Aplicações de inteligência artificial em negociação algorítmica
Preparado por Stefan Jansen, este recurso fornece exemplos de código abrangentes e notebooks Jupyter para aplicações de aprendizado de máquina em negociação algorítmica. Serve como um guia prático para quem deseja desenvolver análises de dados e modelos de previsão nos mercados financeiros.
Atualizações
- 2 de agosto de 2026: Estrelas 18,065 → 20,241, versão mais recente v3.0.0-artifacts (24 de julho de 2026).
O que você ganha
- Desenvolvimento de estratégia ponta a ponta com dados financeiros
- Estudos de casos práticos para nove mercados diferentes
- Modelagem com inteligência artificial e agentes autônomos
Instalação
git clone https://github.com/stefan-jansen/machine-learning-for-trading.git
cd machine-learning-for-trading
conda env create -f installation/ml4t-base.yml
conda activate ml4tSe você não programa
Como posso usar modelos de aprendizado de máquina em processos de análise de dados e desenvolvimento de estratégias nos mercados financeiros? Com base nos estudos de caso desta ferramenta, explique passo a passo o fluxo de trabalho de uma estratégia de negociação, desde a fonte de dados até o processamento ao vivo, e o papel dos agentes de IA nesse processo.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-06-02: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. Esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.