AI for Finance: Machine Learning & Deep Learning for Trading

AI trong Tài chính: Học máy & Học sâu cho Giao dịch

Thực hành giao dịch AI: đặc trưng, kiểm định, rủi ro và bot giao dịch giả lập

4.4

(14 đánh giá)

99 học viên

Giảng viên

George S Junior

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 399.000đ -87%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

11.0 giờ video

70 bài giảng

9 bài quiz

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 31/05/2026

#Ai In Finance #Machine Learning #Python #Tensorflow

Bạn sẽ học được gì

Xây dựng pipeline giao dịch AI hoàn chỉnh: dữ liệu, EDA, đặc trưng, chia dữ liệu không rò rỉ, kiểm định walk-forward

Huấn luyện và tinh chỉnh mô hình ML/DL (XGBoost, LSTM, Transformers) để dự báo và phát hiện chế độ thị trường

Kiểm định ngược chiến lược sự kiện/tin tức, tâm lý, xu hướng và cặp giao dịch, bao gồm chi phí, trượt giá và chỉ số rủi ro

Triển khai bot giao dịch giả lập với định cỡ vị thế, nhắm mục tiêu biến động, dừng lỗ, giám sát và đạo đức

Yêu cầu

Tò mò là đủ – chúng tôi sẽ hướng dẫn cài đặt, công cụ và thiết lập giao dịch giả lập; không yêu cầu kiến thức ML hay giao dịch trước

Đối tượng phù hợp

Khóa học dành cho những người tự chủ và ham học hỏi, muốn biến ý tưởng thị trường thành code chạy được – nhà giao dịch cá nhân chuyển sang hệ thống hóa, nhà phát triển/nhà phân tích dữ liệu tìm kiếm ứng dụng tài chính, sinh viên và người chuyển ngành xây dựng dự án portfolio, và chuyên gia fintech muốn thực hành ML. Nếu bạn thích học bằng cách làm...

Nội dung khóa học

12 phần • 70 bài giảng

1 Giới thiệu

1 Tổng quan khóa học & Kết quả đầu ra

2 Khóa học dành cho ai?

3 AI trong Tài chính: Các trường hợp ứng dụng thực tế

4 Điều kiện tiên quyết: Bạn cần biết gì

5 Thiết lập môi trường (Jupyter, Python, Thư viện)

1 AI là gì? Học máy so với Học sâu

2 Học có giám sát trong Tài chính

3 Học không giám sát trong Tài chính

4 Các loại dữ liệu tài chính

5 Nguồn dữ liệu tài chính

6 Dữ liệu chuỗi thời gian: Những lưu ý đặc biệt

7 Kỹ thuật dự báo chuỗi thời gian nâng cao

8 Giới thiệu về các mô hình AI trong Giao dịch & Đầu tư

1 Nhập dữ liệu tài chính từ Yahoo Finance

2 Xử lý dữ liệu thiếu & ngoại lai

3 Kỹ thuật đặc trưng để dự đoán thị trường chứng khoán

4 Chuẩn hóa tỷ lệ dữ liệu tài chính

5 Chuẩn hóa dữ liệu tài chính

6 Mã hóa dữ liệu phân loại cho Học máy

7 Biến đổi dữ liệu chuỗi thời gian cho mô hình ML

8 Thực hành: Làm sạch & Chuẩn bị dữ liệu thị trường chứng khoán

1 Tại sao EDA lại quan trọng trong Tài chính

2 Trực quan hóa xu hướng dữ liệu chứng khoán

3 Trực quan hóa mẫu hình dữ liệu chứng khoán

4 Xác định tương quan trong thị trường tài chính

5 Tính dừng & Phân tách

6 Phân tách chuỗi thời gian

7 Thực hành: Phân tích dữ liệu thị trường thực

8 Dự án: EDA hoàn chỉnh và Tạo ý tưởng chiến lược trên dữ liệu thực

1 Giới thiệu về mô hình Hồi quy

2 Dự đoán giá cổ phiếu với Hồi quy tuyến tính

3 Cây quyết định cho xu hướng thị trường

4 Rừng ngẫu nhiên cho xu hướng thị trường

5 Máy vector hỗ trợ (SVM) cho Giao dịch

6 Tinh chỉnh siêu tham số

7 Tối ưu hóa mô hình

8 Đánh giá hiệu suất mô hình bằng chỉ số

9 Thực hành: Xây dựng mô hình dự đoán cổ phiếu bằng AI

1 Giới thiệu về Mạng nơ-ron trong Giao dịch

2 Mạng nơ-ron hồi quy (RNN) so với LSTM

3 Triển khai LSTM để dự đoán giá cổ phiếu

4 Mô hình Transformer cho dự báo tài chính

5 Thực hành: Huấn luyện mô hình Học sâu

1 Giới thiệu về Chiến lược giao dịch hỗ trợ AI

2 Phát triển chiến lược với Học máy

3 Học tăng cường cho Bot giao dịch

4 Kiểm định ngược chiến lược giao dịch dựa trên AI

5 Quản lý rủi ro trong giao dịch AI

6 Thực hành: Lập trình chiến lược giao dịch AI

1 Giới thiệu về Tối ưu hóa Danh mục đầu tư

2 Lý thuyết Danh mục đầu tư Hiện đại (MPT) Giải thích

3 Tối ưu hóa Markowitz sử dụng AI

4 Mô phỏng Monte Carlo để Đánh giá Rủi ro

5 Mô phỏng Monte Carlo tăng cường AI để Đánh giá Rủi ro

6 Thực hành: Tối ưu hóa danh mục đầu tư với AI

1 Vai trò của AI trong Phát hiện Gian lận

2 Xác định bất thường trong dữ liệu tài chính

3 Rừng cách ly cho Phát hiện Gian lận

4 Auto-encoder cho Phát hiện Gian lận Phần 1 (Khái niệm & Chuẩn bị)

5 Auto-encoder cho Phát hiện Gian lận Phần 2 (Xây dựng, Huấn luyện, Cảnh báo)

6 Đánh giá Rủi ro Tín dụng dựa trên AI

7 Thực hành: Phát hiện Gian lận với AI

1 Dự đoán Giá Cổ phiếu dựa trên AI

2 Học sâu cho Dự báo Thị trường Crypto

3 Học tăng cường cho Bot giao dịch

4 Phân tích Tâm lý trên Tin tức Tài chính

5 Thực hành: Tạo Pipeline AI Giao dịch Hoàn chỉnh

1 Thiên lệch AI trong Mô hình Tài chính

2 Tương lai của AI trong Giao dịch & Ngân hàng Đầu tư

Giới thiệu khóa học

Turn market ideas into working AI trading systems. In this hands-on course you’ll build a full pipeline in Python—from pulling real market and macro data to engineering features, training ML/DL models, validating with leakage-safe, walk-forward tests, and backtesting with realistic costs, slippage, and risk controls. You’ll implement multiple strategies (event/earnings & news, sentiment/NLP, trend/momentum, and pairs/stat-arb), compare models like XGBoost, Random Forests, LSTMs, and Transformers, and deploy a paper-trading bot with position sizing, volatility targeting, and clear monitoring dashboards. We work step-by-step in VS Code/Jupyter using pandas, scikit-learn, PyTorch, yfinance, vectorbt/Backtrader, and matplotlib—providing reusable notebooks, templates, and checklists so you can adapt everything to your own tickers and ideas. By the end, you’ll have reproducible workflow, a portfolio-ready project, and the confidence to iterate ethically and safely before going live.

Expect practical extras: a capstone project with template repo, model explainability (feature importance and SHAP-style reasoning), error analysis checklists, and hyperparameter tuning playbooks. We’ll cover data sourcing trade-offs, free alternatives to paid feeds, and pitfalls like survivorship bias. You’ll practice version control, experiment tracking, and reproducible runs, then stress-test results with regime changes. Optional extensions include crypto, options, and portfolio optimization. Support includes code reviews, troubleshooting tips, and a community.

(Educational use only—no performance guarantees.)