Avis des lecteurs
Résumé:Ce livre est une introduction à l'informatique financière qui couvre des concepts financiers et des mathématiques importants, mais il présente également plusieurs inconvénients, notamment des sources de données obsolètes, des exemples de codage médiocres et un support d'application pratique inadéquat. Il a reçu des critiques mitigées, certains louant sa clarté et son approche de la finance quantitative, tandis que d'autres lui reprochent de manquer de profondeur et de ne pas fournir d'outils pratiques.
Avantages:⬤ Bien écrit et facile à suivre
⬤ Couvre les méthodes numériques importantes et les méthodologies mathématiques avancées en Python
⬤ Fournit des conseils sur la construction et le backtesting des stratégies de trading algorithmique
⬤ Utile pour les praticiens de la finance quantitative.
⬤ Sources de données obsolètes et dépendance à l'égard d'abonnements payants pour les données utiles
⬤ Manque d'exemples de programmation détaillés et de soutien pour les applications pratiques
⬤ Quelques erreurs conceptuelles relevées par les évaluateurs
⬤ Pas assez convivial pour les débutants
⬤ Manque de sections importantes et de soutien au codage pour les bases de données.
(basé sur 8 avis de lecteurs)
Titre original :
Mastering Python for Finance - Second Edition: Implement advanced state-of-the-art financial statistical applications using Python
Contenu du livre :
Faites passer vos compétences financières au niveau supérieur en maîtrisant les applications financières mathématiques et statistiques de pointe.
Caractéristiques principales
⬤ Explorer les modèles financiers avancés utilisés par l'industrie et les façons de les résoudre à l'aide de Python.
⬤ Les applications financières de pointe utilisées par l'industrie et les façons de les résoudre à l'aide de Python.
⬤ Les applications financières peuvent être améliorées en appliquant l'apprentissage automatique et l'apprentissage profond (deep learning).
Description du livre
La deuxième édition de Mastering Python for Finance vous guidera dans la réalisation de calculs financiers complexes pratiqués dans le secteur de la finance en utilisant des méthodologies de nouvelle génération. Vous maîtriserez l'écosystème Python en tirant parti d'outils accessibles au public pour mener à bien des études et des modélisations, et apprendrez à gérer les risques à l'aide d'exemples avancés.
Vous commencerez par configurer votre notebook Jupyter pour mettre en œuvre les tâches tout au long du livre. Vous apprendrez à prendre des décisions financières efficaces et puissantes basées sur les données en utilisant des bibliothèques populaires telles que TensorFlow, Keras, Numpy, SciPy et sklearn. Vous apprendrez également à construire des applications financières en maîtrisant des concepts tels que les actions, les options, les taux d'intérêt et leurs dérivés, et l'analyse des risques à l'aide de méthodes computationnelles. Avec ces bases, vous apprendrez à appliquer l'analyse statistique aux données de séries temporelles, et à comprendre comment les données de séries temporelles sont utiles pour mettre en œuvre un système de backtesting piloté par les événements et pour travailler avec des données à haute fréquence dans la construction d'une plateforme de trading algorithmique. Enfin, vous explorerez les techniques d'apprentissage automatique et d'apprentissage profond appliquées à la finance.
À la fin de ce livre, vous serez en mesure d'appliquer Python à différents paradigmes de l'industrie financière et d'effectuer des analyses de données efficaces.
Ce que vous apprendrez
⬤ Résoudre des modèles linéaires et non linéaires représentant divers problèmes financiers.
⬤ Effectuer une analyse en composantes principales sur l'indice DOW et ses composantes.
⬤ Analyser, prédire et prévoir des processus de séries temporelles stationnaires et non stationnaires.
⬤ Créer un outil de backtesting piloté par les événements et mesurer vos stratégies.
⬤ Construire une plateforme de trading algorithmique à haute fréquence avec Python.
⬤ Reproduire l'indice CBOT VIX avec des options SPX pour étudier les stratégies basées sur le VIX.
⬤ Exécuter des tâches d'apprentissage automatique basées sur la régression et la classification pour la prédiction.
⬤ Utiliser TensorFlow et Keras dans l'architecture des réseaux neuronaux d'apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781789346466 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
