Chia Sẻ Khóa Học Machine Learning Được Áp Dụng Cho Giao Dịch Chứng Khoán Và Tiền Điện Tử Với Python [Update Tháng 2-2024] [Khóa 6741 A]
Sử dụng các kỹ thuật Unsupervised, Supervised và Reinforcement Learning để đạt được lợi thế trong giao dịch Cổ phiếu, Tiền điện tử, Forex...!
Bạn sẽ học được gì:
- ✓ Hiểu các trạng thái và chế độ ẩn cho bất kỳ thị trường hoặc tài sản nào sử dụng Mô hình Markov ẩn (Hidden Markov Model).
- ✓ Khám phá các tài sản tối ưu cho các cặp giao dịch trong ETF, Stocks, Forex hoặc Crypto bằng cách sử dụng K-Means Clustering.
- ✓ Cô đọng thông tin từ một loạt các chỉ số với PCA.
- ✓ Đưa ra các dự đoán khách quan trong tương lai về dữ liệu tài chính với XGBOOST.
- ✓ Train một AI Reinforcement Learning agent để giao dịch cổ phiếu với PPO.
- ✓ Test hiệu quả thị trường trên bất kỳ tài sản nhất định nào.
- ✓ Làm quen với cá thư viện Python bao gồm Pandas, PyTorch (for deep learning) và sklearn.
Đạt được lợi thế trong giao dịch tài chính thông qua việc triển khai các kỹ thuật Machine Learning cho dữ liệu tài chính bằng Python. Trong khóa học này, bạn sẽ:
- ✓ Khám phá các trạng thái và chế độ thị trường ẩn bằng cách sử dụng Mô hình Markov ẩn (Hidden Markov Model).
- ✓ Objectively group like-for-like ETF cho pairs trading sử dụng K-Means Clustering và hiểu cách tận dụng điều này bằng cách sử dụng các phương pháp thống kê như Cointegration và Zscore.
- ✓ Đưa ra dự đoán trên VIX bằng cách bao gồm một lượng lớn các Chỉ báo kĩ thuật và chỉ chắt lọc những thông tin hữu ích thông qua Principle Component Analysis (PCA).
- ✓ Sử dụng một trong những thuật toán Machine Learning tiên tiến nhất, XGBOOST, để đưa ra dự đoán về dữ liệu giá Bitcoin trong tương lai.
- ✓ Đánh giá hiệu suất của các mô hình để có được niềm tin vào các dự đoán được đưa ra.
- ✓ Định lượng một cách khách quan sự chính xác, độ chính xác, thu hồi và điểm F1 trên dữ liệu thử nghiệm để suy ra tỷ lệ phần trăm khả năng của bạn.
- ✓ Phát triển một mô hình AI để giao dịch một sóng sin đơn giản và sau đó chuyển sang học cách tự giao dịch cổ phiếu Apple hoàn toàn mà không cần bất kỳ lời nhắc nào về các vị trí lựa chọn.
- ✓ Xây dựng một Deep Learning neural network cho cả Classification và nhận code để sử dụng một LSTM neural network để đưa ra dự đoán về dữ liệu tuần tự.
- ✓ Sử dụng các thư viện Python như Pandas, PyTorch (for deep learning), sklearn và hơn thế nữa.
Khóa học này không bao gồm nhiều lý thuyết chuyên sâu. Nó hoàn toàn là một khóa học thực hành, với lý thuyết ở mức độ cao được thực hiện để bất kỳ ai cũng có thể dễ dàng nắm bắt các khái niệm cơ bản, nhưng quan trọng hơn là hiểu ứng dụng và sử dụng ngay lập tức.
Nếu bạn đang tìm kiếm một khóa học có nhiều toán học thì đây không phải là khóa học dành cho bạn.
Nếu bạn đang tìm kiếm một khóa học để trải nghiệm machine learning giống như việc sử dụng dữ liệu tài chính theo cách vui vẻ, thú vị và có khả năng sinh lời, thì rất có thể bạn sẽ rất thích khóa học này.
Mục lục:
- ✓ 01. Giới thiệu.
- ✓ 02. Resources và Disclaimer.
- ✓ 03. Primer Theory.
- ✓ 04. Thiết lập Môi trường và Truy xuất Dữ liệu.
- ✓ 05. Primer Practical.
- ✓ 06. Unsupervised Machine Learning - Hidden Markov Models.
- ✓ 07. Unsupervised Machine Learning - K-Means Clustering.
- ✓ 08. Unsupervised Learning - Principle Component Analysis.
- ✓ 09. Supervised Machine Learning.
- ✓ 10. Supervised Deep Learning - Giới thiệu cơ bản.
- ✓ 11. Reinforcement Learning.
- ✓ 12. Tóm tắt khóa học và các bước tiếp theo.
- ✓ 13. PHỤ LỤC - General Trading Principles.
Khóa học này dành cho ai:
- ✓ Các nhà kinh doanh bán lẻ đang tìm cách đạt được lợi thế khách quan trên thị trường tài chính.
- ✓ Những người đam mê đang tìm kiếm một ứng dụng thực tế và thú vị của Machine Learning.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU