以有趣、刺激且可能盈利的方式，通过金融数据体验机器学习是什么，那么你很可能会非常享受这门课程。

这门课程适合谁：

  • 寻求在金融市场中获得客观优势的零售交易者
  • 寻找机器学习实用且有趣应用的爱好者
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。