前陣子錄製完的課程，終於開課上架！這堂是跟 HISKIO 合開的程式課，主題跟這幾年工作項目衍生性金融商品有關，也就是時間序列。
在這波生程式AI浪潮中，機器學習或人工智能，已進入到很多人的生活視野。而我覺得AI 中也極其有趣的題目，莫過於時間序列。
時間序列在業界被廣泛應用，像是庫存 / 銷售預估、電力需求或金融價格預測，都在時間序列的射程範圍中。 特別在金融領域，更是避險與建構交易策略的基礎。
但我注意到，雖然現在有諸多課程與強大的算法支援。在技術以外，有些實戰建模問題很少被探討。像是我所稱的”延後問題”——我們往往沒有足夠的領先指標，反映預測目標的變化。 忽上忽下的轉折點，實務上尤其抓不準。
這在金融上這尤其致命，使投資者無法做好提前避險的準備。在演算法複雜度高，或變數與預測目標間有過多相同資訊時，經常發生。
又或是，我們知道金融資產受總體環境、政策、突發事故與基本面影響。可在特定時間內，價格未必會被這些因素同時影響：有時候政策影響大，有時則是供需層面。 這也暗指建模資料，未必與特定市場環境匹配。
在課程中，我們會在模型測試與驗證環節中，呈現以上常見實務問題。儘管聽來難解，但卻是我覺得開發者新手上路時，需要洞悉的。
而作為一個入門課程，當然我也獨立出一些小節探討這些議題，並在入門者可以理解的範圍，嘗試提出一些解法。 此外，我也會提及基本的統計概念、分析方法與數據解讀。
這課程包含三大部分：資料型態與視覺化、基礎統計與時間序列分析，以及建立模型與實戰問題探討。舉例來說，我會介紹自相關性，了解預測目標過去與現在的關聯。也使用python統計套件拆解時間序列，看出序列的組成；更用 Prophet模型，以演算法的視角量化趨勢與季節性的強度。
這Prophet模型，不僅名字炫炮，還是Facebook的開源模型。其更適合統計 / 數據小白操作。因為傳統時間序列揀選模型，仰賴數量技巧與經驗判斷，但Prophet克服此限制，適合新手。其參數較多，也可適應複雜的資料變化，同時與機器學習的訓練流程串聯，確實是機器學習和時間序列的橋樑。
作為一堂入門課程，不管純粹想了解技術，或想要轉戰數據領域，本課是很好的開始，也是前往進階技術的基石！實務與觀念並重，有涉及數理解釋的，更用圖解的方式呈現數學概念。
就這樣吧，原價2,600元 
上架第一天中午12點起 (2023年6月6號 GMT+8) 是有史以來最便宜的一天，售價 1,890元！
該GO了吧 
https://bit.ly/3C95EbF
在那之後到7/6為止 優惠價1,990元
0 留言