Python机器学习

将新数据集成到资产管理中的一种有前途的方法是机器学习（ML），它允许发现金融时间序列数据中发现的模式，并利用这些模式做出更好的投资决策。机器学习允许我们：

确定可能的回报驱动因素，无论是在单个股票层面，还是在整个资产类别（如股票或债券市场）层面，
预测公司层面的关键绩效指标，如收入，以及
确定我们是否可以从特定的数据集中受益，并从中为我们的投资过程获取价值。

为了为这些任务创建机器学习模型，我们开发了自己的机器学习平台MALINA（用于投资应用的机器学习），这是为金融时间序列数据创建可解释的机器学习模型而量身定制的解决方案。MALINA是单独使用Python开发的，由3万多行Python代码组成。

在我们的MALINA框架中，我们创建了四个分离模块：

• 一个机器学习模块，允许我们使用不同的ML算法定义和基准金融时间序列数据模型，
• 一个反向测试模块，它允许我们根据开发的ML模型对交易策略进行反向测试，
• 一个模型解释模块，它集成了我们自己对ML模块中可用的一些机器学习算法的解释方法，并且
• 一种基于web的用户界面，允许用户定义和基准化模型，而无需实际编写代码。

特别是模块3，开发新的方法来解释我们的机器学习模型，是我们的关键。这个模块允许我们打开机器学习的黑匣子，理解我们的模型和它们的预测，这进一步帮助我们发现这些模型已经学习的模式。

如果您喜欢Python编程语言的优雅，Django就是您的web框架！Django是一个强大但实用的框架，重点是完成工作。如果你一直想了解这个流行的web应用程序开发平台的更多信息，那么本课程就是为你准备的！

当学习一门新的语言或技术时，所需的不仅仅是阅读文档。虽然这是一个很好的开始，但学习和保留新知识的最好方法是利用它。在本课程中，Envato Tuts+讲师Derek Jensen将向您展示如何使用Python和Django构建一个真实的web应用程序。德里克将带领您为您最喜爱的新闻站点开发一个新闻提要聚合器，以帮助您掌握Django web开发的基本原理。

学习Python

使用我们完整的Python教程指南来学习Python，无论您是刚刚开始学习Python，还是您是一个经验丰富的程序员，希望学习新的技能。