文件名称：股票买卖最佳时机leetcode-Project2:项目2
文件大小：10.43MB
文件格式：ZIP
更新时间：2024-07-26 21:35:23
系统开源
股票买卖最佳时机leetcode 项目2 机器学习可以帮助解决的金融科技问题：使用技术指标分析各种加密货币 BTC、ETC、ADA、USDT、XRP、LTC、TRX、TUSD、DGB、BSV，包括：特征 1 中的指数移动平均线，指数移动平均线特征 2 中的每日回报波动率，特征 3 中的布林带。 基于三个信号的机器学习模型随机森林交易：'crossover_signal'、'vol_trend_signal'、'bollinger_signal' 并根据逻辑设置因变量值，如果每日收益大于 0，则为 1，否则为 0。一年的数据用于构建模型。 然后将两组数据构造成X_train和y_train。 然后使用仅使用训练集（X_train，Y_train）的 SKLearn 线性回归来拟合数据。 建立混淆矩阵，准确度得分。 预测是基于为样本中使用的所有密码构建的模型计算的。 用预测值绘制图形。 预测值替换为 -1，其中 0 表示空头情况，这是多头头寸的反向。 然后绘制累积回报。 该项目的要求如下： 在所学技术的背景下应用 ML。 您必须使用：Scikit-Learn 和/或其他机器学习库（使用 M
【文件预览】：
Project2-main
----.ipynb_checkpoints()
--------.env-checkpoint(99B)
--------Data_Cleanup-checkpoint.ipynb(587KB)
--------Alpaca_Data-checkpoint.ipynb(72B)
----UNC Fintech Project 2 - Apr 1, 2021.pdf(4.86MB)
----Resources()
--------ada_random_forest_model.joblib(142KB)
--------bsv_random_forest_model.joblib(142KB)
--------EthereumTradingSignals.csv(207KB)
--------.ipynb_checkpoints()
--------trx_random_forest_model.joblib(143KB)
--------BitcoinData.csv(69KB)
--------LitecoinData.csv(63KB)
--------LitecoinTradingSignals.csv(203KB)
--------TetherData.csv(80KB)
--------TetherTradingSignals.csv(217KB)
--------btc_random_forest_model.joblib(142KB)
--------BitcoinSVData.csv(64KB)
--------TrueUSDData.csv(62KB)
--------xrp_random_forest_model.joblib(142KB)
--------TronData.csv(67KB)
--------CryptoData.csv(499KB)
--------BitcoinTradingSignals.csv(206KB)
--------EthereumData.csv(66KB)
--------usdt_random_forest_model.joblib(142KB)
--------eth_random_forest_model.joblib(142KB)
--------CardanoTradingSignals.csv(216KB)
--------DigiByteTradingSignals.csv(222KB)
--------BitcoinSVTradingSignals.csv(206KB)
--------DigiByteData.csv(67KB)
--------RippleTradingSignals.csv(213KB)
--------TrueUSDTradingSignals.csv(208KB)
--------dgb_random_forest_model.joblib(142KB)
--------TronTradingSignals.csv(222KB)
--------ltc_random_forest_model.joblib(142KB)
--------CardanoData.csv(67KB)
--------RippleData.csv(66KB)
--------tusd_random_forest_model.joblib(136KB)
--------CryptoClosingPrices.csv(73KB)
----CryptoAnalysis.ipynb(3.34MB)
----.env(143B)
----CryptoData.ipynb(30KB)
----README.md(8KB)
----CryptoCleaning.ipynb(12KB)
----__pycache__()
--------MCForecastTools.cpython-37.pyc(5KB)
----Top10_MarketCap_Model.ipynb(83KB)
----Alpaca_Data.ipynb(3.09MB)
----ModelBuilding.ipynb(526KB)