Trading_Strategies_with_Stock_Data_Updating:在这个项目中，我抓取了选定股票的数据，并...

具有库存数据的数据科学（不断更新） 在此项目中，将刮取选定股票2018年和2019年的数据，并按预定规则将“绿色”或“红色”标签分配给每周。 我们将实现许多机器学习分类器，以预测标签并评估模型性能。 对于这些分类器，我们还将基于标签计算交易策略的绩效。 该项目的主要目的是探索每种机器学习算法的特征，并测试它们在应用库存数据时的表现。 为了更好地理解该项目，我们将介绍几个概念，并说明在这种情况下如何定义它们。 对于库存数据，我们将每周标记为“绿色”或“红色”。 “绿色”周意味着该周（从周五到周五）投资是一个不错的一周 “红色”周意味着这不是一个好星期（例如，价格下跌或价格波动太大） 除颜色外，我们还将为每周定义一组数字功能（例如，平均每日收益和平均波动率）。 通常，我们将从2018年开始使用这些功能和标签来训练分类器，然后使用2019年的功能来预测2019年的标签。分类器的准确性是