文件名称：Springboard-Capstone
文件大小：1.9MB
文件格式：ZIP
更新时间：2024-04-11 01:06:37
JupyterNotebook
年度财务报表的投资决策 股市 在股票市场上，个人或实体可以购买和出售公开持有的公司股票。股市非常动荡，而且有很多因素，例如利率，失业，通货膨胀等。尽管通过Robinhood等应用程序可以更容易地在股市上进行投资，但要弄清楚买卖好股票来赚钱并不是一件容易的事。一个简单的任务。通过这个项目，我寻求建立一个机器学习模型，该模型将使用公司年度财务报表中的信息来预测公司的股票是否将是一项良好的一年投资。 1.资料 该项目中使用的数据集可在网站上找到。有5个不同的数据集，代表从2014年到2018年的5个不同年份的数据。数据集中的2个主要列是价格差异百分比，其表示当年的获利或亏损百分比，而类别列则表示投资或下降（1或0），由正或负的价格差异百分比决定。 2.方法论 正如我之前提到的，数据集主要包含来自上市公司年度财务报表的信息。因此，在开始项目之前，我必须考虑一些事项： 该模型将只能预测在会计年度
【文件预览】：
Springboard-Capstone-master
----Capstone Project - Exploratory Data Analysis.ipynb(1.18MB)
----Capstone Project - Machine Learning.ipynb(1.09MB)
----README.md(13KB)
----Capstone Project - Data Wrangling.ipynb(323KB)
----Images()
--------Class Box Plot.png(15KB)
--------coverage.png(3KB)
--------Cash Ratio Kernel Density Plot.png(20KB)
--------Price Variance.png(41KB)
--------Average Predicted Loss.png(21KB)
--------Average Gain and Loss.png(15KB)
--------Predicted Loss.png(12KB)
--------Focused Heat Map.png(51KB)
--------Price Earning Ratio Kernel Density.png(19KB)
--------Model Score Table.PNG(6KB)
--------Stock Market.jpg(63KB)
--------Extreme Gradient Boosting Confusion Matrix.png(24KB)
--------Sector Count per Class.png(36KB)
--------liquidity.jpg(6KB)
--------profitability.png(167KB)