UA
Стефан Янсен: Машинне навчання для алгоритмічної торгівлі на фінансових ринках. Практикум
Виробник В асортименті представлені товари від різних виробників і торгових марок. | БХВ-Петербург |
Обкладинка | М'яка |
Автор | Стефан Янсен |
Кількість сторінок | 560 |
ISBN | 978-5-9775-6595-0 |
Жанр | програмування |
Опис товару
Книга призначена для аналітиків і дослідників даних та програмістів мовою Python, а також інвестиційних аналітиків і менеджерів, які працюють в фінансово-інвестиційній індустрії. Якщо ви хочете реалізувати ефективну алгоритмічну торгівлю, розробляючи інтелектуальні розвідувальні стратегії з використанням автоматичних алгоритмів, то дана книга - саме те, що вам потрібно!
Наявність і доступність різноманітних даних підвищила попит на компетенції в області стратегій алгоритмічної торгівлі. Завдяки цій книзі ви освоїте машинне навчання (МН), навчитеся його застосовувати до широкого спектру джерел даних і створювати потужні алгоритмічні стратегії.
Книга починається з основ МН, таких як оцінювання наборів даних, доступ до даних через API за допомогою мови Python, використання платформи Quandl для доступу до фінансових даних і управління помилками передбачення. Далі розглянуті різні технічні рішення МН і автоматичних алгоритмів, які можуть використовуватися для побудови і тренування алгоритмічних моделей за допомогою програмних Python-бібліотек pandas, Seaborn, StatsModels і sklearn.
Описана споруда, оцінка та інтерпретація моделей AR (p), MA (q) і ARIMA (p, d, q) з використанням бібліотеки StatsModels. Показано, як застосовувати баєсови поняття "апріорний розподіл", "спостереження" і "апостеріорний розподіл" для того, щоб розрізняти поняття невизначеності за допомогою бібліотеки PyMC3; як використовувати бібліотеки NLTK, sklearn (Scikit-learn) і spaCy для призначення сентиментних відміток фінансових новин і класифіцірування документів для отримання торгових сигналів; як конструювати, будувати, налаштовувати і оцінювати нейронні мережі прямого поширення, рекурентні нейронні мережі (RNN-мережі) і згорткові нейронні мережі (CNN-мережі), використовуючи бібліотеку Keras для розробки алгоритмів; як застосовувати трансферне навчання до даних супутникових знімків для передбачення економічної активності; як ефективно використовувати навчання для досягнення оптимальних результатів торгівлі.
Характеристики Стефан Янсен: Машинне навчання для алгоритмічної торгівлі на фінансових ринках. Практикум
Виробник В асортименті представлені товари від різних виробників і торгових марок. | БХВ-Петербург |
Розстрочка Ми надаємо розстрочку на 4, 6, 8 і 15 місяців. Також можете придбати товар в кредит. У цьому пункті будуть відображатися моделі, доступні для оплати на умовах розстрочки або кредиту. | Кредит, 4 місяці, 6 місяців, 8 місяців, 15 місяців, 25 місяців, 20 місяців, 36 місяців |
Мова видання | Русский |
Мова оригіналу | англійська |
Рік видання | 2020 |
Вікове обмеження | 16+ |
Обкладинка | М'яка |
Тип паперу | офсетний |
ілюстрації | Чорно-білі |
Автор | Стефан Янсен |
Перекладач | Андрій Логунов |
Формат | 70х90 / 16 |
Розмір | 165х215 мм |
Кількість сторінок | 560 |
ISBN | 978-5-9775-6595-0 |
Жанр | програмування |
Виробник залишає за собою право вносити зміни в комплектацію, технічне і програмне забезпечення товару без попереднього повідомлення. Магазин не несе відповідальність за зміни, внесені виробником. Ціна на товар до моменту фактичної передачі товару покупцеві може бути змінена продавцем в односторонньому порядку в залежності від показників, які обумовлюють ціну товару (в т.ч. собівартість товару, витрати продавця, зміна курсу валют по відношенню до гривні і т. д.).