8 (812) 320-06-69

Каталог

Категории
Высшее образование (16+) (39597)
Высшее образование
Естественные науки (2579)
Естественные науки
Общественные науки (3163)
Общественные науки
Информатика и компьютерные технологии (4253)
Информатика и компьютерные технологии
Инженерное дело (1408)
Инженерное дело
Телекоммуникации, электроника, электротехника и радиотехника (1360)
Телекоммуникации, электроника, электротехника и радиотехника
Строительство. Архитектура (634)
Строительство. Архитектура
Строительство. Архитектура. Журналы (17)
Строительство. Архитектура. Журналы
Бетон и железобетон (3)
Бетон и железобетон
Жилищное строительство (7)
Жилищное строительство
Строительные материалы (7)
Строительные материалы
Юридические науки.Право (4221)
Юридические науки.Право
Отрасли права (2689)
Отрасли права
Гуманитарные науки (6044)
Гуманитарные науки
Экономика. Экономические науки (6613)
Экономика. Экономические науки
Образование. Педагогические науки (3351)
Образование. Педагогические науки
Медицина и здравоохранение (951)
Медицина и здравоохранение
Физическая культура и спорт (474)
Физическая культура и спорт
Среднее профессиональное образование (14+) (2819)
Среднее профессиональное образование
Коллекции (43757)
Коллекции
Издательские коллекции (43334)
Издательские коллекции
Журналы (999)
Журналы
Остаться в выбранном разделе
Назад к каталогу

Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум

Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум ISBN 978-5-9775-6595-0
ISBN 978-5-9775-6595-0
Авторы: 
Янсен С.
Тип издания: 
Учебное пособие
Издательство: 
Санкт-Петербург: БХВ-Петербург
Год: 
2020
Количество страниц: 
560
Аннотация

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

Библиографическое описание Скопировать библиографическое описание

Янсен С. Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум / С. Янсен. - Санкт-Петербург : БХВ-Петербург, 2020. - 560 с. - ISBN 978-5-9775-6595-0. - URL: http://new.ibooks.ru/bookshelf/369871/reading (дата обращения: 28.03.2024). - Текст: электронный.