Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Contenu du livre :
Réunir l'apprentissage machine (ML) et l'apprentissage profond (DL) dans le trading financier, en mettant l'accent sur la gestion des investissements. Ce livre explique les approches systématiques de la gestion des portefeuilles d'investissement, de l'analyse des risques et de l'analyse des performances, y compris l'analyse prédictive à l'aide des procédures de la science des données.
Le livre présente la reconnaissance des formes et la prévision des prix futurs qui exercent des effets sur les modèles d'analyse des séries temporelles, tels que le modèle ARIMA (Autoregressive Integrated Moving Average), le modèle SARIMA (Seasonal ARIMA) et le modèle additif, et il couvre le modèle des moindres carrés et le modèle LSTM (Long Short-Term Memory). Il présente la reconnaissance des formes cachées et la prédiction du régime du marché en appliquant le modèle de Markov caché gaussien. Le livre couvre l'application pratique du modèle K-Means dans le regroupement des actions. Il établit l'application pratique de la méthode de variance-covariance et de la méthode de simulation (en utilisant la simulation de Monte Carlo) pour l'estimation de la valeur à risque. Il inclut également la classification de la direction du marché à l'aide du classificateur logistique et du classificateur Perceptron multicouche. Enfin, le livre présente l'analyse de la performance et du risque pour les portefeuilles d'investissement.
À la fin de cet ouvrage, vous devriez être en mesure d'expliquer le fonctionnement du trading algorithmique et son application pratique dans le monde réel, et de savoir comment appliquer des modèles ML et DL supervisés et non supervisés pour renforcer la prise de décision en matière d'investissement et mettre en œuvre et optimiser des stratégies et des systèmes d'investissement.
Ce que vous apprendrez
⬤ Comprendre les principes fondamentaux du marché financier et du trading algorithmique, ainsi que les modèles d'apprentissage supervisés et non supervisés qui sont appropriés pour la gestion systématique des portefeuilles d'investissement.
⬤ Connaître les concepts de l'ingénierie des caractéristiques, de la visualisation des données et de l'optimisation des hyperparamètres.
⬤ Concevoir, construire et tester des modèles ML et DL supervisés et non supervisés.
⬤ Découvrir la saisonnalité, les tendances et les régimes de marché, simuler un changement dans le marché et les problèmes de stratégie d'investissement et prédire la direction du marché et les prix.
⬤ Structurer et optimiser un portefeuille d'investissement avec les principales classes d'actifs et mesurer le risque sous-jacent.
À qui s'adresse ce livre ?
Les data scientists débutants et intermédiaires, les ingénieurs en apprentissage automatique, les dirigeants d'entreprise et les professionnels de la finance (tels que les analystes d'investissement et les traders).
Autres informations sur le livre :
| ISBN : | 9781484271094 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 182 |
Achat:
Actuellement disponible, en stock.
