비트코인 자동매매 프로그램14 [K-means clustering] 4. 종합 예제 및 전략 검증 4주차: 종합 예제 및 전략 검증강의 목표: 이번 주차 강의에서는 앞서 배운 내용을 종합하여 실제 데이터를 사용해 주식 시장의 거래 전략을 수립하고 검증하는 방법을 학습합니다. 또한, 후행 전략의 한계를 보완하기 위한 예측 모델과 리스크 관리 기법을 소개합니다.1. 종합 예제 소개이번 강의에서는 Apple(AAPL) 주식 데이터를 사용하여 종합 예제를 진행합니다. 이 예제는 데이터 수집, 전처리, K-평균 클러스터링을 통한 시장 레짐 감지, 거래 전략 수립 및 검증의 전 과정을 다룹니다.2. 데이터 수집 및 전처리먼저, Yahoo Finance API를 사용하여 데이터를 수집하고 전처리합니다.import yfinance as yffrom sklearn.preprocessing import Standard.. 2024. 6. 19. [K-means clustering] 3.시장 레짐 정의 및 거래 전략 수립 3주차: 시장 레짐 정의 및 거래 전략 수립강의 목표: 이번 주차 강의에서는 K-평균 클러스터링을 통해 감지한 시장 레짐을 정의하고, 각 레짐에 맞는 거래 전략을 수립하는 방법을 학습합니다.1. 시장 레짐 정의시장 레짐(Market Regime)이란 주식 시장의 상태나 패턴을 의미합니다. 시장 레짐은 주식 시장의 가격 움직임에 따라 여러 가지로 나눌 수 있습니다. 일반적으로 다음과 같은 레짐이 있습니다:상승장(Uptrend): 주가가 지속적으로 상승하는 시장하락장(Downtrend): 주가가 지속적으로 하락하는 시장횡보장(Sideways Market): 주가가 큰 변동 없이 일정한 범위 내에서 움직이는 시장각 시장 레짐을 정의하는 기준은 다음과 같습니다:상승장:주가가 일정 기간 동안 지속적으로 상승할 때.. 2024. 6. 18. [K-means clustering] 2.K-평균 클러스터링 개요 및 적용 2주차: K-평균 클러스터링 개요 및 적용강의 목표: 이번 주차 강의에서는 K-평균 클러스터링 알고리즘의 작동 원리를 상세히 이해하고, 이를 주식 시장 데이터에 적용하여 클러스터링을 수행하는 방법을 학습합니다.1. K-평균 클러스터링 알고리즘의 단계K-평균 클러스터링은 데이터를 유사한 그룹으로 나누기 위해 사용되는 비지도 학습 알고리즘입니다. 다음은 K-평균 클러스터링 알고리즘의 주요 단계입니다:K 값 선택:클러스터의 수(K)를 설정합니다. 예를 들어, 3개의 클러스터로 나누고 싶다면 K=3으로 설정합니다.초기 클러스터 중심 설정:K개의 초기 클러스터 중심(centroids)을 무작위로 선택합니다. 클러스터 중심은 각 클러스터의 중심 위치를 나타내는 점입니다.클러스터 할당:각 데이터 포인트를 가장 가까운.. 2024. 6. 17. [K-means clustering] 1. 인공지능을 활용한 주식 시장 레짐 감지 및 거래 전략 수립 강의 목표: 이번 주차 강의에서는 K-평균 클러스터링과 주식 시장 데이터를 이해하고, 데이터를 수집 및 전처리하는 방법을 학습합니다. Python을 이용하여 실습도 함께 진행합니다.1. K-평균 클러스터링 개요먼저, K-평균 클러스터링(K-means Clustering)에 대해 자세히 알아보겠습니다. K-평균 클러스터링은 데이터를 유사한 그룹으로 나누는 비지도 학습 알고리즘입니다. 비지도 학습(Unsupervised Learning)이란, 데이터에 대한 명확한 라벨(정답)이 없는 상황에서 데이터의 패턴을 찾는 머신러닝 기법을 의미합니다.K-평균 클러스터링의 기본 아이디어는 간단합니다. 우리는 데이터 포인트들을 K개의 클러스터로 나누고, 각 클러스터의 중심에 가장 가까운 데이터 포인트들을 그룹화합니다. 여.. 2024. 6. 17. 이전 1 2 3 4 다음 최근댓글 최근글 인기글 skin by © 2024 ttuttak
최근댓글