Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Połączenie uczenia maszynowego (ML) i głębokiego uczenia (DL) w handlu finansowym, z naciskiem na zarządzanie inwestycjami. Książka ta wyjaśnia systematyczne podejścia do zarządzania portfelem inwestycyjnym, analizy ryzyka i analizy wyników, w tym analizy predykcyjnej z wykorzystaniem procedur nauki o danych.
Książka wprowadza rozpoznawanie wzorców i prognozowanie przyszłych cen, które ma wpływ na modele analizy szeregów czasowych, takie jak model autoregresyjnej zintegrowanej średniej ruchomej (ARIMA), model sezonowej ARIMA (SARIMA) i model addytywny, a także obejmuje model najmniejszych kwadratów i model długiej pamięci krótkotrwałej (LSTM). Przedstawia ukryte rozpoznawanie wzorców i przewidywanie reżimu rynkowego przy użyciu Gaussowskiego Ukrytego Modelu Markowa. Książka obejmuje praktyczne zastosowanie modelu K-Means w grupowaniu akcji. Przedstawia praktyczne zastosowanie metody wariancji-kowariancji i metody symulacyjnej (z wykorzystaniem symulacji Monte Carlo) do szacowania wartości zagrożonej. Obejmuje również klasyfikację kierunku rynku przy użyciu zarówno klasyfikatora logistycznego, jak i wielowarstwowego perceptronu. Wreszcie, książka przedstawia analizę wyników i ryzyka dla portfeli inwestycyjnych.
Pod koniec tej książki powinieneś być w stanie wyjaśnić, jak działa handel algorytmiczny i jego praktyczne zastosowanie w świecie rzeczywistym, a także wiedzieć, jak stosować nadzorowane i nienadzorowane modele ML i DL w celu wzmocnienia podejmowania decyzji inwestycyjnych oraz wdrażania i optymalizacji strategii i systemów inwestycyjnych.
Czego się nauczysz
⬤ Zrozumieć podstawy rynku finansowego i handlu algorytmicznego, a także nadzorowane i nienadzorowane modele uczenia się, które są odpowiednie do systematycznego zarządzania portfelem inwestycyjnym.
⬤ Znać koncepcje inżynierii cech, wizualizacji danych i optymalizacji hiperparametrów.
⬤ Projektować, budować i testować nadzorowane i nienadzorowane modele ML i DL.
⬤ Odkrywać sezonowość, trendy i reżimy rynkowe, symulować zmiany na rynku i problemy związane ze strategią inwestycyjną oraz przewidywać kierunek i ceny rynkowe.
⬤ Skonstruować i zoptymalizować portfel inwestycyjny z wykorzystaniem najważniejszych klas aktywów i zmierzyć związane z nimi ryzyko.
Dla kogo jest ta książka
Początkujący i średniozaawansowani naukowcy zajmujący się danymi, inżynierowie uczenia maszynowego, dyrektorzy biznesowi i specjaliści finansowi (tacy jak analitycy inwestycyjni i handlowcy).
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)