Отличная книга. Побольше бы таких переводов. Рекомендую. Необходимы базовые знания Python и машинного обучения. Неплохо было бы выложить в архиве код.
0+
mətnPDF
Həcm 559 səhifələri
2019 il
Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум
Разработка инвестиционных стратегий на основе интеллектуальных, обучаемых на данных алгоритмов и их реализация на языке Python
mətnPDF
2
Нет в продаже
Kitab haqqında
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.Для финансовых аналитиков и программистов на языке Python.
Öncə populyarlar
очень узконаправленная, без высшего образования в математике бесполезна) сложно представить целевую аудиторию. слабо относится к рынкам.
Rəy bildirmək
Giriş, kitabı qiymətləndirmək və rəy bildirmək
Kitabın təsviri
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.
Для финансовых аналитиков и программистов на языке Python.
Kitab Стефана Янсена «Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум» - pdf formatında yükləyin və ya onlayn oxuyun. Şərh və rəylərinizi qeyd edin, sevimlilərinizi seçin.
Yaş həddi:
0+Litresdə buraxılış tarixi:
14 sentyabr 2021Tərcümə tarixi:
2020Son yeniləmə:
2019Həcm:
559 səh. ISBN:
978-5-9775-6595-0Ümumi ölçü:
16 МБSəhifələrin ümumi sayı:
559Tərcüməçi:
Müəllif hüququ sahibi:
БХВ-ПетербургYükləmə formatı:
pdf
Rəylər
2