Gépi tanulás a pénzügyekben: Gépi tanulási technikák használata a tőzsdei napi kereskedéshez és értékpapírkereskedéshez

Olvasói vélemények

A könyv vegyes kritikákat kapott, egyes olvasók szerint zavaros, unalmas és nem elég mély, míg mások értékelik a pénzügyekkel és a gépi tanulással kapcsolatos meglátásait a kereskedésben.

Hasznos információkat nyújt a gépi tanulás pénzügyi alkalmazásokról, kereskedési stratégiákról és kockázatkezelésről. Értelmes azok számára, akik a tőzsdét és az eszközök és források megkülönböztetését tanulják.

Sok olvasó zavarosnak, unalmasnak és túlságosan bonyolultnak találja. Panaszkodnak arra, hogy a könyv túl rövid és nem tartalmaz elegendő információt. Ezenkívül a címben van egy helyesírási hiba.

(4 olvasói vélemény alapján)

Eredeti címe:

Machine Learning in Finance: Use Machine Learning Techniques for Day Trading and Value Trading in the Stock Market

Könyv tartalma:

Ön a gépi tanulás szerelmese, aki gyakorlatias, mindennapi alkalmazást keres? Vagy csak próbálja beépíteni a gépi tanulási szoftvereket a kereskedési döntéseibe?

Ez a könyv az Ön válasza.

Bár a gépi tanulást és a pénzügyeket általában különálló egységeknek tekintik, ez a könyv a gépi tanulás számos alkalmazását vizsgálja a pénzügyi világban. Legyen szó akár a részvényvásárlás legjobb időpontjának megjóslásáról egy day trading forgatókönyvben, akár egy részvény hosszú távú értékének meghatározásáról; a pénzügyi mutatókat és a józan észt mindig is megbízható indikátorként használták.

De hogyan viszonyulnak ezek az olyan fejlett gépi tanulási algoritmusokhoz, mint a klaszterezés és a regresszió? Mikor lenne a legjobb alkalom ezek használatára?

Bár a gépi tanulást és a pénzügyeket általában különálló egységeknek tekintették, ez a könyv a gépi tanulás számos alkalmazását vizsgálja a pénzügyi világban. Akár egy részvény megvásárlásának legjobb időpontját kell megjósolni egy day trading forgatókönyvben, akár egy részvény hosszú távú értékét kell meghatározni; a pénzügyi mutatókat és a józan észt mindig is megbízható indikátorként használták.

De hogyan viszonyulnak ezek az olyan fejlett gépi tanulási algoritmusokhoz, mint a klaszterezés és a regresszió? Mikor lenne a legjobb alkalom ezek használatára?

Amit ez a könyv tartalmaz:

⬤ Mi a pénzügyi gépi tanulás.

⬤ Kereskedési stratégia kidolgozása részvényekre.

⬤ Gépi tanulás a részvények aktuális értékének meghatározásához.

⬤ A részvényvásárlás optimális időpontja.

⬤ Gépi tanulási algoritmus a részvények eladási időpontjának előrejelzéséhez.

⬤ Egy filléres részvény értékének meghatározása.

⬤ Trading Automation Software.

⬤ Következtetés.