Transformări de date, caracteristici și ținte

Machine Learning pentru finanțe în Python

Nathan George

Data Science Professor

Crearea caracteristicilor și țintelor

features = amd_df[['10d_close_pct', 'Adj_Volume']]

targets = amd_df['10d_future_close_pct']

print(type(features))

pandas.core.series.DataFrame

print(type(targets))

pandas.core.series.Series
Machine Learning pentru finanțe în Python

Prețul și media mobilă

Machine Learning pentru finanțe în Python

Medii mobile

Medii mobile:

  • utilizează ultimele n zile pentru calculul mediei
  • valori comune pentru n: 14, 50, 200
Machine Learning pentru finanțe în Python

Prețul și SMA

Machine Learning pentru finanțe în Python

Grafic RSI și preț

Machine Learning pentru finanțe în Python

Ecuația RSI

Ecuația RS

Machine Learning pentru finanțe în Python

Calcularea SMA și RSI

import talib

amd_df['ma200'] = talib.SMA(amd_df['Adj_Close'].values, timeperiod=200)

amd_df['rsi200'] = talib.RSI(amd_df['Adj_Close'].values, timeperiod=200)
Machine Learning pentru finanțe în Python

Caracteristicile finale

feature_names = ['10d_close_pct', 'ma200', 'rsi200']
features = amd_df[feature_names]
targets = amd_df['10d_future_close_pct']

feature_target_df = amd_df[feature_names + '10d_future_close_pct']
Machine Learning pentru finanțe în Python

Verificarea corelațiilor

import seaborn as sns

corr = feature_target_df.corr()
sns.heatmap(corr, annot=True)
Machine Learning pentru finanțe în Python

Grafic de corelație între caracteristici și ținte

Machine Learning pentru finanțe în Python

Să creăm caracteristici și ținte!

Machine Learning pentru finanțe în Python

Preparing Video For Download...