Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 11 olvasói szavazat alapján történt.
Quantitative Asset Management: Factor Investing and Machine Learning for Institutional Investing
Egészítse ki eszközallokációs stratégiáját gépi tanulással és faktorbefektetéssel a példátlan hozam és növekedés érdekében
Akár intézményi portfóliókat, akár magánvagyont kezel, a Quantitative Asset Management felnyitja a szemét a befektetés új, sikeresebb módjára - arra, amely a nagy adatok és a mesterséges intelligencia erejét hasznosítja.
Ez az innovatív útmutató végigvezet mindazon, amit tudnia kell ahhoz, hogy teljes mértékben kihasználhassa ezeket a forradalmi eszközöket. Egy tapasztalt, technológiát alkalmazó pénzügyi befektető szemszögéből íródott, és részletesen ismerteti a bevált befektetési módszereket, ritka egyensúlyt teremtve aközött, hogy fontos technikai információkkal szolgál anélkül, hogy túlságosan bonyolult befektetési elmélettel terhelné Önt. A kvantitatív vagyonkezelés négy tematikus részre tagolódik:
⬤ Az I. rész felbecsülhetetlen tanulságokat tár fel a befektetési döntéshozatal tervezéséhez és irányításához.
⬤ A 2. rész a kvantitatív pénzügyi modellezést tárgyalja, olyan fontos témákat érintve, mint a túlillesztés, az irreális feltételezések mérséklése, a helyettesítések kezelése, a kisebbségi osztályok javítása és a hiányzó adatok imputálása.
⬤ A 3. rész bemutatja, hogyan lehet egy stratégiát befektetési termékké fejleszteni, beleértve az alfa-modelleket, a kockázati modelleket, a végrehajtást, a backtesztelést és a költségoptimalizálást.
⬤ A 4. rész elmagyarázza, hogyan mérjük a teljesítményt, hogyan tanuljunk a hibákból, hogyan kezeljük a kockázatot és hogyan éljük túl a pénzügyi tragédiákat.
A Kvantitatív vagyonkezeléssel mindent megkap, amire szüksége van ahhoz, hogy kiépítse a többi piacra vonatkozó ismereteit, feltehesse a megfelelő kérdéseket és hatékonyan válaszoljon rájuk, és még a nagy bizonytalanság idején is stabil nyereséget érjen el.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)