Bewertung:
Das Buch ist eine Einführung in die Finanzinformatik, die wichtige Finanzkonzepte und -mathematik abdeckt, aber auch einige Nachteile aufweist, darunter veraltete Datenquellen, schlechte Kodierungsbeispiele und unzureichende praktische Anwendungsunterstützung. Das Buch hat gemischte Kritiken erhalten: Einige loben seine Klarheit und seinen Ansatz für die quantitative Finanzwelt, während andere kritisieren, dass es an Tiefe mangelt und keine praktischen Werkzeuge bietet.
Vorteile:⬤ Gut geschrieben und leicht nachvollziehbar
⬤ Deckt wichtige numerische Methoden und fortgeschrittene mathematische Methoden in Python ab
⬤ Bietet eine Anleitung zum Aufbau und Backtesting von algorithmischen Handelsstrategien
⬤ Nützlich für Praktiker in der quantitativen Finanzwirtschaft.
⬤ Veraltete Datenquellen und Abhängigkeit von kostenpflichtigen Abonnements für nützliche Daten
⬤ Fehlt es an detaillierten Programmierbeispielen und Unterstützung für praktische Anwendungen
⬤ Einige konzeptionelle Fehler, die von Rezensenten bemerkt wurden
⬤ Nicht ausreichend einsteigerfreundlich
⬤ Fehlt es an wichtigen Abschnitten und Codierungsunterstützung für Datenbanken.
(basierend auf 8 Leserbewertungen)
Mastering Python for Finance - Second Edition: Implement advanced state-of-the-art financial statistical applications using Python
Bringen Sie Ihre Finanzkenntnisse auf die nächste Stufe, indem Sie modernste mathematische und statistische Finanzanwendungen beherrschen.
Hauptmerkmale
⬤ Erforschen Sie fortschrittliche Finanzmodelle, die von der Industrie verwendet werden, und Möglichkeiten, diese mit Python zu lösen.
⬤ Bauen Sie eine hochmoderne Infrastruktur für Modellierung, Visualisierung, Handel und mehr auf.
⬤ Erweitern Sie Ihre Finanzanwendungen durch den Einsatz von maschinellem Lernen und Deep Learning.
Buchbeschreibung
Die zweite Auflage von Mastering Python for Finance führt Sie durch die Durchführung komplexer Finanzberechnungen, wie sie in der Finanzbranche üblich sind, unter Verwendung von Methoden der nächsten Generation. Sie werden das Python-Ökosystem beherrschen, indem Sie öffentlich verfügbare Tools nutzen, um Forschungsstudien und Modellierungen erfolgreich durchzuführen, und Sie werden lernen, Risiken mit Hilfe von fortgeschrittenen Beispielen zu verwalten.
Sie beginnen damit, Ihr Jupyter-Notebook einzurichten, um die Aufgaben in diesem Buch zu implementieren. Sie werden lernen, effiziente und leistungsstarke datengesteuerte Finanzentscheidungen zu treffen, indem Sie beliebte Bibliotheken wie TensorFlow, Keras, Numpy, SciPy und sklearn verwenden. Sie werden auch lernen, wie Sie Finanzanwendungen erstellen, indem Sie Konzepte wie Aktien, Optionen, Zinssätze und deren Derivate sowie Risikoanalysen mit Hilfe von Berechnungsmethoden beherrschen. Mit diesen Grundlagen werden Sie lernen, statistische Analysen auf Zeitreihendaten anzuwenden und zu verstehen, wie Zeitreihendaten für die Implementierung eines ereignisgesteuerten Backtesting-Systems und für die Arbeit mit Hochfrequenzdaten beim Aufbau einer algorithmischen Handelsplattform nützlich sind. Schließlich werden Sie Techniken des maschinellen Lernens und des Deep Learning erforschen, die im Finanzbereich eingesetzt werden.
Am Ende dieses Buches werden Sie in der Lage sein, Python auf verschiedene Paradigmen in der Finanzbranche anzuwenden und effiziente Datenanalysen durchzuführen.
(Was Sie lernen werden)
⬤ Lineare und nichtlineare Modelle zu lösen, die verschiedene Finanzprobleme darstellen.
⬤ Hauptkomponentenanalyse des DOW-Index und seiner Komponenten durchführen.
⬤ Analysieren, vorhersagen und prognostizieren Sie stationäre und nicht-stationäre Zeitreihenprozesse.
⬤ Erstellen Sie ein ereignisgesteuertes Backtesting-Tool und messen Sie Ihre Strategien.
⬤ Erstellen einer hochfrequenten algorithmischen Handelsplattform mit Python.
⬤ Nachbildung des CBOT VIX-Index mit SPX-Optionen zur Untersuchung von VIX-basierten Strategien.
⬤ Durchführen von regressionsbasierten und klassifikationsbasierten maschinellen Lernaufgaben für Vorhersagen.
⬤ Verwendung von TensorFlow und Keras in der Architektur neuronaler Netze für tiefes Lernen.
| ISBN: | 9781789346466 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
