課程總長約13小時 ｜ 課程已90%內容上線
你是否也遇過這些狀況？
想客製化投資方程式
不知如何著手？
總是覺得買基金或是用銀行的投資機器人，基金又要付管理費、手續費、保管費等等，還不一定賺錢，賠了夫人又折兵，不如透過Python建立一個屬於自己的AI投資機器人。
想用機器學習預測股市
但沒時間學？
想要學會用機器學習預測股市，有效運用手中的閒錢，卻又忙於工作、家庭甚至是人際關係，沒有時間學習艱深複雜的理論，這堂課讓你只需花13小時，就可以提槍上陣，解決你時間不夠用的窘境。
想投資好標的
卻總是慢人一步？
在眾多股票中尋找好的股票，往往找到時，股價都在相對高點，已經漲了一大段，讓蔡老師教你用AI機器學習，找出合適的投資標的，自動運算出最佳的投資組合及策略，讓你利用人工智慧不再慢人一步而是高人一等！
誰需要這門課程？
-
想投資股票但沒時間盯盤、操盤
-
想打造屬於自己的AI投資機器人
-
想使用機器學習預測股市
-
沒有任何基礎但想從程式交易入門
-
擁有Python基礎但不懂如何運用
-
不想購買昂貴的專業交易程式
-
想學習Python及TensorFlow基本及應用
課程介紹
「AI 投資」逐漸蔚為流行，當你還沒掌握相關技術，容易輸在起跑點。當別人已經用 AI 回測上千筆股票資料、嘗試上百種投資策略時 —— 你，還依靠「直覺」選股嗎？為了讓 AI 投資更加「民主」，MasterTalks 特別邀請 蔡立耑 博士，開設「機器學習投資法: 用Python打造AI操盤手」線上課程，包含「Python 入門知識」、「Python 金融數據分析」、「機器學習算法與量化投資」、「Fintech：AI與投資分析應用」四大模組。不論你想從程式交易入門著手，或是已具備基礎、想學更多機器學習應用，都適合來上這門課。
模組1：Python入門知識（已上線）
用簡單明瞭、生動形象地方式講解Python語言概念、Python 編程的基本技巧，同時，提醒大家Python處理金融數據時的一些注意事項。具體會介紹一下內容：
P Python內置數據類型
P Python常用語句與語法
P Python函數
模組2：Python金融數據分析（已上線）
主要介紹使用Python實現股價數據的載入、預處理（缺失值處理等）以及統計分析、可視化分析。除此之外，本模組課程還會告訴大家如何編寫程式模擬投資者綜合分析季度財報數據和日度的股價數據。
P 金融數據預處理、探索性分析：Numpy、Pandas函式庫
P 金融數據可視化：Matplotlib函式庫
●案例：用Python繪製看盤軟體中的蠟燭圖
模組3：機器學習算法與量化投資
量化擇時、量化選股、統計套利、Portfolio配置等都是投資者密切關注的議題，而機器學習算法提供了處理這些問題的一些獨特視角。本模組課程把機器學習算法應用到量化投資中，具體涵蓋以下內容：
P 分類器與股價漲跌預測 ( 已上線 )
●算法：邏輯回歸算法、SVM算法、隨機森林算法
●案例：機器學習算法預測台指漲跌
●案例：隨機森林與量化選股
P 分群算法與統計套利、Portfolio配置（錄製中，未上線）
●分群：Kmeans算法
●統計套利：配對交易的思想與實現
●案例：Kmeans算法在台灣股票市場進行配對交易
●案例：分群算法幫助Portfolio配置
模組4：Fintech：AI與投資分析應用
Fintech已經成為財經和科技業最炙手可熱的趨勢，Fintech應用的一個領域就是把科技應用與金融交易，模組課程將帶領大家認識AI，了解深度學習算法，然後結合AI常用的一些算法來輔助投資決策、股票交易。
P TensorFlow的架構與使用（錄製中，未上線）
●由Google開發，最高效能實現機器學習和深度學習算法
P 常見的深度學習匴法與投資策略（錄製中，未上線）
●深度神經網路(DNN)
●卷積神經網路(CNN)
●案例：深度學習算法預測技術指標(移動均線、RSI等)的有效性
P 時間序列的深度學習與股價預測（錄製中，未上線）
●傳統的時間序列預測：ARIMA
■案例：ARIMA預測股價趨勢
●深度學習的時間序列預測：
■遞迴神經網路(RNN)算法
■長短期記憶模型LSTM算法
●案例：RNN預測股票的收盤價，並與ARIMA模型對比分析
●案例：LSTM預測匯率變化
課程特色
分析股市規律
找出具代表性模型
由淺入深
完整應用機器學習
大量案例
回測分析股票市場
課程學習地圖
這門課將會教你從Python的基本語法及函數，到多維陣列、時間序列等金融數據分析，最後進入機器學習單元中，你將會學習到股市中常見的應用，例如：邏輯回歸、支援向量機、隨機森林、神經網路等，輔以大量的股市案例，真正教會你在股市中應用AI。
授課老師
-
蔡 立耑
伊利諾大學香檳分校金融碩士，
華盛頓大學經濟博士。
研究與業界顧問領域包括：
量化投資，金融數據挖掘，經濟分析，
人工智能應用與金融集團管控等。
課程大綱
-
1
Python入門知識
-
2
Python金融數據分析
-
3
機器學習算法與量化投資
-
4
Fintech：AI與投資分析應用
-
5
舊版討論區備份
-
1.1. Python對像類型 1.1. _1 Numeric types 1.1._2 ABC of Collection 1.1._3 Introductin to the built-in Data types 1.1._4 Learn list by Python codes 1.1._5 Learn tuple by Python codes 1.1._6 Learn str objects by Python codes 1.1._7 Learn set objects by Python codes 1.1._8 Learn dict objects by Python codes 1.2. Python常用語句和語法 1.2._1 Introduction to expression/statement 1.2._2 Expression 1.2._3 Statement 1.2._4 Indentation 1.2._5 Simple statement 1.2._6 Compound statement 1.3. Python函數 1.3._1 Function Basics 1.3._2 The argument 1.3._3 Anonymous Functions 單元一課程PPT及程式碼 -
2.1. Numpy函式庫與多維陣列 2.1._1 Introduction to Numpy 2.1._2 Axes, indexing, slicing 2.1._3 “Vectorized” Operations 2.1._4 Broadcasting 2.2. Pandas與時間序列數據 2.2. _1 Learn series 2.2._2 Learn DataFrame 2.2._3 Datetime and time series data 2.3. Matplotlib數據可視化 2.3._1 Introduction to matplotlib 2.3._2 Plot financial data 單元二課程PPT及程式碼 -
3.1. 分類器與股價漲跌預測 (已上線) 3.1._1 機器學習與股價上漲下跌預測 3.1._1 1 Predict stock movement using ML 3.1._1 c_1 Preprocess the data 3.1._1 c_1.1 Read the stock data 3.1._1 c_1.2 Calculate technical indicators 3.1._1 c_1.3 Preprare the training data and test data 3.1._1 c_2 Predicting with continuous-valued data 3.1._1 c_3 Predicting with trend prediction data 3.1._1 c_4 Predicting with new feature 3.1._2 機器學習與財務選股 3.1._2 1 ML and stock selection 3.1._2 c_1 Introduction 3.1._2 c_2 Prepare the financial data and return data 3.1._2 c_3 Build the model, select stocks and calculate the cumulative return 3.2.分群算法與統計套利、Portfolio配置 3.2._1 c_1 1.1 K-means clustering on the stock 3.2._1 c_1 1.2 Find tradable pairs in each cluster 3.2._1 c_1 3 Pair trading 3.2._2 c_2 1 K-means and portfolio construction 3.2._2 c_2 2 Portfolio performance evaluation 單元三課程PPT及程式碼 -
4.1 TensorFlow的架構與使用 4-1 1 Introduction to tensorflow 4-1 2. Tensor 4-1 3,1 Introduction to Keras 4-1 3,2 Learn DL with Keras in detail 4-1 4 DNN for stock market analysis and prediction 4.2 常見的深度學習算法與投資策略 4-2 1 Convolutional neural network 4-2 2 Convolutional layer 4-2 3 CNN and stock prediction 4-2 3.1 Create label and image data using stock prices 4-2 3.2 Build CNN model 4-2 3.3 CNN model performance evaluation and stock trading 4.3 時間序列的深度學習與股價預測 4.3 1 Introduction to RNN and LSTM 4-3 2 Timeseries prediction ARMA, RNN and LSTM model 單元四程式碼下載 -
舊版討論區備份
