Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум

Янсен Стефан
Артикул2696
ISBN 978-5-9775-6595-0
Количество страниц 560
Формат издания 165 x 215 мм
Серия Внесерийные книги

1200 ₽

  • Бумажная книга
    Бумажная книга
    1 200 ₽
  • Электронная книга
    Электронная книга
    449 ₽

Описание

Книга предназначена для аналитиков и исследователей данных и программистов на языке Python, а также инвестиционных аналитиков и менеджеров, работающих в финансо-инвестиционной индустрии. Если вы хотите реализовать эффективную алгоритмическую торговлю, разрабатывая интеллектуальные разведывающие стратегии с использованием автоматически обучающихся алгоритмов, то настоящая книга — именно то, что вам нужно!

Наличие и доступность разнообразных данных повысила спрос на компетенции в области стратегий алгоритмической торговли. Благодаря этой книге вы освоите машинное обучение (МО), научитесь его применять к широкому спектру источников данных и создавать мощные алгоритмические стратегии.

Книга начинается с основ МО, таких как оценивание наборов данных, доступ к данным через API с помощью языка Python, использование платформы Quandl для доступа к финансовым данным и управление ошибками предсказания. Далее рассмотрены различные технические решения МО и автоматически обучающиеся алгоритмы, которые могут использоваться для построения и тренировки алгоритмических моделей с помощью программных Python-библиотек pandas, Seaborn, StatsModels и sklearn. Описана постройка, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Показано, как применять байесовы понятия “априорное распределение”, “наблюдение” и “апостериорное распределение” для того, чтобы различать понятие неопределенности с помощью библиотеки PyMC3; как использовать библиотеки NLTK, sklearn (Scikit-learn) и spaCy для назначения сентиментных отметок финансовым новостям и классифицирования документов для извлечения торговых сигналов; как конструировать, строить, настраивать и оценивать нейронные сети прямого распространения, рекуррентные нейронные сети (RNN-сети) и сверточные нейронные сети (CNN-сети), используя библиотеку Keras для разработки изощренных алгоритмов; как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности; как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.

Вы научитесь:

Реализовывать технические методы машинного обучения для решения инвестиционных и торговых задач
Использовать рыночные, фундаментальные и альтернативные данные с целью исследования альфа-факторов
Конструировать и тонко настраивать автоматически обучающиеся контролируемые, неконтролируемые и подкрепляемые модели
Оптимизировать портфельный риск и результативность с помощью библиотек pandas, NumPy и scikit-learn
Интегрировать автоматически обучающиеся модели в живую торговую стратегию на платформе Quantopian
Оценивать стратегии с использованием надежных методологий тестирования временных рядов
Конструировать и оценивать глубоко обучающиеся нейронные сети с помощью библиотек Keras, PyTorch и TensorFlow
Работать с подкрепляемым обучением для торговых стратегий на платформе OpenAI Gym

Листать

Стефан Янсен

Стефан Янсен, дипломированный финансовый аналитик, является основателем и ведущим исследователем данных в компании Applied AI (http://www.applied-ai.solutions/), где он консультирует компании и стартапы списка Fortune 500 из разных отраслей промышленности по переводу деловых целей в стратегию данных и ИИ, комплектует команды исследователей данных и разрабатывает решения на основе автоматизированного (машинного) обучения. До своего нынешнего предприятия он был управляющим партнером и ведущим исследователем данных в международной инвестиционной фирме, где он организовал практику прогнозной аналитики и инвестиционных исследований.

Он также был руководителем глобального финансово-технологического стартапа, работающего на 15 рынках, работал во Всемирном банке, консультировал центральные банки на развивающихся рынках и работал на 6 языках на четырех континентах. Стефан имеет степень магистра Гарвардского и Берлинского университетов и преподает науку о данных в частной школе General Assembly (https://generalassemb.ly/) и на платформе онлайнового обучения Datacamp (https://www.datacamp.com/).

Детали

Артикул2696
ISBN978-5-9775-6595-0
Количество страниц560
Серия Внесерийные книги
ПереплетМягкая обложка
Печать Черно-белая
Год2019
Габариты, мм215 × 165 × 17
Вес, кг0.54

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум”
Дополнительные файлы скачать: Зеркало1
Дополнительные файлы скачать (Chrome): Зеркало2
Рассылка email
  • Новинки на 2 недели раньше магазинов
  • Цены от издательства ниже до 30%
  • Акции и скидки только для подписчиков
  • Важные новости БХВ
Подписываясь на рассылку, вы соглашаетесь с политикой конфиденциальности и обработкой своих персональных данных.

Рекомендуем также