Phân tích và giao dịch định lượng K3 - Buổi 11 (2024.09.08)

Поделиться
HTML-код
  • Опубликовано: 24 дек 2024
  • Phân tích và giao dịch định lượng K3 - Buổi 11 (2024.09.08)
    🔹 Giới thiệu buổi học
    ✅ Buổi học tập trung vào kỹ thuật phân tích thành phần chính (PCA), một công cụ mạnh mẽ để giảm chiều dữ liệu trong các bài toán tài chính.
    ✅ Hướng dẫn chi tiết cách áp dụng PCA trong Python để lựa chọn các biến quan trọng trong phân tích và dự báo.
    🔹 Nội dung chính
    Tổng quan về PCA (Principal Component Analysis)
    ✅ Định nghĩa PCA và ứng dụng trong việc giảm chiều dữ liệu.
    ✅ Vai trò của PCA trong tài chính:
    🔸 Tăng tốc độ xử lý mô hình.
    🔸 Loại bỏ nhiễu và giảm overfitting.
    Chuẩn bị dữ liệu cho PCA
    ✅ Chuẩn hóa dữ liệu bằng cách sử dụng StandardScaler để đảm bảo tất cả các biến có cùng thang đo.
    ✅ Kiểm tra dữ liệu đầu vào để đảm bảo phù hợp với phân tích PCA.
    Thực hiện PCA trong Python
    ✅ Sử dụng thư viện sklearn để thực hiện PCA.
    ✅ Xác định số lượng thành phần chính dựa trên tỷ lệ phương sai tích lũy.
    ✅ Chọn các thành phần chính có ý nghĩa thống kê để giảm số chiều mà vẫn giữ được thông tin quan trọng.
    Ứng dụng PCA vào phân tích tài chính
    ✅ Lựa chọn các biến quan trọng trong dự báo giá cổ phiếu.
    ✅ Tích hợp kết quả PCA vào các mô hình như hồi quy tuyến tính hoặc ARIMA.
    Đánh giá và trực quan hóa kết quả
    ✅ Vẽ biểu đồ tỷ lệ phương sai tích lũy để kiểm tra số lượng thành phần chính tối ưu.
    ✅ Hiển thị các trọng số (loading) của từng thành phần chính để hiểu ý nghĩa của chúng.
    🔹 Chia sẻ kinh nghiệm
    ✅ Học viên được khuyến khích tự thực hành PCA với các bộ dữ liệu thực tế.
    ✅ Luôn kiểm tra ý nghĩa của các thành phần chính và không chỉ dựa hoàn toàn vào tỷ lệ phương sai.
    📢 Thông tin liên hệ Hướng Nghiệp Dữ Liệu
    ➡️ Zalo: zalo.me/058358...
    ➡️ Fanpage: huongnghiepdulieu
    ➡️ Website: huongnghiepdul...
    ➡️ Email: daotao@huongnghiepdulieu.com

Комментарии •