原文：
www.kdnuggets.com/2017/09/top-10-videos-machine-learning-finance.html
这个“十大”列表是基于最佳内容创建的，而不是准确的观看次数。我还特别注意以温和、一步步的方式带您了解金融领域的机器学习。为了激发您的兴趣，我们首先从关于金融领域机器学习的各种应用的讲座开始。然后，为了便于访问免费的金融数据，提供了一段详细介绍各种数据来源的视频。接下来，为了让您实际操作，我们将转向针对特定金融应用的 R 和 Python 教程。想要深入研究金融领域机器学习的应用？我把最好的留到最后：两个涵盖金融领域机器学习广度的播放列表 :) 让我们开始吧！
1. 讲座: 金融服务公司如何利用数据和分析 (1.7 K 观看次数) - 4 分钟讲座
除了银行利用数据做出信用和定价决策之外，资产管理公司、对冲基金和保险公司也在拥抱数据驱动的决策力量。数据已经成为一种战略资产，因此首席数据官和首席分析官等角色在金融机构中应运而生也就不足为奇了。
2. 讲座: 用于信用风险评估的机器学习 (1.3K 观看次数) - 38 分钟讲座
公司 Zopa 拥有一个基于 Python 的信用风险评估开发和建模管道。它使用机器学习算法和数据可视化来了解客户。视频中讨论了其目标定义技术、针对现有 3000 个变量的特征工程、模型构建和超参数调整，以及 Zopa 在模型堆叠和深度学习方面的经验。
3. 讲座: 免费的金融数据来源 (2 K 观看次数) - 12 分钟视频
了解如何导航以下网站、设置过滤器，并从 Yahoo Finance 和 Google Finance、圣路易斯联邦储备银行、CBOE、Quandl 以及美国财政部提取历史数据。
4. R 教程: Quantmod R 包 (10.7K 观看次数) - 11 分钟教程
使用 R 的 Quantmod 包和 getSymbols()来提取股票数据。本教程还教您如何在图表上显示数据并更改图表参数。
5. R 教程: 使用 R 进行投资组合构建 (21.3 K 观看次数) - 8 分钟教程
这个教程教你如何下载 5 只股票的价格数据，计算有效前沿，并绘制股票在风险-回报空间中的位置。代码 这里
6. R 教程: 在 R 中找到表现最佳的共同/投资基金（3 K 观看次数） - 14 分钟教程
这是一个非常好的教程，教你如何使用 R 中的基本统计学来找出在短期、中期和长期内表现稳定的基金。学习使用散点图绘制 1 年和 3 年的回报，解释图表并标记公司。
7. Python 教程: 在 Python 中预测股票价格（218 K 观看次数） - 7 分钟教程
Siraj Raval 的 YouTube 视频在机器学习领域非常受欢迎。在这里，他教你使用 Python 的 scikit-learn 构建股票价格预测图，包含 40 行代码。构建 3 个预测模型来预测苹果股票的价格，然后将其绘制在图表上，以比较哪种预测模型表现最佳。
8. Python 教程: 使用深度学习预测股票价格（161K 观看次数） - 9 分钟视频
Siraj Raval 将大量信息以高度吸引人和简洁的方式呈现出来，真是令人惊叹。在他另一个视频中，训练数据是从 2000 年 1 月到 2016 年 8 月的 S&P 500 每日收盘价的时间序列。他使用具有 TensorFlow 后端的 Keras 中的 LSTM 网络预测特定日期的收盘价。
9. 播放列表 1:（1.9 K 观看次数）金融机器学习的 42 个视频（教程 + 概念 + 概念讲座）
这 40 多个小时的视频是你学习金融交易基本概念、与交易员的访谈、股票市场纪录片、回测讨论以及机器学习教程以实现各种量化策略的必备资源。虽然这个播放列表可以在组织方面有所改进，因为视频的顺序是随机的。
10. 播放列表 2:（72 K 观看次数）Python 金融教程系列: 24 个视频
最后留下最好的，sentdex 的‘Python 金融编程’播放列表组织得非常好，实现了 Python 中的算法交易。这一播放列表满分 10/10。不过，这只涉及编程教程，并没有理解金融概念的视频。然而，上述播放列表（‘Playlist1’）应该能帮助解决这个问题 :)
相关内容：
-
银行如何利用数据战胜新兴金融公司
-
数据科学如何推动金融科技革命的 7 种方式
-
利用大数据打击金融欺诈
1. 谷歌网络安全证书 - 快速进入网络安全职业道路
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织的 IT 需求