Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Eredeti címe:
Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Könyv tartalma:
A gépi tanulás (ML) és a mélytanulás (DL) összekapcsolása a pénzügyi kereskedésben, különös tekintettel a befektetések kezelésére. Ez a könyv elmagyarázza a befektetési portfóliókezelés, a kockázatelemzés és a teljesítményelemzés szisztematikus megközelítéseit, beleértve az adattudományi eljárásokat alkalmazó prediktív elemzést is.
A könyv bemutatja a mintafelismerést és a jövőbeli ár-előrejelzést, amely hatást gyakorol az idősorelemzési modellekre, például az autoregresszív integrált mozgóátlag (ARIMA) modellre, a szezonális ARIMA (SARIMA) modellre és az additív modellre, és kitér a legkisebb négyzetek modelljére és a hosszú rövid távú memória (LSTM) modelljére. Bemutatja a rejtett mintafelismerést és a piaci rezsimek előrejelzését a Gauss-féle rejtett Markov-modell alkalmazásával. A könyv kitér a K-Means modell gyakorlati alkalmazására a részvények klaszterezésében. Megállapítja a variancia-kovariancia módszer és a szimulációs módszer gyakorlati alkalmazását (Monte Carlo-szimulációval) a kockázati érték becslésére. Tartalmazza továbbá a piaci irányok osztályozását mind a logisztikus osztályozó, mind a többrétegű Perceptron osztályozó használatával. Végül a könyv bemutatja a befektetési portfóliók teljesítmény- és kockázatelemzését.
A könyv végére képesnek kell lennie arra, hogy elmagyarázza, hogyan működik az algoritmikus kereskedés és annak gyakorlati alkalmazása a való világban, és tudja, hogyan alkalmazza a felügyelt és nem felügyelt ML és DL modelleket a befektetési döntéshozatal megerősítésére, valamint a befektetési stratégiák és rendszerek megvalósítására és optimalizálására.
Mit fog tanulni
⬤ A pénzügyi piac és az algoritmikus kereskedés alapjainak, valamint a szisztematikus befektetési portfóliókezelésre alkalmas felügyelt és nem felügyelt tanulási modellek megértése.
⬤ Tudja a feature engineering, az adatvizualizáció és a hiperparaméter-optimalizálás fogalmait.
⬤ Tervezzen, építsen és teszteljen felügyelt és felügyelet nélküli ML és DL modelleket.
⬤ Fedezze fel a szezonalitást, a trendeket és a piaci rezsimeket, szimulálja a piaci és befektetési stratégiai problémák változását, és jósolja meg a piaci irányokat és árakat.
⬤ Szerkesszen és optimalizáljon befektetési portfóliót kiemelkedő eszközosztályokkal, és mérje a mögöttes kockázatot.
Kinek szól ez a könyv
Kezdő és középhaladó adattudósoknak, gépi tanulási mérnököknek, üzleti vezetőknek és pénzügyi szakembereknek (például befektetési elemzőknek és kereskedőknek).
