Sztuczna inteligencja w finansach: Przewodnik w języku Python

Opinie czytelników

Książka otrzymała mieszane recenzje, a niektórzy czytelnicy chwalą jej praktyczne podejście i organizację, podczas gdy inni krytykują jej głębię, jakość wizualną i cenę. Jest uważana za przydatną dla początkujących, ale potencjalnie rozczarowującą dla tych, którzy oczekują bardziej dogłębnej eksploracji sztucznej inteligencji w finansach.

Praktyczna z przykładami w Pythonie, dobrze skonstruowana i napisana, dobra jakość dla początkujących, obejmuje kilka modeli sztucznej inteligencji.

Brak pogłębienia tematów, słaba jakość wizualna i liczby, wysoka cena w porównaniu z wersją papierową, pewne kwestie dotyczące dokładności treści i wyjaśnień, nieodpowiednie dla osób niezaznajomionych z finansami.

(na podstawie 8 opinii czytelników)

Oryginalny tytuł:

Artificial Intelligence in Finance: A Python-Based Guide

Zawartość książki:

Powszechne zastosowanie sztucznej inteligencji i uczenia maszynowego rewolucjonizuje obecnie wiele branż. Gdy technologie te zostaną połączone z programową dostępnością historycznych danych finansowych w czasie rzeczywistym, branża finansowa również ulegnie zasadniczej zmianie. Dzięki tej praktycznej książce dowiesz się, jak korzystać ze sztucznej inteligencji i uczenia maszynowego, aby odkrywać statystyczne nieefektywności na rynkach finansowych i wykorzystywać je poprzez handel algorytmiczny.

Autor Yves Hilpisch pokazuje praktykom, studentom i pracownikom naukowym zarówno w dziedzinie finansów, jak i nauki o danych praktyczne sposoby zastosowania uczenia maszynowego i algorytmów głębokiego uczenia się w finansach. Dzięki wielu samodzielnym przykładom w języku Python, będziesz w stanie powtórzyć wszystkie wyniki i liczby przedstawione w książce.

Składający się z pięciu części przewodnik pomoże ci:

⬤ poznać główne pojęcia i algorytmy sztucznej inteligencji, w tym ostatnie przełomy na drodze do sztucznej inteligencji ogólnej (AGI) i superinteligencji (SI)

⬤ Zrozumieć, dlaczego finanse oparte na danych, sztuczna inteligencja i uczenie maszynowe będą miały trwały wpływ na teorię i praktykę finansową.

⬤ Zastosowanie sieci neuronowych i uczenia ze wzmocnieniem do odkrywania nieefektywności statystycznych na rynkach finansowych.

⬤ Zidentyfikować i wykorzystać nieefektywność ekonomiczną poprzez backtesting i handel algorytmiczny - zautomatyzowaną realizację strategii handlowych.

⬤ Zrozumienie, w jaki sposób sztuczna inteligencja wpłynie na dynamikę konkurencji w branży finansowej i co może przynieść potencjalne pojawienie się finansowej osobliwości.