Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Bringen Sie maschinelles Lernen (ML) und Deep Learning (DL) im Finanzhandel zusammen, wobei der Schwerpunkt auf dem Anlagemanagement liegt. Dieses Buch erklärt systematische Ansätze für das Management von Anlageportfolios, die Risikoanalyse und die Performance-Analyse, einschließlich der prädiktiven Analytik unter Verwendung von Data-Science-Verfahren.
Das Buch führt in die Mustererkennung und die Vorhersage zukünftiger Kurse ein, die sich auf Modelle der Zeitreihenanalyse auswirken, wie das Modell des Autoregressiven Integrierten Gleitenden Durchschnitts (ARIMA), das Modell des Saisonalen ARIMA (SARIMA) und das Additive Modell, und es behandelt das Modell der kleinsten Quadrate und das Modell des Langen Kurzzeitgedächtnisses (LSTM). Es werden die verborgene Mustererkennung und die Vorhersage von Marktregimen unter Anwendung des Gaußschen verborgenen Markov-Modells vorgestellt. Das Buch behandelt die praktische Anwendung des K-Means-Modells beim Clustering von Aktien. Es stellt die praktische Anwendung der Varianz-Kovarianz-Methode und der Simulationsmethode (unter Verwendung der Monte-Carlo-Simulation) zur Schätzung des Value-at-Risk dar. Außerdem wird die Klassifizierung der Marktrichtung mit Hilfe des logistischen Klassifizierers und des Multilayer-Perceptron-Klassifizierers behandelt. Schließlich enthält das Buch eine Performance- und Risikoanalyse für Anlageportfolios.
Am Ende dieses Buches sollten Sie in der Lage sein, die Funktionsweise des algorithmischen Handels und seine praktische Anwendung in der realen Welt zu erklären, und wissen, wie man überwachte und unüberwachte ML- und DL-Modelle einsetzt, um die Entscheidungsfindung bei Investitionen zu unterstützen und Investitionsstrategien und -systeme zu implementieren und zu optimieren.
Was Sie lernen werden
⬤ Verstehen Sie die Grundlagen des Finanzmarktes und des algorithmischen Handels sowie überwachte und unüberwachte Lernmodelle, die für ein systematisches Investment-Portfolio-Management geeignet sind.
⬤ Sie kennen die Konzepte des Feature Engineering, der Datenvisualisierung und der Hyperparameteroptimierung.
⬤ Entwerfen, Erstellen und Testen von überwachten und unüberwachten ML- und DL-Modellen.
⬤ Entdecken von Saisonalität, Trends und Marktregimen, Simulieren einer Veränderung des Marktes und von Anlagestrategieproblemen sowie Vorhersage von Marktrichtung und Preisen.
⬤ Strukturieren und optimieren Sie ein Anlageportfolio mit herausragenden Anlageklassen und messen Sie das zugrunde liegende Risiko.
Für wen ist dieses Buch gedacht?
Anfänger und fortgeschrittene Datenwissenschaftler, Ingenieure für maschinelles Lernen, Führungskräfte aus der Wirtschaft und Finanzfachleute (wie Investmentanalysten und Händler)
| ISBN: | 9781484271094 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 182 |
Derzeit verfügbar, auf Lager.
